基于全方位计算机视觉的ATM机智能监控

探讨了利用全方位视觉传感器(ODVS)以及计算机视觉技术来实现对自动取款机(ATM)的视频智能监控,采用ODVS来获取整个ATM机周围的全景视频图像,通过透视算法将全景视频图像展开成若干个重点监控领域;为了提高检索效率、减少存储和传输信息量,提出了通过基于高斯肤色模型的人脸检测算法获取ATM使用者的人脸图像并将时间地点等信息进行合并,得到一幅包含使用ATM时间、地点和人物图像;为了提高ATM的使用安全性,通过基于卡尔曼滤波的人脸跟踪和行为语义规则判定等手段来检测和分析ATM设备周围环境中的窥视行为.与现有的ATM视频监控技术相比,所提出的监控方法具有检测范围广、智能化水平高、存储检索效率高等优点,实现窥视行为检测算法具有较高的鲁棒性和检测精度.     

实时人脸视频的色彩转换

针对视频捕捉时的人脸图像显示色彩感观差的问题,论述了图像间色彩转换的改进方法,并对人脸视频图像进行脸部和头发区域的分割,用改进后的色彩转换方法来改善实时视频的肤色和头发色彩,编写了VC环境下的算法实现程序,进行了大量的实验,实验结果表明此方法能实时转换人脸视频中每一帧的色彩,弥补了原视频显示方法的不足.     

疲劳驾驶监控中人脸检测与定位方法

目的为了正确检测和定位人脸区域,提高疲劳驾驶监控中人脸检测与定位方法的准确率和实时性.方法结合肤色分割、模板匹配,改进连通区域划分算法实现对戴眼镜人脸的检测与定位.结果实验结果表明,肤色分割改进算法能对不同复杂程度背景的人脸图像正确的检测与定位,正确率达到97.7%.结论该算法能在不同光照条件和复杂程度背景下,检测并定位人脸区域,实时性好,准确率高,对戴眼镜情况时也能检测定位成功.     

基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

实时人脸视频的色彩转换

针对视频捕捉时的人脸图像显示色彩感观差的问题，论述了图像间色彩转换的改进方法，并对人脸视频图像进行脸部和头发区域的分割，用改进后的色彩转换方法来改善实时视频的肤色和头发色彩，编写了VC环境下的算法实现程序，进行了大量的实验，实验结果表明此方法能实时转换人脸视频中每一帧的色彩，弥补了原视频显示方法的不足．     

融合YCbCr肤色模型与改进的Adaboost算法的人脸检测

提出了一种将人脸肤色检测与改进的Adaboost算法相结合的人脸检测方法。将人脸图像从RGB颜色空间映射到YCbCr颜色空间,建立肤色模型进行人脸相似度求取,通过形态学处理得到候选人脸区域。在训练阶段,通过调整加权误差分布限制目标类权重的扩张,通过修改目标权重更新抑制训练退化和训练目标类权重分布过适应现象。用改进的Adaboost算法对得到的人脸候选区域进行检测,提高了检测速度。实验结果表明,该算法抑制了训练目标类权重过适应现象,有效的提高了检测率和检测速度。     

基于肤色分割和改进的AdaBoostSVM算法的人脸检测

为了提高人脸检测的速度和精度,提出了一种基于肤色分割与改进的AdaBoostSVM算法相结合的人脸检测方法。首先在YCgCr空间通过计算肤色相似度进行肤色分割,进而得到候选的人脸区域。然后,针对人脸检测中正负样本的非对称性对AdaBoostSVM算法进行改进,并用改进的AdaBoostSVM算法对候选人脸进行检测验证。实验结果表明,该方法改善了人脸检测性能,提高了检测速度,能够在复杂背景下进行快速而且较为准确的人脸检测。     

基于帧间差分与静态特征相结合的人脸跟踪方法

简述了近年来主要的人脸跟踪方法,提出一种基于帧间差分与静态特征相结合的人脸跟踪算法。算法利用视频图像的运动信息做帧间差分确定人脸搜索的矩形区域,利用肤色模型提取肤色区域,通过积分投影确定人脸的椭圆范围,并对矩形范围内图像做边缘提取、膨胀等处理,通过水平积分投影获得人脸特征曲线,并通过特征曲线验证椭圆范围内是否存在人脸,实现人脸自动跟踪。     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法,实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法,用其分割图像,根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本,最后利用训练好的支持向量机预测人脸样本是否为人脸.     

基于卡尔曼滤波的人脸跟踪算法

针对实时视频监控领域中传统的Camshift算法不能自动跟踪人脸和容易受到肤色相近遮挡等问题,采用Ad-aboost算法实现了人脸的自动检测,同时对于跟踪丢失等情形,通过卡尔曼预测对跟踪偏差进行实时改进。实验表明跟踪的准确性有较大提高,具有较好的实时性;在相近肤色遮挡时仍能实现正确跟踪,并对侧脸也有较好的效果;算法具有较好的鲁棒性。     

基于PCA降维的SVM人脸快速检测方法

提出一种改进的快速人脸检测方法。人脸模式训练阶段,先将训练样本的人脸特征经PCA降维提取主要特征,然后训练SVM人脸模式函数,由于训练样本维数的降低,节约了训练时间。检测阶段,利用肤色在YCbCr空间的聚类性,在色度空间建立高斯肤色模型进行皮肤分割。对分割区域进行连通域体态分析后,用PCA方法将待检测样本降维处理,利用SVM检测识别人脸。实验结果表明,这种方法可以快速有效检测图像中的单幅或多幅人脸区域。     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法,实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法,用其分割图像,根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本,最后利用训练好的支持向量机预测人脸样本是否为人脸.     

基于卷积神经网络的人脸图像特征提取

为了提高对人脸的自动识别和检测能力,提出了一种基于卷积神经网络的人脸特征提取技术。采用连续模板匹配技术进行人脸边缘轮廓的检测,采用Harris角点检测方法进行人脸的关键特征点定位,在人脸的分块区域内进行人脸的肤色特征分析和外包矩形轮廓区域特征提取,结合肤色特征对图像中人脸特征点进行图像重构和精确定位,对提取的人脸特征点采用卷积神经网络进行分类,实现对人脸图像特征的优化提取。仿真结果表明,采用该方法进行人脸特征提取的准确性较高,具有较好的特征匹配能力。     

一种人脸的检测与定位方法

提出一种基于肤色的人脸检测定位算法,设计了基于肤色的人脸检测和定位系统.采用了增强人脸特征与脸部皮肤之间对比度的方法以及二值化方法,改进了预处理的效果.使用了基于边界方法和基于区域方法相结合的算法,提取了眼睛、嘴和鼻子等关键特征,最终较好地实现了人脸定位.在MicrosoftWindows ME平台上,利用Visual C 6.0开发了软件.实验结果表明,该软件对于一定尺寸范围内清晰的正面人脸图像能够正确检测定位并提取特征.     

基于肤色和改进AdaBoost算法的人脸检测

提出了一种基于肤色和改进AdaBoost算法的人脸检测方法。从被检图像中分割出肤色区域从而得到包含一系列人脸静态特征的候选人脸区域。针对传统AdaBoost算法在训练过程中的过增益现象提出了一种新的权重更新方法,同时在训练过程中构建级联分类器。通过级联分类器对候选人脸区域进行扫描来准确定位人脸。大量的实验结果表明,所提出的方法在人脸检测上取得了较好的效果。     

复杂背景的人脸检测方法

由于原始的Adaboost方法在复杂图片上检测人脸效果不够理想,所以提出了一种能够处理复杂背景图片的人脸检测方法,即基于肤色的Adaboost检测方法。该方法具有肤色分割的检测率高、适应性强和AdaBoost算法检测速度快等优点。首先,通过人脸肤色的统计特征对图像进行肤色分割,得到候选人脸区域;然后使用经过训练的AdaBoost算法级联分类器对候选人脸区域进行检测,最终得到精确定位的人脸。经过实丐令证明,基于肤色分割的Adaboost人脸检测方法比原始的Adaboost方法在鲁棒性上有了很大提高。     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量（H,Cg,Cr）T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

基于肤色模型和模板匹配的人脸检测方法研究

提出了一种基于人脸肤色信息和模板匹配,对彩色图像中的人脸进行检测的方法。该方法首先在YCbCr色彩空间下,利用肤色信息将彩色图像中的肤色区域和非肤色区域分开,计算得到表示肤色相似度的色度图,然后分割由此色度图所生成的灰度图像,从而得到人脸检测的候选区域,同时计算该区域的欧拉数来进一步缩小人脸搜索的范围,结合人脸模板进行匹配,最终确定并标记出彩色图像中人脸的位置。实验结果表明：该方法能够在具有复杂背景的彩色图像中快速并且准确的检测出人脸,误检率较低。     

彩色图像中的正面人脸检测的研究

提出了彩色图像中一种人脸检测方法.该方法利用肤色模型分割出彩色图像中的肤色区域,并将同一幅图片用不同的肤色模型分割后的图像进行融合,这样能较好地获取肤色区域.将彩色图像中的肤色区域转换为灰度分布图,用正面人脸的结构规则筛选出肤色区域中的人脸区域.结果表明:该方法能快速地较为准确地定位彩色图像中的正面、小角度偏侧的人脸.     

基于肤色分割的连续Adaboost人脸检测算法

针对彩色图像人脸检测问题,将连续Adaboost和肤色分割相结合对彩色图像人脸进行检测．先由连续Adaboost构造的瀑布型分类器检测出候选人脸区域,再对可能的人脸区域进行光照补偿后采用r-g颜色模型进行肤色分割,最终精确定位人脸．实验证明：该算法可以有效的降低连续Adaboost检测彩色人脸图像时的虚警率。达到较好的检测效果．具有一定的应用价值．