基于肤色特征和遗传算法的人眼瞳孔定位算法

提出了一种单目摄像头下定位人眼瞳孔的方法,分为人脸区域检测、人眼区域检测、瞳孔中心定位三个阶段。在人脸区域检测阶段,利用人脸的肤色和唇色在不同色度空间下的特性,结合区域增长的方法分割出人脸区域;在人眼区域检测阶段,利用定位出的人脸区域,根据先验知识缩小搜索区域,再结合遗传算法搜索眼部区域;最后利用圆的几何性质定位瞳孔中心。实验结果证明了本算法在复杂背景和头部偏转情况下的有效性。     

近红外光下眼角的快速定位

眼角作为眼睛的一个不变特征,在图像匹配中有着重要的应用。针对近红外光下眼角的角点特征不明显问题,提出一种由粗到精的定位方法。首先提取眼睑边缘,通过椭圆拟合定位出内外眼角的大致区域。然后以粗定位出的内外眼角位置分别截取小区域图像并进行阈值分割,提取出初步的内外眼角点。最后根据提出的SUSAN算子加权方差投影函数(SWVPF)进行精定位。实验证明,该算法能够快速和精确定位出内外眼角。     

瞳孔中心快速定位方法研究

眼球运动是获得和揭示大脑工作信息的重要途径。近年来的研究多将眼球建模成圆或椭圆,利用Hough变换检测圆或椭圆,从而达到瞳孔中心定位的目的。传统的Hough变换（含随机Hough变换）的实时性较差,而为了获得更加准确有效的眼球运动信息,采集帧率往往需要超过100 f/s。为此,利用VOG的暗瞳特性及二值化后瞳孔图像圆的唯一性,通过Video Oculographic（VOG）设备采集眼部视频,对Hough变换进行改进,对预处理过的二值图像进行边缘提取,同时选取边缘上的三点通过点Hough变换得到一个参数组,再用数学期望替代传统Hough变换投票方式,对所有参数组求数学期望,得到最终瞳孔中心。实验证明,该方法可行、精确、稳定。     

基于Kinect传感器的瞳孔定位算法

传统算法通常需在头部稳定或光线明亮的情况下进行,较难在自然条件下对多姿态头部运动时的人眼进行跟踪。针对该问题,提出基于Kinect传感器的瞳孔定位算法,使用三维主动表观模型（ AAM）对眼轮廓匹配得到眼部特征点,粗定位分割出眼睛,再对瞳孔进行精确定位。实验表明：在多姿态与头部带有遮挡物的情况下仍能较好地跟踪和定位人眼。     

基于扫描线和特征筛选的车牌定位快速算法

以对车牌识别准确率影响最大的车牌定位技术为重点,研究并提出一种基于扫描线和特征筛选的车牌定位算法,该算法先记录并分析二值图像中相邻水平扫描线上的跳变点信息,确定出候选车牌区域,再根据车牌特征筛选,最终确定车牌区域.对113幅不同车型的图像进行测试,结果表明,去噪处理对定位准确率有很大影响,当车牌倾斜角度小于5°、且经过去噪处理时,定位准确率超过90%,定位时间小于0.9s.     

基于灰度信息和瞳孔滤波器的人眼定位算法

提出一种新的人眼定位方法,首先用Adaboost算法检测人脸区域,经过归一化和预处理后截取出人眼检测窗,然后利用眼眉的灰度信息确定人眼的大致位置,再利用瞳孔滤波器以精确定位。该方法解决了将眼睛错误定位到眉毛的问题,速度快而且定位准确。实验结果表明,无论是用于背景复杂的静态图像还是实时人脸检测系统,该算法都能取得很好的定位效果。     

多姿态眼球中的瞳孔定位算法

针对当前基于普通光源的瞳孔定位算法主要适用于眼睛开度较大、眼球较完整的问题,提出一种适用于多姿态眼球的瞳孔定位算法.该算法在采用Adaboost进行人脸检测后,利用多分辨率ASM技术进行面部关键点分析并实现眼睛定位;在眼睛定位的基础上,利用滑动窗口技术遍历整个眼部图像,并根据眼睛的灰度分布特点采用2级灰度信息分析的方法...     

一种精确的人眼瞳孔定位算法

提出一种利用单目摄像头快速定位人眼的方法,通过改进的AdaBoost方法构造级联强分类器定位人脸,根据人眼眨眼前后眼部区域灰度变化显著的特点检测人眼区域,采用边缘提取、局部Hough变换检测圆心的方法定位瞳孔中心。实验结果表明,该算法能够快捷、准确地定位复杂背景下的人眼,对于光照及头部旋转情况下人眼定位具有较好的鲁棒性。     

融合边缘特征的Prim快速目标定位算法

为了解决目标检测中物体定位效率不高的问题,针对现有多数方法采用的穷举式的滑动窗口检测的不足,提出一种改进的Prim算法融合超像素而产生推荐窗口的算法.先采用快速的结构化边缘检测算子产生边缘结构,然后通过非极大值抑制产生各边缘集合,再由边界集合构建物体轮廓确定Prim算法融合超像素初始的条件,最终由超像素间的边界强度和开始产生的边缘轮廓判断终止条件,产生图像中各物体的定位区域.在Pascal VOC 2007数据集上进行实验的结果表明,在一致的检测标准下,文中改进的Prim算法在平均重叠率达到0.78的情况下,将原有算法产生的推荐窗口减少了60%左右,同时算法时间提升近1倍.     

梯度估计在眼睛特征提取中的应用

眼睛特征的提取在表情分析、人脸合成和人脸识别等应用中起着非常重要的作用.目前广泛使用的眼睛特征提取算法是基于模板匹配的算法和基于特征点的算法.然而基于模板匹配的算法通常需要进行多个参数的选择,而且匹配过程非常耗时;特征点的算法则存在准确度较低的问题.针对以上问题提出了一种基于梯度信息提取虹膜中心、虹膜外轮廓和眼睛角点等眼睛特征的算法,算法用改进霍夫变换提取虹膜中心和外轮廓.在获得虹膜中心点后,参照中心位置选择眼睛角点候选区域并对其梯度进行分析.依据角点附近梯度分布与其它区域梯度分布不同的性质定位角点.仿真结果表明提出的算法能有效的提取眼睛特征,在测试数据上得到了比其它算法更高的准确率和更快的速度.     

基于保特征无参数投影的快速几何重建

为了使现有的无参数化投影算法拥有更好的保特征能力,提出一种保特征的基于无参数投影的点模型几何重建算法.首先,提出一个结合联合双边滤波器的局部优化投影算子,并利用点集的空间信息和几何特征信息,有效地保持了几何模型的特征;进一步,使用八叉树剖分技术对算法进行加速,为处理大规模点云提供了支撑;此外,还给出了自适应局部支撑的计算方法.实验结果表明,文中算法比无参数化投影算法保特征、速度快.     

一种快速眼睛定位与人脸平面旋转校正方法

针对人脸图像平面旋转导致识别效果不佳的问题,提出一种有效的眼睛定位与人脸平面旋转校正方法.首先基于AdaBoost算法训练得到的眼睛分类器从人脸图像中快速确定双眼候选区域,然后根据双眼在候选区中所处位置和所占比例,将候选区域分为宽度相同的左眼子区、中间子区和右眼子区3个子区域,再对包含眼睛的左眼子区和右眼子区分别求积分投影来准确定位双眼位置;准确定位双眼位置后,给出了以图像中心为旋转基准点时旋转角度的计算方法,并结合图像旋转公式实现了人脸图像的平面旋转校正.实验结果表明,该方法不仅能防止人脸倾斜时出现伪特征点,也能避免眼镜内边框和眼镜支架对定位眼睛的影响,提高眼睛定位精度,而且能实现人脸的平面旋转校正,具有非常好的实时性和实用价值.     

单人图象中人眼的快速定位

人眼的识别是计算机人脸识别和智能监控中的重要部分。本文提出了一种基于灰度投影曲线和边缘检测进行人眼定位的新算法。首先利用原图的垂直灰度投影曲线确定人脸的左右边界,之后利用人脸区域的水平灰度投影确定头顶至鼻中部的上下边界,然后利用人脸比例模型估计人眼的大概位置,分析人眼区域的边缘图象,给出人眼的确切位置。。实现表明,该算法简单、快速,鲁棒性强。     

基于动态梯度的激光光斑中心定位算法

为提高激光光斑中心检测的长期稳定性、抗干扰性能和定位精度,在对相关圆心定位算法进行研究的基础上,通过理论分析与实验测试,提出一种基于动态梯度的激光光斑中心定位算法.该算法根据激光光斑特点,利用图像梯度对光斑进行标识与定位.实验结果表明,该算法定位精度高,有效提高了激光光斑中心检测的抗干扰性能和长期稳定性,适合对测量精度要求高的长期在线测量.这种新方法已被成功用于自动激光挠度测量系统中.     

基于运动特征融合的快速视频超分辨率重构方法

基于深度学习的视频超分辨率重构方法常面临重构精度不高或重构时间过长的问题,难以实时获得高精度的重构结果.针对此问题,文中提出基于深度残差网络的视频超分辨率重构方法,可以快速地对视频进行高精度重构,并在较小分辨率视频的重构过程中达到实时重构的要求.自适应关键帧判别子网自适应地从视频帧中判别关键帧,关键帧经过高精度关键帧重构子网进行重构.对于非关键帧,将其特征与邻近关键帧间的运动估计特征和邻近关键帧的特征逐层融合,直接获得非关键帧的特征,从而快速获得非关键帧的重构结果.在公开数据集上的实验表明,文中方法能实现对视频的快速、高精度重构,鲁棒性较好.     

最小方差搜索圆心的快速虹膜定位算法

为了改善虹膜识别的实时性,提出一种新的快速虹膜定位方法。首先对虹膜图像进行去噪处理,然后采用类间方差法对图像进行阈值分割,再运用投影方法粗略得到虹膜内边缘圆心和半径,最后根据粗定位得到内边缘圆周参数,采用所提出的算法对虹膜内边缘进行精定位;对于外边缘定位,依据先验知识以及内边缘圆周参数去掉虹膜图像多余的边缘点及噪声点,缩小搜索范围,然后采用同样的算法对外边缘进行精定位。实验结果表明,该方法能够准确快速的定位出虹膜内外边缘,定位速度较传统算法提高了十倍左右,并且减少了传统定位算法搜索的盲目性。     

基于特征线梯度约束SFS的月面地形重构方法

针对月面着陆器在下降过程中可能得不到足够的匹配点进行着陆区地形恢复的问题,提出了基于特征边缘线梯度比例约束的明暗恢复形状(shape from shading)算法。以Lommel-Seeliger反射模型模拟月球表面反射情况,建立辐照度方程。以地形特征边缘提取结果为基础,经过最小二乘拟合后,求解临近点的梯度比例因子,并通过表面光滑模型约束,演化得到剩余影像点的梯度比例因子,实现了对辐照度方程的量化约束,使得SFS问题正则化。采用模拟影像和真实月面影像对所提出的算法进行了测试分析,实验结果表明,所提出的算法能够有效的进行三维地形恢复,且恢复精度优于经典SFS算法中对实际地形恢复效果最好的Tsai算法。     

一种快速鲁棒的LOG-FAST角点算法

基于高时间效率的FAST算法,提出了一种快速鲁棒的FAST-LOG角点算法。使用直方图均衡化方法对图像进行增强,提高图像成分的清晰度并消除图像中光照强度的影响;运用拉普拉斯-高斯函数对图像进行卷积,实现图像的高斯平滑和增强边缘,及对噪声最大化的抑制;最后使用FAST算子检测角点。对比实验证明,新算子对于添加高斯噪声的分辨率为640*480的图像,其检测时间可达到0.05s;对光照不同的图像具有相近的检测性能;角点重复率可达98%。该算子可应用于实时视频图像的处理,为开发基于视觉的实时智能车辆预警系统提供了新的研究思路。     

人脸特征的选取和定位

本文综述了人脸识别的现状,采用基于几何特征的识别方法,选择了人脸图像的２５个特征点,并由此特征点产生了１３个特征参量为主工特征。根据人脸图像的灰度特性,用投影图法初步确定了人脸各部分的位置,然后利用特征识别树的识别方法进行特征定位的一致笥检测。最后提出了一种快速、可靠的圆形模板匹配法定位了瞳孔的位置。实验表明该方法准确率高,运行速度快,为进上步的人脸识别提供了必要的条件。