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Android平台的实时人脸检测与跟踪

针对Android智能手机自带人脸检测功能效率低、错误率高的问题,提出了一种将OpenCV移植到Android平台的方法,在运行Android系统的嵌入式平台中使用改进的AdaBoost算法,并结合OpenCV库来实现实时人脸检测与跟踪。实验取得了高达9505%的人脸检测准确率和5013 ms的平均检测速率,在保证检测速度的同时比Android自带的人脸检测更具高效性和实用性。     

基于人脸检测和多线索融合的实时人脸跟踪系统

在分析和总结国内外对人脸检测与跟踪的相关研究成果的基础上,研究提出了在Viola-Jones人脸检测算法中引入运动区域检测和人脸肤色检测以缩小人脸检测的搜索区域,有效地提高了人脸检测的帧处理速度,并降低了人脸检测的误检率。对基于Meanshift算法和基于光流法的人脸跟踪方法进行了研究与分析,分析了各算法的优缺点,利用各算法之间性能上的互补性,通过各模块之间的协同合作设计并实现了一个实时人脸检测与跟踪系统,并设定了相应的评价参数,通过实验室录制视频和NRC-IIT视频人脸数据库对系统进行了性能测试。     

面向视频图像的人脸检测与识别分析

目前,人脸检测与识别在各行各业中均得到了深入应用.随着人工智能神经网络技术发展逐渐成熟,相关工程方案已经进入社会生活,使人脸检测、识别需求大幅提升.在这种背景下,应当重视基于视频图像的人脸检测与识别工作,确保其能够得到有效处理,避免产生丢失问题,实现理想应用目标.本文主要针对视频图像人脸检测、识别进行深入研究,并提出解...     

应用于人脸自动实时跟踪的改进Struck算法

传统的Struck算法在人脸跟踪系统中,需要手动实现初始化且易受环境影响。文中提出一种基于AdaBoost目标自动检测和改进的Struck人脸自动跟踪算法。从图像中提取人脸的Haar特征,采用AdaBoost算法实现人脸的检测,并自动初始化跟踪器,再依据检测得到的相邻帧目标的相似度判定跟踪目标的有效性,采用Struck算法实现人脸的连续跟踪。实验结果表明,改进的算法有效解决了部分遮挡、尺度变化、光照变化等人脸跟踪难题,且具有较高的鲁棒性与准确性。     

基于Boosted Cascade算法的人脸检测和跟踪系统

将基于Boosted Cascade的人脸检测算法运用到视频图像当中,并结合图像序列中的运动信息,提出并实现了一种实时的人脸检测跟踪系统.首先根据图像的运动信息提取出可能存在人脸的候选区域,然后在候选区域中用Boosted Cascade算法进行检测.实验结果表明该系统能够实时地对于人脸进行检测跟踪,可以被应用在智能视频监控方面.     

基于人脸检测的新闻视频主持人帧识别技术研究

本文首先阐述了新闻视频中主持人帧检测的重要意义,然后重点介绍了一种基于人脸检测的自动的主持人帧识别算法。该方法首先利用人脸检测器过滤出具有人脸的候选帧,然后利用补充的背景匹配算法从候选帧中筛选出主持人帧。实验结果表明,该方法适用于各种不同种类的新闻节目视频,可以应用于新闻视频分析。     

基于视频的人脸检测综述

在实时系统中视频人脸的检测与跟踪技术已成为人脸识别领域最活跃的研究方向之一,介绍了人脸检测的应用,对提高检测和跟踪的鲁棒性和精确性问题的理论研究算法进行了总结。分别讨论并评价了人脸检测的几种基本方法,介绍了近年来研究者们研究的新方法并对人脸检测研究中存在的问题和今后的发展进行了讨论。     

新型人脸检测算法在视频监控系统中的应用

该算法基于Gentle Adaboost的多特征融合,首先通过运动和肤色特征提取人脸区域,再使用多层分类器定位人脸,最后在TMS320DM642 DSP上实现.实验表明,该算法的检测率达96%,速度也满足监控的要求.     

基于Retinaface与KCF人脸目标检测与跟踪算法研究

虽然随着深度学习的快速发展,在人脸的检测跟踪领域取得了一定的研究成果,在理论上不断进步创新,但在实际应用中仍然存在很多问题,比如人脸目标跟踪的速度慢的问题、光照强度不断变化下以及遮挡情况下导致检测与跟踪的最终效果与预期相差较大的问题等.为了解决此类问题,该文将深度神经网络(Retinaface)和核相关滤波器(KCF,...     

视频监控视角下的人脸跟踪与识别系统

本文在智能化系统基础上,针对建筑物监控问题进行了人脸跟踪与识别系统的研究和设计,进而为建筑行业更加可靠、稳定的发展奠定基础.     

基于改进Yolov5模型的实时人脸检测算法

针对疫情背景下,在一些人流密集场所进行体温筛查或身份识别,当待检测对象快速通过时,人脸检测实时性不高的问题,提出了一种改进Yolov5模型的实时人脸检测算法。该算法首先对骨干网络层进行轻量化改进并引入注意力机制减少冗余信息;其次修改了检测层网络结构,增加了对小目标人脸及倾斜人脸检测的适应性;随之使用Focal EIOU损失函数代替Yolov5原始损失函数中的GIOU损失函数来计算定位损失,有效解决了预测框在目标框内部或预测框与目标框大小一致时无法精确定位的问题。实验结果表明：提出的实时人脸检测算法检测精度达到97.2%,检测速度达到66.7 f/s,相较于原始Yolov5算法,检测精度提升了19.7%,检测速度提升了24 f/s,满足实时人脸检测要求,同时对于黑暗环境及不同表情姿态人脸检测也有较好的适应性。     

人脸视频深度伪造与防御技术综述

近年来,得益于深度生成模型的发展,人脸的操控技术取得了巨大突破,以Deepfake为代表的人脸视频深度伪造技术在互联网快速流行,受到了学术界和工业界的广泛重视.这种深度伪造技术通过交换原始人脸和目标人脸的身份信息或编辑目标人脸的属性信息来合成虚假的人脸视频.人脸深度伪造技术激发了很多相关的娱乐应用,如使用面部替换技术将...     

基于器官跟踪的人脸实时跟踪方法

头肩序列图像的人脸跟踪有着广泛的应用,但目前的大多数跟踪算法难以同时满足精确与快速的要求.本文提出了一种基于器官跟踪的人脸实时跟踪算法,利用形态学运算对嘴进行跟踪,进而通过对人脸对称性的分析,实现了对头肩序列中人脸的跟踪.由于算法只涉及简单的形态学运算^[1]和局部的旋转运算,速度达到实时要求,同时人脸对称性的分析保证了跟踪结果的精确性.     

基于DM6446的人脸检测与跟踪系统设计

将Adaboost人脸检测算法与Camshift跟踪算法相结合,以Adaboost人脸检测算法作为人脸的初始定位,以Camshift作为后续帧的跟踪,实现对视频序列的自动人脸检测与跟踪。系统所有算法均使用C和汇编语言混合编程并在TMS320DM6446上开发实现。实验结果表明,系统的算法简单、快速、鲁棒性强。     

基于视频的人脸验证

本文提出了一种基于视频的人脸验证方法.采用立体视觉方法初步将人脸区域与背景分割开,再根据多关联模板匹配方法精确定位人脸.对定位后的人脸区域抽取特征器官位置,再依此裁剪出人脸样本.从视频流中收集人脸样本,训练支持向量机(SVM)作为验证器.实验表明该方法在复杂的现场环境下是有效的、鲁棒的.     

基于嵌入式Linux系统的人脸检测系统设计

采用处理器为S3C6410的OK6410开发板和嵌入式Linux操作系统,采用Qt/Embedded在嵌入式Linu x系统下开发出友好的G U I界面,使用4.3寸液晶显示识别结果。文章主要将一个基于(开源)发行的跨平台计算机视觉库OpenCV移植到ARM嵌入式平台,并调用OpenCV库中的人脸检测算法实现动态检测人脸的功能。     

基于视频的人脸检测算法研究

针对传统AdaBoost算法在视频中检测人脸误检率较高的问题,文中提出了一种结合运动分析和肤色检验的改进型人脸检测算法。该方法通过运动检测来提取运动前景,并选择肤色模型对人脸肤色进行相似度求取,利用几何特征进一步缩小检测范围;采用增加新Haar特征和改进权重更新方式的改进型AdaBoost算法对人脸候选区域进行实时检测。实验结果表明,与传统AdaBoost方法和增加肤色检验的AdaBoost方法相比,该方法的误检率分别降低了18.68%和8.79%,检测时间则分别缩短约800 ms和250 ms。     

基于Nios II软核的人脸目标实时跟踪系统

提出采用低功耗芯片EP3C40为核心,结合Nios II软核处理器的高处理性能,实现人脸视频信号采集与跟踪,并将相关检测跟踪算法移植于Nios II处理器协同工作的方式实现整体系统的工作。实验结果表明,在环境微弱变化以及人脸不同姿态下,系统都能检测并准确跟踪,同时硬件可重构能力强,算法简单、快速、鲁棒性强。