基于AdaBoost和ASM算法的人眼定位

针对人脸识别中眼睛定位不准的问题,提出了一种有效的人眼定位方法。该方法首先计算图像的积分图,然后利用基于Haar-like特征的AdaBoost级联分类器检测出图像中人脸的位置,最后再利用主动形状模型(ASM)算法精确定位出人眼。该方法在JAFFE人脸库和自建人脸库上表现出良好的性能,定位准确率达99%以上。实验结果表明,该方法对人眼的定位准确、快速。     

基于约束局部模型的人眼区域检测研究

为了提升人眼区域检测的精确性与稳定性,通过基于统计学习的逻辑回归法和卷积神经网络法2种不同的局部检测器,提出一种基于约束局部模型的人眼区域定位方法。首先,在原始图片中检测出人脸区域;然后,在人脸区域中定位出人眼关键点位置,将关键点的外界矩形作为人眼区域的检测结果。结果表明：基于约束局部模型的人眼区域检测方法不仅对不同肤色、光照及头部姿态的测试者都能精确检测出眼睛区域,基于卷积神经网络的局部检测器的检测结果也更加准确。基于约束局部模型的人眼区域检测方法具有较好的精确性与稳定性。     

基于肤色模型和灰度投影的人眼定位算法

提出一种肤色模型和灰度投影法相结合的方法,建立肤色模型对预处理后的图像实现人脸定位,利用灰度投影法标记眉眼区域,再对眉眼区域进行灰度投影得到人眼水平垂直坐标,从而实现人眼定位。该方法实用简捷,易于实现,人眼定位较为准确。     

融合肤色模型与小波变换的人脸检测算法

针对目前人脸检测误检率高的问题,提出了一种融合肤色模型与小波变换的新算法．该算法采用肤色模型确定人脸的可能位置,然后分别对人眼和嘴巴进行检测,最终确定人脸位置．其中眼睛位置在小波变换后根据几何位置进行检测,嘴巴位置采用Fisher分类器检测．这一新算法实现了在复杂背景中单人脸快速、准确定位．与传统的YC_bC_r肤色模型检测算法相比,新算法将颜色空间与小波变换、Fisher分类相结合,提高了检测精度．实验表明,该算法的正确检测率为91％,误检率仅为2％．     

基于Canny算子和投影的唇部定位方法

采用HSV肤色模型和几何特征对人脸进行定位.然后对人脸进行分割裁剪,减小眼睛、眉毛对唇部的干扰,并采用Canny算子和投影法来进行唇部定位.实验表明,该方法简单快捷,定位准确.     

一种基于肤色分割的彩色图像人脸检测方法

人脸是一个复杂的模式,对其准确的定位和分割是进行人脸识别的第一步.本文建立一种混合肤色模型对肤色区域分割并融合几何特征进行人脸粗检测;在人脸区域验证阶段,提出利用计算眼睛相似度的方法并融合眼睛对称性等特征对眼睛区域定位;嘴巴定位通过改进的唇色信息提取来实现,用以最终准确定位人脸区域.实验证明,该算法十分有效,在速度和准确性方面具有良好的性能.     

基于颜色特征的人脸检测方法

针对RobCup家庭机器人对人脸检测的要求,研究了基于颜色特征的人脸检测方法。该方法首先将人脸图像进行非线性分段色彩变换光线补偿处理,减少光线对肤色的影响,然后在YCbCr颜色空间中建立肤色模型,分割出肤色区域。在颜色空间YCbCr中,嘴巴区域包含的红色分量要高于蓝色分量,利用这个特征分割出嘴巴区域。在YIQ颜色空间中,通过I分量来区分眼睛与皮肤,分割出人眼,最后根据嘴巴、眼睛的几何中心特征映射人脸,人脸检测的仿真结果验证了该方法的有效性。     

基于累积帧差的人眼定位及模板提取

提出了一种基于累积帧差的眼睛定位方法。利用VC 下的VFW软件包,建立一个对实时捕获的具有眨眼状态的连续人脸彩色图像序列进行处理的系统。该方法利用眨眼时开闭眼状态的灰度变化精确定位眼睛并提取眼睛模板,较之传统的人眼定位方法更简单、准确、稳定。在短时间内头部基本不动的情况下,计算出帧差累积图变化最大行与列以及双眼质心的位置,进而确定眼睛的位置并标准化眼睛模板。实验结果表明该方法能实时、准确、快速提取出人眼模板。     

人眼定位及其在视频会议中的应用

人眼检测对于人脸的自动识别非常重要。本文提出了一种视频图像序列中快速人眼定位的方法。确定一个眼睛窗口,综合利用窗口内灰度的均值、灰度方差的均值、梯度的均值并结合色度信息来进行眼睛的检测。将提出的眼睛定位的方法应用到视频会议中,从多个摄像机得到的图像中,根据一个判断函数判断出正面人脸图像。实验结果表明,所提算法能够迅速准确的检测出眼睛并且能够正确的判断出正面人脸图像。     

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.     

人脸检测系统在DSP上的实现

针对传统人脸检测系统的不足,提出了一种基于DSP的人脸检测系统的设计方案。分析了该系统实现的基本原理,通过对各种检测方法的比较,选择了肤色检测法为基本手段。利用人脸样本库建立了人脸肤色模型,讨论了形态学滤波的优势,随后提出了利用人脸的结构特征,进行区域确认的方法。最终,从硬件和软件这2个方面对该系统进行了总体规划,并阐述了对DSP程序进行优化的相关问题。实验结果表明,该系统能较为准确地检测人脸,并满足了实时性的要求,具有一定的实用价值。     

一种基于肤色和模板匹配的人脸检测方法

提出了一种基于肤色和模板匹配的人脸检测方法,该方法首先对搜集到的人脸肤色样本在YCbCr空间中进行聚类,然后根据聚类的范围在输入的图像中确定候选的人脸区域(假设存在)的位置,接着对该候选人脸区域进行归一化处理,再计算人脸模板和该候选区域的Hausdorff距离,根据该距离大小最终确定该候选区域是否为人脸.实验表明:该算法检测准确率高,具有良好的实时性和鲁棒性.     

一种基于肤色和模板匹配的人脸检测方法

提出了一种基于肤色和模板匹配的人脸检测方法，该方法首先对搜集到的人脸肤色样本在YCbCr空间中进行聚类，然后根据聚类的范围在输入的图像中确定候选的人脸区域（假设存在）的位置，接着对该候选人脸区域进行归一化处理，再计算人脸模板和该候选区域的Hausdorff距离，根据该距离大小最终确定该候选区域是否为人脸．实验表明：该算法检测准确率高，具有良好的实时性和鲁棒性．     

基于肤色模型和灰度积分投影的疲劳驾驶检测系统

根据驾驶室的特定环境,给出了一个基于肤色模型和灰度积分投影的驾驶员疲劳检测系统．该系统首先利用肤色模型粗略检测出人脸区域;然后根据驾驶员面部几何特征,利用灰度积分投影法对驾驶员眼睛进行准确定位;最后根据上下眼皮距离及闭眼持续时间对驾驶员疲劳状态做出判定．仿真实验表明：该系统可以准确定位驾驶员眼睛,并对驾驶员疲劳状态做出判断．     

积分投影与区域生长法结合的人眼定位

在疲劳驾驶检测系统中,人眼精确定位对眼睛状态的正确判别起着关键作用。采用灰度积分投影法粗定位人眼,具有定位准确、速度快、处理方法简单等特点;采用区域生长法能够去除眼镜、眉毛等眼部噪声的干扰,具有定位准确特点,能够实现精确定位人眼。利用积分投影法的时间优势与区域生长法的精确定位优点,提出将积分投影法与区域生长法相结合实现人眼精确定位。采用Matlab进行仿真实验,实验结果表明该算法速度快、准确率高、稳定性强,能应用于驾驶疲劳状态检测等需要精确、快速检测定位人眼的场合。     

疲劳驾驶检测中的快速人眼定位方法

为了减少因疲劳驾驶所引发的交通事故的发生,人眼定位在疲劳驾驶检测技术中起着重要的作用．对人眼定位的过程中,采用多摄像头获取图像并对这些图像进行筛选,将检测到的人脸面积最大,将能够完整检测到双眼状态的图像做为最佳输入图像,采用Adaboost（迭代级联分类器）算法对其进行人脸定位以减小检测区域,再对其进行灰度投影将检测范围缩小在眉眼区域,然后进行一种新的LMS（最小均方误差）模板匹配,精确定位眼睛区域．在人脸成功定位的基础上,该算法经过二次眼睛定位,较传统的模板匹配方法,平均模板匹配检测时间提高到了30．5ms,准确率提高到了97％．实验表明：将灰度投影法和改进的LMS（最小均方误差）模板匹配两种人眼定位的方法相结合来进行人眼的定位,与传统的模板匹配相比,提高了检测的效率和检测的准确率,使得疲劳驾驶检测系统能更准确地进行实时检测,该方法能适用于疲劳驾驶检测等需要快速人眼定位的场合．     

基于OpenCV人眼定位的人脸检测方法

如何准确地定位人脸是人脸识别中非常关键而且重要的一步。笔者提出一种基于OpenCV人眼定位的人脸检测方法。利用从摄像头得到的视频图像中随机获取的单帧图像作为待处理人脸图像,通过人眼定位、图像旋转、分割以及缩放得到标准化后的人脸图像,再经过ART2神经网络的学习认知,计算其识别率。对比实验说明此方法能够应用于人脸识别,并具有较快的识别速度和良好的识别率,特别方便于实际应用。