基于人脸检测分析户外广告关注度

户外广告需要统计其真实的关注度以更好地选择广告投放策略。文中提出了以观看广告的正面人脸数与持续时间来统计关注度。在OpenCV人脸检测函数库的基础上,提出了通过降分辨率、提取与分解有效像素、重叠检测、人脸生命周期模型等方法来改善检测的速度与精度。并给出了实验结果,分析了算法的优缺点,提供了改进的思路。     

新型人脸检测算法在视频监控系统中的应用

该算法基于Gentle Adaboost的多特征融合,首先通过运动和肤色特征提取人脸区域,再使用多层分类器定位人脸,最后在TMS320DM642 DSP上实现.实验表明,该算法的检测率达96%,速度也满足监控的要求.     

基于肤色及AdaBoost算法的自动调焦人脸检测

提出一种结合肤色检测和AdaBoost算法的自动调焦实时人脸检测方法。采用肤色信息定位皮肤区域,针对AdaBoost算法对待检人脸尺寸小于训练样本人脸尺寸时检测率低的缺陷,并采用自动调焦算法调整图像大小后再利用AdaBoost算法进行人脸检测。实验结果表明,结合肤色信息和自动调焦后的AdaBoost算法性能较传统AdaBoost算法有明显提高,同时对小人脸图像也有更好的检测效果。     

基于嵌入式Linux系统的人脸检测系统设计

采用处理器为S3C6410的OK6410开发板和嵌入式Linux操作系统,采用Qt/Embedded在嵌入式Linu x系统下开发出友好的G U I界面,使用4.3寸液晶显示识别结果。文章主要将一个基于(开源)发行的跨平台计算机视觉库OpenCV移植到ARM嵌入式平台,并调用OpenCV库中的人脸检测算法实现动态检测人脸的功能。     

基于Android平台的实时人脸检测与跟踪

针对Android智能手机自带人脸检测功能效率低、错误率高的问题,提出了一种将OpenCV移植到Android平台的方法,在运行Android系统的嵌入式平台中使用改进的AdaBoost算法,并结合OpenCV库来实现实时人脸检测与跟踪。实验取得了高达9505%的人脸检测准确率和5013 ms的平均检测速率,在保证检测速度的同时比Android自带的人脸检测更具高效性和实用性。     

基于手机平台的人脸检测系统的研究

随着通信技术和图像处理技术的发展,手机不仅是一种便携的通信工具,而且能够用来拍照。针对市场上的非智能手机拍照的性能欠佳又不具备图像处理功能的缺点,选取了扩展的Haar特征,利用Intel开源的图像处理软件OpenCV在智能手机操作系统上实现了一个Adaboost人脸检测系统,描述了建立样本、图像预处理、特征提取、构造级联分类器和目标检测等过程。多次实验证明,该系统正检率高,检测时间短,具有一定的实用性。     

基于肤色的人脸检测研究

随着科技发展,信息信息技术也在日渐成熟,关于人脸检测技术的研究在不断的更新,检测的方法也多不胜数。像是基于肤色的人脸检测技术就是一种常见的检测技术。今天我就来谈谈基于肤色的人脸检测。     

基于计算机视觉技术的人脸检测系统设计

通过对基于Haar-like特征的AdaBoost人脸检测算法研究,利用由该算法训练的级联分类器和计算机视觉类库OpenCV进行人脸检测系统设计,实现了基于静态图像、摄像头视频和avi视频的人脸检测与标记,以及标记后的人脸区域图像实时显示和存盘。此外,在VC＋＋6.0环境下实现了对人脸检测系统软件界面的开发。实验结果表...     

Android系统下OpenCV的人脸检测模块的设计

针对解决OpenCV人脸检测模块在Android平台编译和移植的问题,提出一种利用JNI技术(Java Native Interface)调用OpenCV以及采用Android NDK(Native Development Kit)生成共享库的目标检测方法。文中从分析利用Android NDK编译Android平台所需要的OpenCV静态库的问题入手,详细阐述了利用JNI调用OpenCV相关函数的具体步骤。经过多次试验,证明该人脸检测模块的平均检测时间为1 280 ms,具有较高的检测速度和检测精度。     

基于CMOS和USB2.0的人脸检测系统

人脸检测是在图像中检测到人脸的位置,是当今科技领域攻关的热点技术.提出一种基于CMOS图像传感器和USB2.0的人脸检测系统.该系统利用CMOS图像传感器OV9620和USB2.0主控芯片CY7C68013设计高分辨率数字图像采集系统,由PC机采集图像数据,并对数据进行彩色恢复处理.在此基础上,完成视频图像中人脸的实时检测.文章阐述了该采集系统的软硬件结构设计和人脸检测的算法设计及实现.实验结果表明,该系统采集图像清晰稳定,传输速度为32.6Mbyte/s,图像处理速度为16 frame/s.实现了图像采集和人脸实时检测.     

基于人脸检测技术的智能监控系统

重点介绍了基于人脸检测技术的人员活动监控系统的构成和功能,并详细介绍了Viola-Jones人脸检测算法,展望了虚拟现实、增强现实技术在人员活动监控系统中的应用.     

基于Adaboost的人脸检测算法研究

Paul Viola和Michael Jones曾提出的基于积分图象和Adaboost算法构建层叠式(cascade)人脸检测器,是人脸检测算法上的里程碑事件。先利用积分图象在常数时间内快速计算矩形特征,再用Adaboost算法训练这些矩形特征组成强分类器,从而使分类器的速度大大提高。此外,构造层叠分类器,首先简单的强分类器排除大多数非人脸窗口,减轻复杂分类器的负担,进而提高速度。     

监控在交通环境中的应用和技术特征

文章首先就监控在交通环境领域中的应用特征做出了分析，指出高速交通环境和城市交通环境不同的应用需求。其次进一步剖析了监控系统的逻辑结构，从三个层面逐一分析了监控系统的技术特征。     

基于Boosted Cascade算法的人脸检测和跟踪系统

将基于Boosted Cascade的人脸检测算法运用到视频图像当中,并结合图像序列中的运动信息,提出并实现了一种实时的人脸检测跟踪系统.首先根据图像的运动信息提取出可能存在人脸的候选区域,然后在候选区域中用Boosted Cascade算法进行检测.实验结果表明该系统能够实时地对于人脸进行检测跟踪,可以被应用在智能视频监控方面.     

人脸检测技术在3G移动增值业务中的应用

介绍结合人脸检测技术及相关图像处理技术实现在3G时代移动增值业务中的一个应用变脸。变脸首先采用Intel开源OpenCV人脸检测确定图像人脸的区域,然后采用独创的变异Snake算法提取人脸边缘轮廓,接着在YCbCr颜色空间对人脸肤色进行调整,使其肤色接近目标人脸肤色,最后基于数学形态学的模板边缘羽化对人脸轮廓结合处进行边缘羽化,很自然地把一张人脸替换成另一张人脸。     

基于VFW的人脸监控系统实现

构建了一个Windows平台下独立于硬件的人脸监控系统,它是基于Microsoft数字视频处理软件包VFW开发的,采用了带有光线补偿的肤色模型和人眼灰度模型的算法实现人脸检测.实验结果表明,该系统具有良好的检测效果.     

智能视频监控中基于肤色信息的人脸检测算法研究

针对智能视频监控中人脸检测受复杂环境以及多姿态人脸的影响,采用一种基于肤色特征与Ada Boost算法相结合的方法,提取两种算法各自优点并加以优化,其主要思想是利用肤色特征建立肤色模型,选出含有人脸预检测肤色区域,进行人脸样本训练,提取人脸样本Haar特征,进行弱分类器训练,利用迭代的方法,再将不同的弱分类器组合成强分类器,最后形成级联分类器,运用级联分类器检测含有人脸的肤色区域。实验结果表明,该方法不仅提高了智能视频监控中人脸检测的效率和准确性,而且具有较好的鲁棒性。     

基于肤色的实时人脸检测算法研究

研究了一种基于肤色的人脸检测算法的设计与实现过程。在YIQ颜色空间中,进行了有效的肤色提取,把提取到的肤色与背景图像信息转为二值图像进行形态学降噪处理,再采用质心定位法进行准确的眼睛定位,最后对检测到的人脸图像进行缩放、旋转、移位校正,以提高输出人脸图像的质量。实验结果表明,本文所提的算法具有很高的准确率与检测速度,能够适用于实时人脸检测系统。     

基于OpenCV的双摄像头活体人脸判定及实时跟踪系统

活体检测及人脸跟踪系统的构建已成为现代计算机视觉及OpenCV研究的热点。提出一种基于OpenCV的双摄像头活体人脸判定实时人脸跟踪系统。一种新的双摄像头活体人脸判定的方法,利用基于HAAR特征人脸检测算法,并判断距离。编写Windows程序调用串口API和下位单片机STC12C5410通信,采用CH341A芯片将RS232串口数据加载到USB协议数据栈中实现USB传输,单片机控制FUTABA舵机,获取上位机人脸检测坐标信息,实时调整舵机转动角度,使人脸始终处于图像中间290＊310阈值范围内,达到人脸跟踪。该系统结构精简,可作为模块用于门禁安保系统及构建其他机器人研究平台。