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.     

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.     

一种基于肤色特征的人脸特征点定位方法

针对传统人脸特征点定位方法中存在的算法复杂、鲁棒性差以及精确度低等问题,本文提出一种基于肤色特征的人脸特征点自动定位方法.首先对预处理后的图像在多个色彩空间中利用肤色特征实现人脸区域的精确定位;然后,在人脸区域内根据各特征部位的特性构造色度模型函数来标定其特征区域;最后,在特征区域内完成人脸特征点的自动定位.实验结果表明,该算法简单、鲁棒性较高,且能够快速高效地实现人脸特征点定位.     

基于肤色和人脸形状约束的正面人脸轮廓提取算法

提出了一种基于肤色和人脸形状约束的正面人脸封闭轮廓提取方法.首先在YCgCr空间中对图像数据进行阈值分析,建立肤色模型,并通过肤色模型对肤色区域进行初定位,再经过对肤色区域的连通区域标记,进而根据区域像素数量筛选去除非人脸区域.然后提取人脸初步轮廓,并结合人脸形态比例去除颈部轮廓.最后通过相关形态参数构建出人脸下巴轮廓,最终得到一个连续、封闭的人脸轮廓.     

疲劳驾驶监控中人脸检测与定位方法

目的为了正确检测和定位人脸区域,提高疲劳驾驶监控中人脸检测与定位方法的准确率和实时性.方法结合肤色分割、模板匹配,改进连通区域划分算法实现对戴眼镜人脸的检测与定位.结果实验结果表明,肤色分割改进算法能对不同复杂程度背景的人脸图像正确的检测与定位,正确率达到97.7%.结论该算法能在不同光照条件和复杂程度背景下,检测并定位人脸区域,实时性好,准确率高,对戴眼镜情况时也能检测定位成功.     

基于卷积神经网络的人脸图像特征提取

为了提高对人脸的自动识别和检测能力,提出了一种基于卷积神经网络的人脸特征提取技术。采用连续模板匹配技术进行人脸边缘轮廓的检测,采用Harris角点检测方法进行人脸的关键特征点定位,在人脸的分块区域内进行人脸的肤色特征分析和外包矩形轮廓区域特征提取,结合肤色特征对图像中人脸特征点进行图像重构和精确定位,对提取的人脸特征点采用卷积神经网络进行分类,实现对人脸图像特征的优化提取。仿真结果表明,采用该方法进行人脸特征提取的准确性较高,具有较好的特征匹配能力。     

一种基于线连通的人脸定位法

提出一种基于线连通的区域聚合法,结合肤色处理和区域特征等方法对人脸进行定位.这种新的区域聚合法能快速有效地获取图像区域的几何特性,从而可以提取区域的各种特征,最终能根据人脸的基本特征对图像的人脸进行定位.实验证明,这种方法速度快、实现简单,能较好地克服人脸倾斜、大小、表情、姿态变化等不利因素的影响,达到很好的定位效果.     

复杂背景的人脸检测方法

由于原始的Adaboost方法在复杂图片上检测人脸效果不够理想,所以提出了一种能够处理复杂背景图片的人脸检测方法,即基于肤色的Adaboost检测方法。该方法具有肤色分割的检测率高、适应性强和AdaBoost算法检测速度快等优点。首先,通过人脸肤色的统计特征对图像进行肤色分割,得到候选人脸区域;然后使用经过训练的AdaBoost算法级联分类器对候选人脸区域进行检测,最终得到精确定位的人脸。经过实丐令证明,基于肤色分割的Adaboost人脸检测方法比原始的Adaboost方法在鲁棒性上有了很大提高。     

基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

基于彩色图片的人脸检测方法

提出了一种基于肤色的精确人脸定位算法,详细叙述了在图片的颜色调整与肤色检测,肤色区域的平滑、分割与填充,候选眼睛的选取及配对中遇到的具体问题并提出了解决方案.本算法能较为准确地定位彩色图像中的正面、小角度偏侧和旋转的人脸,还能检测出一幅图中的多个人脸.     

基于肤色信息的快速人脸检测

讨论了人脸检测问题中精度和速度在此基础上结合眼睛的定位算法,最终精确得到人脸的位置.实验结果表明,本算法能较为准确快速地定位出彩色图片中正面人脸以及小角度偏转的人脸.     

基于皮肤模板和改进HMM的自动人脸识别系统

介绍一种基于隐马尔可夫模型(hidden Markov module,HMM)的人脸识别系统,该系统对人脸采用普通网络摄像头实时检测,通过皮肤模型进行背景去除,并用改进后的HMM算法进行识别. 实验结果表明,改进后的HMM算法能提高原HMM算法的准确率,采用皮肤模板对检测到的人脸进行精确定位后,进一步提高了识别算法的准确度.     

基于KSVM决策树法的人脸检测与定位

传统的SVM直接在线性条件下训练SVM分类器完成人脸与非人脸的分类,分类器训练困难,计算量大且速度慢.为构造一个复杂背景下人脸检测与定位的新方法,本文用核函数把SVM推广到非线性SVM,再与二叉树相结合,可以解决多类识别问题,此即KSVM决策树人脸检测方法.在此基础上,人脸面部特征被进一步确认.本文提出了改进的四边界Prewitt边缘算子提取人眼,进而定位五官.实验结果表明该方法检测率较高,虚警率较低,定位准确.     

基于帧间差分与静态特征相结合的人脸跟踪方法

简述了近年来主要的人脸跟踪方法,提出一种基于帧间差分与静态特征相结合的人脸跟踪算法。算法利用视频图像的运动信息做帧间差分确定人脸搜索的矩形区域,利用肤色模型提取肤色区域,通过积分投影确定人脸的椭圆范围,并对矩形范围内图像做边缘提取、膨胀等处理,通过水平积分投影获得人脸特征曲线,并通过特征曲线验证椭圆范围内是否存在人脸,实现人脸自动跟踪。     

基于颜色重心和分层过滤结构的人脸检测算法

提出一种基于颜色重心六边形（colorbarycentershexagon,CBH）模型,结合分层过滤结构的人脸检测方法。首先根据肤色在空间的聚类特性检测人脸,利用CBH模型将彩色图像中的肤色区域和非肤色区域分开,得到人脸检测的候选区域;然后利用级联型的分层过滤结构,采用最优椭圆拟合、形态及方差验证、方向归一化和模板匹配等操作逐步排除非人脸区域,最终确定并标记出彩色图像中人脸的位置。实验结果表明：该方法能够在复杂背景的彩色图像中快速并且准确地检测出人脸,误检率较低,具有较高的应用价值。     

基于特征融合与决策树级联结构的多姿态人脸检测

为了提高复杂模式下多姿态人脸检测的速度与性能,提出了一种基于特征融合与决策树级联结构相结合的多姿态人脸检测方法.该方法给出了基于形态学梯度的边缘方位场特征,并提出了基于Haar like特征与边缘方位场特征相融合的AdaboostSVM算法.通过对决策树级联结构进行改进,将特征融合的AdaboostSVM算法与改进的决策树级联结构相结合进行多姿态人脸检测.实验结果表明,该方法能明显改善复杂模式下多姿态人脸检测的速度与性能.     

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。     

电力工作人员面部疲劳状态识别系统研究

疲劳状态检测对于保护电力工作人员的安全具有重要作用。深度学习虽然已经成为面部疲劳状态检测方面的重要方法,但是其检测结果的准确性还需要提高。针对这一问题,提出了一种新的电力工作人员疲劳状态识别系统。该系统通过对采集到的视频图像使用人脸检测算法确定电力场景中工作人员的面部位置,利用YOLOv4-tiny目标检测算法提取眼睛部位的视觉特征,建立检测模型,以提升视觉特征的辨别能力;采用PERCLOSE准则分析眨眼频率并结合打哈欠的频率和瞌睡点头频率来判断电力场景中工作人员是否疲劳。实验结果证明了所提的基于深度学习的疲劳状态识别方法的有效性。     

基于Adaboost层叠式分类器的人脸检测算法仿真

详细研究了基于Adaboost的层叠式人脸检测算法。构建了一个层叠式分类器系统,其由多个弱分类器构建一个强分类器,再由多个强分类器最终构建一个层叠式分类器系统。通过增加层叠式分类器的级数来降低人脸误识率,增加层叠式分类器的个数来提高人脸检测率,使得层叠式分类器具有不断扩展升级的能力。仿真实验结果证明,采用这种策略成功的降低了误识率和计算时间,显著提高了检测性能,其检测效果稳定,并且完全可以适用于实时视频人脸检测。