一种基于多级梯度能量特征的DCT 压缩域人脸检测算法

压缩域人脸检测在图像/视频信息处理中具有重要意义.本文提出了一种基于多级梯度能量特征的DCT (Discrete Cosine Transform)压缩域人脸检测算法.依据DCT压缩图像色差信号的直流系数进行肤色分割,减小检测范围.在分割为肤色的区域提取多级梯度能量特征,即利用不同大小的检测窗口提取归一化的特征向量,表示不同大小的人脸.特征向量输入到级联分类器中分类,确定是否表示人脸.级联分类器由若干简单分类器和一个神经网络分类器构成.简单分类器利用一些先验知识排除大部分明显不是人脸的特征向量,通过简单分类器的特征由神经网络最终确定是否表示人脸.多级梯度能量特征与DCT域图像缩放相结合实现了对不同大小人脸的快速检测.对多级梯度能量特征的定义,减少了检测算法中压缩域图像缩放的次数,从而大幅度减少了计算复杂度,提高了检测速度.实验结果表明提出的多级梯度能量特征可有效描述DCT域人脸模式,同时也证明了该算法的快速有效性.     

基于综合肤色检测和二值形态学的人脸定位研究

针对人脸定位检测中存在的速度慢、精度低及噪声干扰问题,提出了一种基于综合肤色检测和二值形态学的人脸定位检测算法.该算法将YCrCb(明亮度-色调-饱和度)模型与HSV(色相-饱和度-色调)模型用于人脸综合肤色检测,在YCrCb与HSV空间中根据待检测图像每点的颜色值进行人体区域或背景区域的判断;然后,将检测图像转换为二值图像,对图像进行形态学处理;最后,选用人脸几何特征对筛选后连通区域进行判别,实现人脸的准确定位和检测.实验结果表明,该算法对于简单、中等、复杂三种情况下人脸图像的检测正确率分别达到了99%、92%和85%.另外,由于二值形态学消噪算法的使用不仅提高了人脸检测的准确率,而且加快了检测速度.     

基于单一神经网络的多尺度人脸检测

人脸检测是指检测并定位输入图像中所有的人脸,并返回精确的人脸位置和大小,是目标检测的重要方向。为了解决人脸尺度多样性给人脸检测造成的困难,该文提出一种新的基于单一神经网络的特征图融合多尺度人脸检测算法。该算法在不同大小的卷积层上预测人脸,实现实时多尺度人脸检测,并通过将浅层的特征图融合引入上下文信息提高小尺寸人脸检测精度。在数据集FDDB和WIDERFACE测试结果表明,所提方法达到了先进人脸检测的水平,并且该方法去掉了框推荐过程,因此检测速度更快。在WIDERFACE难、适中、简单3个子数据集上测试结果分别为87.9%, 93.2%, 93.4% MAP,检测速度为35 fps。所提算法与目前效果较好的极小人脸检测方法相比,在保证精度的同时提高了人脸检测速度。     

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。     

基于人脸检测器的实时视频人脸检测与跟踪

人脸检测是人脸识别发展而来的一大学科。它具有广泛的应用场景和重要的研究价值。视频人脸检测与跟踪存在着视频拍摄过程中复杂的背景,人脸不同的角度,所在环境光线的强弱等问题。为解决这些问题,文章首先利用OpenCV开启计算机内置摄像头。然后将拍摄到的内容分解为图片并将其灰度化。接着利用Dlib库的人脸检测器进行图片人脸检测。最后检测并标志好的图片转化为彩色图片,逐帧展示给用户。通过实验发现,该系统可以准确、实时地检测出视频中人脸的位置和尺寸。     

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openCV的人脸检测系统的设计

通过对基于Adaboost人脸检测算法的研究,利用该算法与计算机视觉类库openCV进行人脸检测系统的设计,实现了对出现在视频或图像中的人脸检测。此外,在VC++6.0环境下实现了对一个简单的人脸检测系统软件的界面开发,该系统对人脸检测的速度较快,检测结果较为准确,可以作为其他人脸检测或人脸模式识别的系统的开发基础。     

基于YOLOv3的人脸关键点检测

深度学习中神经网络强大的特征提取能力,使非约束场景下的人脸检测不再困难,于是人脸关键点的检测逐渐成为人脸检测的关注点,但目前为止较少算法具备对人脸关键点的检测能力.YOLOv3作为精度和速度均表现优异的算法,同样不具备关键点检测的能力.因此,文章提出基于YOLOv3的人脸关键点检测算法,该算法对YOLOv3改进,设计关...     

基于AdaBoost算法和人眼定位的动态人脸检测

在快速人脸检测算法中,基于AdaBoost算法的人脸检测算法得到越来越多的认可。然而,该算法在复杂环境下常有误检的情况。为了既快速又能提高检测的准确率,提出了以人眼定位的算法作为辅助的人脸检测算法。首先应用AdaBoost算法检测人脸的位置,然后再利用改进的模板匹配算法对人眼进行快速识别与定位。在人眼检测方面,利用金字塔算法加快了检测速度。实验表明,该方法可减少AdaBoost算法的误检率。     

多人脸跟踪与最佳人脸提取

针对视频人脸识别系统中同一人脸重复识别的问题,文中提出了一种多人脸跟踪与最佳人脸提取的方法。通过ViBe算法提取运动区域,缩小数据处理区域及确定执行人脸检测;利用Haar特征结合AdaBoost算法检测人脸,并根据肤色检测判断是否有误检;利用CamShift算法跟踪人脸;再使用Sobel算子得到清晰的人脸图片。实验表明,该方法下人脸误检率由2.8%降到0.2%,对于100帧视频平均处理时间从原始每帧112 ms降低到了45.6 ms,其处理速度明显提升。     

一种基于改进的AdaBoost、肤色和2DPCA的人脸检测方法

为了提高复杂背景下多人脸检测率以及人脸检测速度,提出了一种基于改进AdaBoost、肤色检测和二维主成分分析法（Two-dimensional Principal Component Analysis,2DPCA）的人脸检测方法.该方法首先利用金字塔结构快速检测人脸,得到人脸检测区域,然后利用肤色检测对待判人脸区域进行过滤,过滤误检的非人脸区域,最后根据人脸的几何位置进行人脸关键部位的2DPCA检测.仿真结果表明,该方法实现了复杂背景下多人脸图像快速检测和精确定位,有效降低了误检率,使检测结果更加精确.     

基于OPENCV具有眨眼侦测功能的人脸检测系统

随着社会智能化程度的提高,视频图像凭借其直观优势将逐渐取代文字的地位。本文在基于OPENCV的基础上,提出一个具有眨眼侦测功能的人脸检测系统,其中利用相对比较成熟的开源计算机视觉库opencv开源函式库对摄像头实时输入的图像进行采集,对采集图像做前期处理;Adaboost算法由于它特殊的算法模式,可以进行快速的目标检测,因此采用Adaboost算法做人眼定位检测,本文提出的眨眼侦测功能可以为系统提供防伪功能,为人脸识别技术提供一道安全的屏障,实验结果表明,本系统实验了人脸检测,人眼定位,眨眼侦测等功能,检测效率高,效果好。     

Face Detection under Complex Background and Illumination

For face detection under complex background and illumination, a detection method that combines the skin color segmentation and cost-sensitive Adaboost algorithm is proposed in this paper. First, by using the characteristic of human skin color clustering in the color space, the skin color area in YCbCr color space is extracted and a large number of irrelevant backgrounds are excluded; then for remedying the deficiencies of Adaboost algorithm, the cost-sensitive function is introduced into the Adaboost algorithm; finally the skin color segmentation and cost-sensitive Adaboost algorithm are combined for the face detection. Experimental results show that the proposed detection method has a higher detection rate and detection speed, which can more adapt to the actual field environment.     

彩色序列图像的人脸检测

针对人脸的色度特性、运动特性和几何特性,提出了一种新的方法进行人脸检测.首先结合色度分析和运动检测排除非人脸区域,未被排除的区域作为人脸候选区域,再根据人脸区域的几何特征和事先训练好的支撑向量机进行验证,从而最后检测出人脸.该方法的优点是将人脸的检测工作分成独立的两个模块,第一模块尽可能减少漏检率,第二模块减少虚检率.采用这样的系统结构可以提高检测成功率和系统响应度.     

彩色序列图像的人脸检测

针对人脸的色度特性、运动特性和几何特性,提出了一种新的方法进行人脸检测。首先结合色度分析和运动检测排除非仍脸区域,未被排除的区域作为人脸候选区域,再根据人脸区域的几何特征和事先训练好的支撑向机进行验证,从而最后检测出人脸。该方法原优点是将人脸的检测工作分成独立的两个模块,第一模块尽可能减少漏检率,第二模块减少虚检率。采用这样的系统结构可以提高检测成功和系统响应度。     

Extracting salient region for pornographic image detection

Content-based pornographic image detection, in which region-of-interest (ROI) plays an important role, is effective to filter pornography. Traditionally, skin-color regions are extracted as ROI. However, skin-color regions are always larger than the subareas containing pornographic parts, and the approach is difficult to differentiate between human skins and other objects with the skin-colors. In this paper, a novel approach of extracting salient region is presented for pornographic image detection. At first, a novel saliency map model is constructed. Then it is integrated with a skin-color model and a face detection model to capture ROI in pornographic images. Next, a ROI-based codebook algorithm is proposed to enhance the representative power of visual-words. Taking into account both the speed and the accuracy, we fuse speed up robust features (SURF) with color moments (CM). Experimental results show that the precision of our ROI extraction method averagely achieves 91.33%, more precisely than that of using the skin-color model alone. Besides, the comparison with the state-of-the-art methods of pornographic image detection shows that our approach is able to remarkably improve the performance.     

一种快速彩色图像中复杂背景下人脸检测方法

本文提出了一种快速的彩色图像中复杂背景下人脸检测方法.该方法首先利用进化Agent计算对彩色图像中与人的肤色相似的像素进行聚类和区域分割.然后利用小波分解对每一个侯选区域进行人脸特征分析,如所检测到的区域特征分布相似于某一预先定义的人脸模型,则确认该区域代表人脸.实验结果表明,该方法不仅速度快、效率高,而且正确检测率高.     

基于肤色及改进的Adaboost算法的人脸检测

为提高人脸检测的实时性和准确率,提出一种基于肤色与改进的Adaboost算法结合的人脸检测新方法。首先在YCbCr色彩空间下建立混合高斯肤色模型处理待检测图像,分割出肤色区域得到候选人脸区域。然后通过Harr矩形特征扩展与样本权值更新改进Adaboost算法,进行人脸检测。实验表明,该方法较好地处理了复杂背景下彩色图像人脸检测的漏检、错检问题,提高了检测速度和精度。     

可变光照下的人脸检测

图像中不同亮度和颜色的光照是影响人脸检测的重要因素。本文提出一种新的肤色模型(H-SV-V肤色模型),它能有效地克服由于光照的亮度变化给检测造成的困难,检测出各种亮度条件下的肤色像素。对于有有色光照射的图像,我们对它进行色彩平衡,可以消除可能的色光干扰;在色彩平衡之前,先判断是否有有色光照射,这是通过分析图像中高亮区的特性来进行的。对于用该肤色模型提取出的肤色区域,我们是通过两个灵活的数学形态学算子来处理的,其一是目标提取算子,用来获取人脸候选目标(并采用“网格搜索”来加快获取速度);其二是关联算子,用来确认人脸候选目标。这一系列方法使我们能有效地克服光照影响,准确地检测出图像中不同大小,各种偏转方向,有大面积遮挡,以及有阴影的人脸。同时我们的检测速度也是较快的,精心设计的大量实验的结果也证明了这一点。     

Real-time Face Detection using Skin Color Model

1　Introduction　Facedetectionandrecognitionarestilltoughtasksofpatternrecognition ,in particularinreal timeapplica tions ,e .g .,securitysystems ,humanandmachinein teraction ,smartmediasystems,andsoon .Thediffi cultiesaremainlyduetothevariationsofilluminationconditions,viewpoints,pose ,imagesize ,etc ..Facedetectionisthecrucialstepinfacerecognition .Ifthepresenceofhumanfaceisdetected ,thelocationandsizeofthefaceregionarereturned .Overthelastthreedecades,manyfacedetectionmethodshavebeendevel …