基于OpenCV的通用人脸检测模块设计

人脸检测是智能视频监控系统中的重要组成部分,OpenCV实现的Adaboost人脸检测算法达到了实时检测人脸的处理速度.但在实际应用中,由于平台移植等障碍,现有系统升级兼容此模块困难.本文提出了一种支持多编程语言平台的通用人脸检测模块,详细阐述了.NET平台调用技术和改进的JNI方法调用OpenCV人脸检测模块的具体步...     

视频下的正面人体身份自动识别

为了能够实现视频下正面人体身份的自动识别,设计的系统包括Adaboost行人检测、Adaboost人脸检测、肤色验证、步态预处理、周期检测、特征提取以及决策级融合识别等模块.通过行人检测模块可以自动开启人脸检测模块和步态周期检测模块.实验结果表明,提出的根据下臂摇摆区域确定步态周期的方法对正面步态周期检测准确,计算量小,适用于实时的步态识别.采用人脸特征辅助步态特征在决策级的融合方法是解决视频下身份识别的新思路,在单样本的步态识别中,融合人脸特征可以提高识别精度.     

多尺度和纹理特征增强的小尺寸人脸检测

针对现有人脸检测算法难以处理多尺度、多姿态的人脸检测,尤其是面对小尺寸时准确性低的问题,提出了多尺度和纹理特征增强的小尺寸人脸检测算法。该算法的多尺度增强模块能够丰富特征的多尺度信息,提高对多尺度人脸的检测能力;纹理特征增强模块能够通过融合低层的纹理信息提升高层语义的表达,从而加强对小尺寸人脸的检测能力;多阶段加权损失函数平衡网络的输出,充分发挥各个模块的增强作用。实验结果表明,该方法不仅在检测速度上可以达到实时,而且对MALF数据集中高度小于60像素的人脸检测精度可达88.69%;在FDDB数据集上相比目前的BBFCN算法精度提高近四个百分点。     

基于表情识别的人机交互系统研究与设计

本文在研究人机交互应用的基础上,设计出基于表情识别的人机交互系统,包括虚拟人表情产生模块、人脸表情识别模块及虚拟人语言表达模块。经试验发现,本系统运行稳定高效,并在识别人脸表情过程中有较高的准确率。     

E-learning系统中情感识别的研究

传统E-learning系统存在一个最大缺点是感情缺失,为弥补这一不足,需要在其中加入面部表情识别模块.表情识别模块分为3个阶段:人脸检测,图像标准化以及情感分类.其中人脸检测作为第一个阶段,是情感识别的前提.在众多人脸检测方法中,肤色分割是一种简单快捷的方法.以肤色分割为基础,提出了一种比较简单的人脸检测算法.实验结果表明,这种方法能够有效地识别出人脸及其器官(包括眼睛和嘴巴)的位置.     

在线修正的人脸姿态跟踪算法及交互应用

针对人脸在跟踪过程中可能存在大幅度的倾斜、旋转、遮挡以及肤色干扰等问题,提出一种基于在线修正的人脸跟踪算法.该算法当人脸检测失效时,人脸跟踪模块将用于提取目标参数;而在人脸跟踪过程中,为减小由连续跟踪造成的累积误差,利用人脸实时检测机制新检测到的人脸目标参数来修正跟踪模块的参数,包括跟踪窗口的位置和尺度,从而利用了人脸检测和人脸跟踪各自的优点.通过实验,其结果表明,该算法能够精确地跟踪复杂姿态下的人脸目标,并且能够解决肤色干扰和遮挡的问题,具有很好的适应性和鲁棒性.另外,将在线修正的跟踪方法应用于娱乐游戏控制,为人机交互提供了新的方式.     

融合CamShift的TLD算法实现人脸跟踪

针对跟踪-学习-检测(Tracking-Learning-Detection,TLD)算法跟踪模块所用金字塔光流法计算量大,跟踪人脸实时性差的问题,提出融合连续自适应均值漂移(Continuously Adaptive Mean Shift,CamShift)的TLD算法提高人脸跟踪效率.改进的TLD算法框架中跟踪模块选用CamShift算法实现目标人脸跟踪,检测模块采用滑动窗法扫描搜索,再使用分类器判断目标是否存在,学习模块根据跟踪模块和检测模块的结果对比评估错误和误差,更新目标模型.将改进的TLD算法分别与CamShift算法和TLD算法进行对比试验,结果表明,融合CamShift的TLD算法实现人脸跟踪效率和准确率均高于原始两种算法,且满足实时性要求.     

基于人工智能技术的高光谱人脸自动化识别系统设计

为有效识别人脸区域,提升其在多种领域应用效果,设计基于人工智能技术的高光谱人脸自动化识别系统。以模块化思想设计嵌入式系统架构,采集与预处理高光谱人脸图像,并将预处理后的图像数据放入RAM存储器;人脸检测模块调用RAM存储器存储数据,并加载Haar人脸分类器,完成人脸区域检测提取工作;之后由人脸特征提取与识别模块经人脸区域LBP特征提取、LeNet-5卷积神经网络人脸识别模型构建与训练等操作,输出人脸识别结果。实验结果表明,该系统能够在较短时间内完成LeNet-5卷积神经网络人脸识别模型训练。     

基于SVM的三阶段人脸检测方法的研究与应用

为了提高人脸的检测速度,描述了一种基于SVM的三阶段人脸检测方法,加速了复杂背景下人脸的检测。在该方法中,通过前两个阶段的瀑布型分类器将大量的简单非人脸模块快速过滤掉,并在最后的第三个阶段采用了非线性SVM分类器来更高效地区分24*24像素的人脸或者非人脸图像。     

基于Zynq的人脸检测设计

针对目前大多嵌入式人脸检测系统因资源限制而导致的软件方式实现速度较慢的问题,提出利用软硬件协同的方法来加速人脸检测。在Zynq-7000平台的基础上,使用C语言实现了基于AdaBoost级联分类器的人脸检测算法,并测试了各个模块的运行时间。结合算法实现的具体过程及其繁复程度给出了硬件加速方案。将检测算法计算量大而多的部分转移到硬件部分进行优化加速,在Zynq-7000平台上实现了软硬件协同的人脸检测,最后给出了相应模块的加速结果。     

基于FPGA的人脸检测系统设计

选取一种由粗及精的方法,综合采用基于彩色图像的肤色检测方法和基于几何特征的灰度检测方法,在传统肤色检测算法的基础上,加入图像预处理、色彩平衡、二值化、形态学滤波、中值滤波、边缘检测等技术进行人脸检测.搭建了由CMOS摄像头到FPGA核心图像处理单元,再到LCM显示这样一个完整的人脸图像处理及检测系统.     

Development of head detection and tracking systems for visual surveillance

This paper proposes a technique for the detection of head nod and shake gestures based on eye tracking and head motion decision. The eye tracking step is divided into face detection and eye location. Here, we apply a motion segmentation algorithm that examines differences in moving people’s faces. This system utilizes a Hidden Markov Model-based head detection module that carries out complete detection in the input images, followed by the eye tracking module that refines the search based on a candidate list provided by the preprocessing module. The novelty of this paper is derived from differences in real-time input images, preprocessing to remove noises (morphological operators and so on), detecting edge lines and restoration, finding the face area, and cutting the head candidate. Moreover, we adopt a K-means algorithm for finding the head region. Real-time eye tracking extracts the location of eyes from the detected face region and is performed at close to a pair of eyes. After eye tracking, the coordinates of the detected eyes are transformed into a normalized vector of x-coordinate and y-coordinate. Head nod and shake detector uses three hidden Markov models (HMMs). HMM representation of the head detection can estimate the underlying HMM states from a sequence of face images. Head nod and shake can be detected by three HMMs that are adapted by a directional vector. The directional vector represents the direction of the head movement. The vector is HMMs for determining neutral as well as head nod and shake. These techniques are implemented on images, and notable success is notified.     

基于多级时空域3D卷积的换脸视频检测方法

近年来,视频换脸技术发展迅速。该技术可被用于伪造视频来影响政治行动和获得不当利益,从而给社会带来严重危害,目前已经引起了各国政府和舆论的广泛关注。本文通过分析现有的主流视频换脸生成技术和检测技术,指出当前主流的生成方法在时域和空域中均具有伪造痕迹和生成损失。而当前基于神经网络检测合成人脸视频的算法大部分方法只考虑了空域的单幅图像特征,并且在实际检测中有明显的过拟合问题。针对目前检测方法的不足,本文提出一种高效的基于时空域结合的检测算法。该方法同时对视频换脸生成结果在空域与时域中的伪造痕迹进行捕捉,其中,针对单帧的空域特征设计了全卷积网络模块,该模块采用3D卷积结构,能够精确地提取视频帧阵列中每帧的伪造痕迹;针对帧阵列的时域特征设计了卷积长短时记忆网络模块,该模块能够检测伪造视频帧之间的时序伪造痕迹;最后,根据特征分类设计特征网络金字塔网络结构,该结构能够融合不同尺寸的时空域特征,通过多尺度融合来提高分类效果,并减少过拟合现象。与现有方法相比,该方法在训练中的收敛效果和分类效果方面有明显优势。除此之外,我们在保证检测准确率的前提下采用较少的参数,相比现有结构而言训练效率更高。     

基于ARM的SF6中微水含量检测系统

介绍了一种以ARM处理器S3C44B0为核心、利用红外光谱原理对SF6气体中水分含量进行监测的实时在线检测系统。系统运用基于分子辐射吸收理论的红外检测技术,设计了探测水分的光电传感器;开发了以S3C44B0为核心,包括A／D转换模块、LCD液晶显示模块、基于串口的GPRS通信模块等在内的ARM中央硬件处理平台。与传统检测设备相比,该系统灵敏度高,重复性好,实时性强,是测量精度达到0．001％,是测量SF6气体中微水分含量的理想设备。