一种新的快速多人脸检测算法

提出一种基于改进的肤色分割和距离变换的快速人脸检测算法。该算法对传统肤色分割进行了改进,使得肤色分割更加可靠,而且能够对图像中的多个人脸进行快速定位。实验证明该方法是有效的。     

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。     

基于一种新的非线性彩色空间的人脸检测

提出一种新的非线性变换的彩色空间YC“rC“b，利用次高斯概率分布函数拟合皮肤色度信息，得到候选区域。为了排除候选区域中的非人脸，首先根据均值和方差信息分割出候选区域中的纹理特征信息，再通过多尺度形态边缘检测算子检测候选区域的边缘，利用PCA边缘方向(PCAED)信息定位眼睛，然后根据人脸特征的几何形状信息定位其他特征(鼻、嘴)，通过这些几何特征信息对肤色分割得到的候选区域进行验证，最终得到正确的人脸区域。利用3个实验数据集测试该算法，并与其它相应的算法相比较，提出的非线性彩色空间对于肤色分割具有很好的效果，且对光照和姿态具有良好的不变性。另外，利用PCAED信息和几何特征信息检测人脸特征具有很高的定位精度，定位检测率优于其他方法。实验结果表明，该算法具有定位准确率高，漏检率和误检率低等特点。     

人脸检测中基于自适应ICA的特征提取算法

如何从图片中提取出有效特征来区分人脸与非人脸一直是一个难题.文中提出了利用自适应独立成分分析(Self-Adaptive ICA)算法对图像结构信息非常敏感的特点,有效地从大量正面人脸图片中分离出人脸的局部特征,从而利用这些局部特征基底有效地表示人脸图片.自适应ICA算法的优点是能自适应的拟合图像数据的统计性质,而不用预先设定.通过比较待检测的人脸图片与非人脸图片在这组特征基底上的投影系数,可以较好的区分二者.实验结果也表明这种特征提取方法可以找到一组很好的人脸特征基底.使用这种方法构造的弱分类器的分类准确率在相同的误检率下比Boosted Cascaded方法中的弱分类器高1% ～ 1.5%.     

一种稳健的人脸检测方法

人脸检测作为人脸识别的第一环节,也是一个模式识别问题,本文提出了一种稳健的复杂背景下脸检测方法,并对人脸图象库ＦＤＢ６０３进行了实验,结果表明,我们的方法是有效和稳定的。     

新颖人脸检测的核方法

核主成分分析（kernel PCA）是PCA的非线性扩展。该研究将kernel PCA应用于新颖人脸检测。作为训练数据的人脸图像被映射到高维特征空间。在特征空间中,kernel PCA抽取数据分布的主成分,构成主子空间。在该子空间中,通过优化方法寻找包含训练数据的最小超平面,作为新颖检测的决策界面。该新方法在ORL人脸图像库的数据集中进行了实验,测试精度较线性PCA方法有所提高。     

一种基于Adaboost的分层特征空间人脸检测的方法

Viola和Jones的人脸检测方法在分类器训练后期,基于Haar-like特征的弱分类器分类能力变弱.针对此问题,提出一种基于Adaboost的分层特征空间的人脸检测方法.该方法让弱分类器在局部和全局特征空间中进行训练,增强弱分类器的分类性能.实验表明,本文方法提高系统的正确检测率,降低错误报警数,与当前人脸检测系统相比性能更优越.     

一种基于神经网络和贝叶斯决策的人脸检测方法

提出了一种利用BP神经网络仿真、利用贝叶斯决策修正仿真结果的人脸检测方法.讨论了单纯使用BP神经网络作人脸的检测判定的不足,并在此基础上提出利用贝叶斯决策对神经网络的仿真结果进行第二次判定的方法.共使用MITEx人脸库的4 000个人脸与非人脸图像进行实验分析,正确率平均提升了3.63%,表明了神经网络的良好判定性能和使用贝叶斯决策进行修正的有效性和必要性.     

人脸检测方法研究

人脸检测与识别技术是模式识别与机器视觉领域最具挑战性的研究课题之一。近年来出现了大量的人脸检测算法,但由于光照、表情等原因的影响,从实用化角度考虑寻找一种简单快速的检测算法还是比较困难的。本文基于国内外文献,阐述了现有的人脸检测算法,分析了以上各种算法在人脸检测中的发展状况及其优缺点。     

一种基于肤色的复杂背景人脸检测方法

针对复杂背景下的彩色人脸图像,利用肤色信息,从图像中分割出具有肤色的区域,整理得到待检测人脸区域,从中进行人脸特征的提取和验证,最终确定人脸。     

A New Method to Increase the Margin of Multilayer Perceptrons

A new method to maximize the margin of MLP classifier in classification problems is described. Thismethod is based on a new cost function which minimizes the variance ofthe mean squared error. We show that with this cost function the generalizationperformance increase. This method is tested and compared with the standard mean square errorand is applied to a face detection problem.     

基于WT／ICA和神经网络的人脸识别方法

提出了一种基于WT／ICA和神经网络的人脸识别方法。首先利用小波分析提取原始图像的低频子图，然后利用独立分量分析（ICA）进行特征提取，最后采用径向基函数（RBF）神经网络进行分类和识别。实验表明该方法提高了人脸的识别率。     

基于Faster R-CNN的人脸检测方法

近年来,基于候选区域的快速卷积神经网络（Faster R-CNN）算法,在多个目标检测数据集上有出色的表现,吸引了广泛的研究兴趣. Faster R-CNN 框架本来是用做通用目标检测的,本文将它应用到人脸检测上,分别使用ZF和VGG16卷积神经网络,在WIDER人脸数据集上训练Faster R-CNN模型,并在FDDB人脸数据库上测试. 实验结果表明,该方法对复杂光照、部分遮挡、人脸姿态变化具有鲁棒性,在非限制性条件下具有出色的人脸检测效果. 这两种网络结构,在检测效率和准确性上各有优势,可以根据实际应用需求,选择使用合适的网络模型.     

一种新的基于统计向量和神经网络的边缘检测方法

通过构造不同的统计量定量描述了边缘点邻域灰度的分布特征,并将4个统计量组成统计向量.计算训练图像的统计向量作为样本对BP神经网络训练,然后将训练的BP网络直接用于边缘检测.新方法在统计向量的构造上充分考虑了边缘点和噪声点的区别,具有较好的抗噪性能;BP网络的结构和训练都比较简单;而且不需要设定阈值检测边缘.实验表明,新方法抗噪性能好,达到了令人满意的边缘检测效果.     

一种改进型KCF的疲劳驾驶检测方法

随着人民生活水平的提高,汽车人均持有量持续上升,从而也就导致了交通事故的增加,根据统计可知,大多数交通事故都是由疲劳驾驶导致的,因此为了减少司机因为疲劳驾驶导致的交通事故,对司机的疲劳程度检测是十分有必要的;目前现有的疲劳检测方法虽然种类较多,但是大多数存在着部署困难、实时性差、检测精度不高等缺点,因此难以在实际生活中应用;为了克服以上缺点,在这里提出了一种基于视觉的实时疲劳检测方法;该方法通过优化KCF算法实现实时人脸跟踪,再利用现有的人脸关键点检测手段,实现对眼睛和嘴巴的状态识别;最后结合SVM实现对驾驶员疲劳状态的检测;实验结果表明,提出的方法具有较好的实时性,并且精度较高,能够满足日常需求。     

一种新型食品安全存储中的水分检测方法

食品安全是国内外各国共同关注的一项重要问题,其安全存储涉及到温度、湿度、紧实度等多种因素,其中水分是影响食品安全存储的一个重要因素,它的检测方法是学术界和工程领域的一个重点和难点。为了更好地测量食品中所含有的水分数量,文中设计了一种结构优化的用于粮食水分检测的电容式传感器,针对所设计的传感器设计了相应的检测电路,给出了调试结果。并利用BP神经网络融合各种传感数据,对影响检测的因素作了详细分析,进而提出了较为合理的解决方案。实验结果表明该方法是有效可行的。     

基于K-L变换和神经网络分类的微钙化点检测新方法

目前一般的乳腺X光片微钙化点检测系统大致都包括:图像预处理和分割;病理图像的特征提取和分类;辅助诊断和分析等几个步骤,其中神经网络经常用于特征提取和分类阶段。为了提高神经网络的分类能力,需要采用最具代表性的特征作为分类系统的输入部分,而且采用的特征数目要有利于最有效的特征提取,否则会使分类的效率大打折扣。所以分类系统一个重要的任务是对神经网络的输入样本集进行训练和特征值的优化,本文采用K-L变换用于降低输入特征向量的维数,从而达到参数优化的目的。试验表明,该方法可以有效地提高系统的灵敏度,降低诊断的假阳性。     

基于多遗传算法的BP神经网络人脸识别

人脸识别应用十分广泛,在实际问题中较高的识别率十分重要,其中BP神经网络模型广泛用于人脸识别.然而在现实应用中,BP神经网络结构和权值阈值的选取往往依靠经验值,这使得BP神经网络存在容易陷入局部最优和收敛速度慢等问题。针对该问题,提出了一种基于多遗传算法优化BP神经网络结构和权值阈值的人脸识别方法。利用主成分分析算法对人脸图像进行降维,快速独立成分分析算法对人脸图像进行特征提取,以组合算法的方式使得处理后的人脸图像特征更加明显。通过第一层遗传算法优化BP神经网络的结构,第二层遗传算法优化BP神经网络的权值阈值,以此解决BP神经网络陷入局部最优和收敛速度慢等问题。基于ORL人脸库进行仿真验证,实验结果表明该算法具有较高的识别率。     

多特征区域FastICA的非接触式心率检测

人脸视频单特征区域的非接触式心率检测方法,提取的脉搏波信号在视频采集过程中易受运动和光照的影响.为了减弱运动伪差和光照不均对脉搏波信号的干扰,本文提出了一种多特征区域结合快速独立成分分析的非接触式心率信号提取方法.通过人脸特征点算法结合区域中心定位的方法选择多特征区域,保证了视频图像特征区域的稳定性;使用快速独立成分分析实现多特征区域中图像绿色通道血容量变化脉冲信号之间的相互补偿,降低了光照不均匀的影响.在国外公开数据集DEAP上进行实验,实验结果表明,本文方法优于已有基于独立成分分析,独立矢量分析的方法.