基于积分投影与灰度复杂度的人脸特征定位算法

针对当前人脸特征定位的研究现状与难题,采用YCbCr椭圆聚类方法进行肤色区域提取,然后根据人脸的几何特征,通过比例、大小结构特性来判断二值化图中的目标区域是否为人脸,从而可以排除非人脸区域,再结合人脸面部器官分布特点,利用积分投影方法,对人脸区域垂直和水平两个方向分别进行灰度值累加统计,经过分析可以定位眼嘴的区域边界和中心点。同时针对积分投影的缺点,即如果头部发生倾斜会导致投影位置不准确,提出了基于灰度复杂度的眼睛定位方法,利用该方法首先定位人眼位置,然后根据人眼对人脸区域旋转校正,最后再利用积分投影定位嘴巴。     

基于人眼定位的人脸检测与归一化算法

文中针对复杂背景下多姿态静态人脸图像,提出了一种通过对眼睛这一特征的自动检测与定位,从而实现对人脸检测的新方法。首先对原灰度图像做边缘灰度加强;然后结合根据人脸几何特征先验知识建立的人眼位置判定准则,在分割阈值递增的过程中,寻找能分割出双眼眼块的最优分割阈值;最后用两维相关系数作为对称相似度来检验检测出的双眼的真实性,并利用找到的双眼图像垂直方向的灰度积分投影,精确定位瞳孔中心。对彩色图像,利用肤色在YCbCr颜色空间的分布特性建立肤色模型,粗略找出肤色区域,进行灰度变换后,再采用上述方法检测人脸。最后提出一种脸相归一化方法,便于进一步的提取特征工作。实验结果证实了文中方法在速度和准确性方面具有良好的性能。     

基于肤色和模板匹配的人眼定位

提出了一种基于肤色和模板匹配的彩色图像人眼定位方法。首先利用YCbCr空间的肤色模型粗定位可能的人脸区域,然后在候选人脸区域用平均眼模板作基于金字塔结构的模板匹配定位眼睛。实验结果表明该方法在复杂背景下极大地提高了眼睛定位速度和精确度,具有较好的光照鲁棒性。     

基于轮廓信息的人脸检测

针对彩色图像提出了一种基于肤色模型、脸部轮廓信息以及眼睛特征的人脸检测算法。采用基于YCbCr色彩空间的肤色分割模型,初步筛选人脸的候选区域;在此基础上进行边缘检测,获得人脸轮廓信息,并利用遗传算法拟合脸部的椭圆;在椭圆的水平方向根据眼睛的几何特征来检测“眼睛对”,再根据“三停五眼”来定位人脸,并利用左右对称性验证人脸。实验表明,该算法对于彩色图像的正面人脸检测具有良好的效果。     

基于人眼定位的人脸与检测与归一化算法

文中针对复杂背景下多姿态静态人脸图像,提出了一种通过对眼睛这一特征的自动检测与定位,从而实现对人脸检测的新方法.首先对原灰度图像做边缘灰度加强;然后结合根据人脸几何特征先验知识建立的人眼位置判定准则,在分割阈值递增的过程中,寻找能分割出双眼眼块的最优分割阈值;最后用两维相关系数作为对称相似度来检验检测出的双眼的真实性,并利用找到的双眼图像垂直方向的灰度积分投影,精确定位瞳孔中心.对彩色图像,利用肤色在YCbCr颜色空间的分布特性建立肤色模型,粗略找出肤色区域,进行灰度变换后,再采用上述方法检测人脸.最后提出一种脸相归一化方法,便于进一步的提取特征工作.实验结果证实了文中方法在速度和准确性方面具有良好的性能.     

基于肤色特征和遗传算法的人眼瞳孔定位算法

提出了一种单目摄像头下定位人眼瞳孔的方法,分为人脸区域检测、人眼区域检测、瞳孔中心定位三个阶段。在人脸区域检测阶段,利用人脸的肤色和唇色在不同色度空间下的特性,结合区域增长的方法分割出人脸区域;在人眼区域检测阶段,利用定位出的人脸区域,根据先验知识缩小搜索区域,再结合遗传算法搜索眼部区域;最后利用圆的几何性质定位瞳孔中心。实验结果证明了本算法在复杂背景和头部偏转情况下的有效性。     

彩色图像的层次式人脸检测算法

提出了在复杂背景、不同光照条件下层次式的彩色图像的人脸检测算法。首先,利用颜色补偿技术在YCbCr颜色空间对彩色图像进行肤色分割,选出类似皮肤的区域。然后,通过人脸椭圆形状来检测人脸候选区域。最后,构造眼睛和嘴巴的映射来成功检测出人脸。     

视线追踪系统中特征参数提取方法研究

为了提取人眼的高精度亚像素特征参数,利用亮瞳现象,提出了一种基于多通道图像的高精度亚像素特征参数提取方法。该方法首先通过差分图像滤波获得瞳孔区域,进而检测瞳孔区域的边缘,并在眼睛区域附近基于灰度,搜索角膜反射区域; 然后求取其质心用于定位角膜反射区域中心,并对瞳孔边缘做滤波,以消除角膜反射对瞳孔边缘轮廓的影响,进而利用椭圆拟合来定位瞳孔中心;最后提取包括人眼特征和人脸位置的多个参数,另外,还建立了一个多特征参数提取的流程,为下一步的视线估计提供了参数依据。 实验结果及视线追踪系统最终的视线估计结果证明,该方法是有效的。     

基于最大熵分割和肤色模型的人眼定位

人眼定位是进行虹膜识别、视线跟踪、眼睛状态分析等的首要任务,为此提出一种基于最大熵分割和肤色模型的人眼定位方法。利用最大熵分割法对图像进行分割,获得人眼候选区域。建立YCbCr肤色模型,将其作为人眼定位的约束条件以排除非人眼区域,通过形态学运算准确定位人眼。仿真实验表明,该方法对人眼定位准确,并对背景、头部偏转角度等细节具有较好的适应性,运算速度较快。     

一种基于肤色的人脸检测与定位方法

结合肤色信息与人脸几何分布特征,提出了一种快速的基于人脸特征的检测与定位方法。在标准RGB彩色空间,通过肤色轨迹进行肤色像素与嘴唇像素提取,根据提取的肤色区域是否有嘴唇像素可初步排除一些非人脸区域;利用人眼较高的蓝色分量及瞳孔反光形成的亮斑,在标准RGB色彩空间的B分量图中通过区域增长法产生潜在眼睛区域,利用人眼与嘴唇的面部几何分布特征,提出一些新的规则判断提取的肤色区域是否为人脸,如果是人脸,则对眼睛进行定位。实验结果表明,提出的方法是健壮的、有效的。     

基于肤色和AdaBoost算法的彩色人脸图像检测

针对肤色检测对复杂背景下的图像误检率高和AdaBoost算法对多姿态、多人脸图像检测效果不理想的问题,将基于肤色的人脸检测与基于AdaBoost算法的人脸检测结合起来,提出一种新的人脸检测方法,即首先利用肤色和形态学操作分割肤色区域,再根据人脸区域的统计特性筛选出人脸候选区域,然后用AdaBoost级联分类器对候选区域扫描,以精确定位人脸.实验表明,该方法同时具有肤色检测正确率高与AdaBoost算法误检率低的优点,可以有效地运用于多姿态、多人脸和复杂背景的情况,具有较好的检测效果.     

一种快速提取人脸中心点的方法

针对安防环境下监控系统的实时性要求,本文提出了一种基于肤色分割和人体特征相结合的快速人脸检测方法。首先利用肤色信息对彩色图像进行肤色区域的分割,然后根据人体的几何特征进行迭代寻优求取人脸的中心。实验结果证明,所求出的中心可以适用于要求。     

肤色相似度和动态阈值相结合的肤色分割技术

为了提高人脸检测的速度与性能,提出一种基于肤色相似度与动态阈值相结合的肤色分割方法。首先在YCgCr颜色空间计算肤色相似度,然后给出一种基于类间方差和类内离散度相结合的动态阈值确定方法,根据求得的动态阈值进行肤色分割,并对肤色分割后的二值图像进行滤除噪声处理。实验结果表明该方法改善了肤色分割性能,能够在复杂背景下实现肤色区域的精确分割,从而提高了人脸检测的速度和性能。     

基于图像矩的驾驶员面部椭圆拟合定位

基于人脸类似椭圆的特性,提出一种基于图像矩的驾驶员面部椭圆拟合定位方法.该方法利用肤色信息对驾驶室采集的彩色图像在颜色空间进行快速分割的基础上,利用图像矩拟合驾驶员面部椭圆,从而准确的定位跟踪驾驶员的位置,有效的降低了驾驶室的复杂背景、驾驶员各种面部姿态、表情对人脸检测定位的影响,同时也避免了常用椭圆拟合方法计算量大的不足.实验与仿真表明该方法具有快速、稳健和姿态不敏感的特性.     

基于肤色分割和AdaBoost算法的彩色图像的人脸检测

文章提出了肤色分割和AdaBoost算法结合的人脸检测算法。首先,对彩色图像进行肤色分割,通过人脸肤色的统计特征得到候选人脸区域：然后,基于AdaBoost算法,使用由强分类器组成的级联分类器对候选人脸区域进行扫描,最终得到精确定位的人脸。实验证明,该方法具有肤色检测快速和AdaBoost算法误检率低的优点,可以有效的运用于多姿态、多人脸和复杂背景的情况。     

基于肤色和独立成分的人脸检测*

人脸检测是计算机视觉中非常活跃的研究课题,目前大多数人脸检测算法都是依靠灰度信息,而忽略了彩色信息。研究表明,肤色检测在诸多计算机视觉算法中,是一个重要的处理步骤。为了提高检测速度和性能,通过对肤色在H,S空间分布的分析,建立了新的肤色分割公式,并且在Aapo Hyvrinen和Erkki Oja［1］所提算法的基础上,提出了一种新的结合肤色和独立成分分析的人脸检测算法。实验结果表明了该算法的有效性。     

彩色视频序列图像中的人脸跟踪方法

针对彩色视频序列图像的人脸检测，提出了一种基于肤色的人脸跟踪方法。该方法首先在Hsu提出的肤色模型基础上，采样一种自肤色分割算法来提取复杂背景下人脸的肤色特征，与传统的采用固定肤色模型的检测算法相比，该方法具有更好的检测效果；然后，在人脸跟踪过程中采用Condensation滤波跟踪算法，并对算法做了两点改进，即在跟踪过程中采用基于Metropolis算法的重采样方法以及自适应的动态模型，实现了复杂背景下的人脸自由运动的跟踪，并从各种影片中截取了彩色视频序列图像进行了测试实验。实验结果表明，该方法有效地解决了复杂背景下人脸自由运动、光照变化及部分遮挡的问题，且精度较高。     

基于颜色信息和几何不变性的人脸检测定位

由先验知识我们知道,2D人脸正面图像几何对称;然而,当姿态发生变化时,对于人脸这样的不规则3D几何体,不同的视角、不同的摄像机参数使得在透视成像下得到的图像也不同,并且发现正面人脸具有的对称特性也消失了,因此3D人脸的识别是十分困难的;提出一种从人脸特征的结构特殊性出发,利用2D人脸形状、面部特征等内在的几何约束关系构造射影不变的特征参数、特征关系的射影不变性,同时结合颜色物理信息的人脸检测定位方法,有效地避免了构造3D人脸模型的难题,增强了实验结果的效率、可靠性和稳定性.     

Face localization using fuzzy classifier with wavelet-localized focus color features and shape features

This paper proposes a new fuzzy classifier (FC)-based face localization approach. The FC used is a self-organizing TS-type fuzzy network with support vector learning (SOTFN-SV). The SOTFN-SV learns consequent parameters using a linear support vector machine to improve generalization ability. The FC is first applied to segment human skin pixels in scaled hue and saturation (hS) color space, after which connected skin-color regions are regarded as face candidates. The FC is then applied to detect and localize faces from the candidates. The proposed FC-based face localization approach uses shape and wavelet-localized focus color features. A best fitting ellipse of each face candidate is found to obtain shape features. Focus color features are extracted from four focus regions, including the two eyes, the mouth, and the face skin-color region. To find these focus color regions, the Haar-wavelet transformation is first applied to the face candidates in the YCb color space to localize all possible pairs of eye candidates. The mouth region is then localized according to its geometric relationship with the eyes. The hS color features of the located eyes, mouth, and face skin are extracted. These focus color features, together with shape features, serve as inputs to another FC for final face localization. Comparisons with various classifiers and face detection methods demonstrate the advantage of the FC-based skin color segmentation and face localization method.     

复杂背景下的多姿态人眼定位

针对彩色图像中人脸在复杂背景及多姿态下眼睛定位困难的情况,提出了一种基于肤色分割与Gabor滤波的人眼定位方法。首先采用粒子群算法优化改进的最大类间方差(Otsu)对图像进行肤色分割,找到人脸的候选区域;然后构造Gabor滤波器对候选区域进行滤波;最后经过灰度投影得到眼睛的精确位置。仿真结果表明,该分割算法在复杂背景和多姿态情况下的人眼定位中有明显优势,对于现实环境中的人脸识别有重要意义。