一种基于灰度图像的人脸检测及眼睛定位算法

利用灰度积分投影直接对人脸图像进行检测和眼睛定位是一种常用的算法,但是直接采用该算法会受到背景、特征等因素的影响,识别准确率较低。提出了一种基于最大类问方差阈值和区域膨胀相结合的检测与定位算法。该算法首先计算最大类间方差设置阈值,把灰度图像转换为二值图像并检测出人脸区域,然后通过对该人脸区域中的连通区域进行膨胀及连通性处理,精确定位眼睛坐标。实验表明,此算法可靠,具有较好的识别效果。     

一种改进的人脸图像眼睛快速定位方法

基于广义对称变换的原理，对传统的眼睛检测算法进行了改进。首先，利用面部眉眼区域的灰度呈纵向明显变化的特点，应用积分图法快速地初步定位眉眼区域，在这些候选的区域内用对称变换法检测候选的眼睛点，最后根据先验知识确定眼睛对。实验结果表明本方法简便易行，速度快，定位准确度较高。     

一种高性能近红外光人脸检测和眼睛定位算法

提出了一种新型的近红外光人脸检测和眼睛定位算法,该算法先用AdaBoost分类器进行人脸区域定位,然后在人脸区域内进行眼镜检测：若检测为不戴眼镜,使用基于数理形态学的N-Quoit滤波器进行眼睛精确定位;若检测为戴眼镜,采用＂人脸可信值最大＂准则进行眼睛定位。实验结果表明,此算法检测率高而且眼睛定位准确,有效的克服了镜片反射近红外光干扰眼睛精确定位的问题,同时达到了实时性的要求。     

正面人脸图像中眼睛的定位算法

简单有效的投影函数广泛用于眼睛定位中,然而成像产生的反光亮点降低了该方法的准确率,为此提出一种正面人脸图像中眼睛定位的算法.考虑到反光亮点对成像的影响,首先定义了3种眼睛成像模型,分析了每个模型的投影曲线特点;然后针对每个模型给出了相应的定位方法;最后综合上述3种模型提出了统一的定位算法.利用标准模型的投影曲线可近似为对称抛物线型的特点来降低亮点对眼睛定位精度的影响.实验结果表明,利用文中算法能够准确地定位眼睛的位置,准确率大于93%.     

一种快速高效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不足,提出一种基于局部特征区域快速高效的人脸特征点自动定位方法。首先对经过预处理后的人脸图像利用改进的积分投影算法结合肤色特性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、具有较高的鲁棒性,且能够快速高效地实现人脸特征点定位。     

基于投影峰的眼睛快速定位方法

提出一种基于投影峰的眼睛快速定位算法.该算法首先根据人脸的几何分布特征设置眼睛候选窗口.再通过直方图阈值分割出眼睛.然后经过灰度积分投影得到一系列投影峰,经过比较筛选得到眼睛的精确位置.算法简单高效,不需要训练和学习过程.实验结果表明,该算法能够快速准确地定位眼睛位置,满足实时自动人脸识别的需要.     

一种快速而有效地定位人脸特征的方法

提出了一种基于面积滤波、类别方差自动门限和投影技术的快速定位人脸特征的方法。该方法对于正面人像和具有一定倾斜度的人像都能达到比较好的效果,该方法首先利用面积滤波去除图像背景,用扩展的八个方向Sobel算法获得梯度图象,再进行二值化,而后对图像进行横向和纵向和积分投影,得到人脸特征的大体位置,最后再进行局部投影,得到精确的特征位置,实验结果表明,该方法定位快速,准确,对多幅对比底低,图像质量较差的人脸图象能取得较好的定位精度。     

一种新型的人脸眼睛定位方法

提出了一种在复杂背景、光照、姿势变化条件下的人脸眼睛定位系统。首先采用Adaboost方法提取人脸,并提出了解决平面旋转和深度旋转的方法。接着,采用数学形态学提取人脸特征并用各种规则去过滤特征点。然后采用SVM眼睛确认方法确认眼睛对。最后采用Camshift和Kalman滤波进行跟踪。基于IFACE数据库的实验结果表明我们的算法具有很高的眼睛定位准确率并对光照、姿势、复杂背景不敏感．     

基于地形学标定的人脸眼睛定位

根据眼睛区域灰度固有特征,从灰度图像地形学标定的角度出发,找到眼睛点的候选集合.然后对平滑后的图像进行数学形态学的膨胀操作,以精简候选集合.最后用投影法对精简后的眼睛对进行验证,从而达到眼睛对精确定位的目的.通过不同质量的人脸数据库进行实验,该方法具有很好的光照鲁棒性,取得了较为满意的定位效果.     

一种鲁棒的旋转不变性多姿态人眼定位方法*

提出一种新的针对平面任意旋转角度的多姿态人眼定位的鲁棒方法。使用旋转不变性多姿态(RIMV)人脸检测器定位人脸区域并划分眼睛搜索范围,利用眉眼整体特征采用交叉检测法,用大规模多姿态眉眼及眼睛样本训练的二级支持向量机搜索区域,并选择若干个SVM判别函数值最高的窗口作为候选眼睛区域,根据候选窗口重叠情况进行筛选和合并以确定眼睛的最佳位置。实验表明,该方法具有很好的精确性和鲁棒性,能适应复杂背景下表情变化的任意姿态人脸上的眼睛定位。     

人脸识别中的眼睛定位方法

眼睛是人脸部最重要的器官,因此眼睛准确定位在人脸识别中具有特殊重要的意义。基于灰度图像,提出一种改进的眼睛精确定位的方法。首先对图像进行光照和噪声的预处理,再利用积分投影和山谷法对图像进行分析,进而找出一系列的候选眼睛点,眼睛点的验证采用人脸的几何分布特征和眼睛模板匹配相结合的方法来进行最终眼睛对的确定。基于orl和yale人脸库的实验结果表明该算法对光照、旋转、遮挡不敏感,具有较高的定位准确率。     

人眼定位的边缘强度信息积分投影方法

为了提高积分投影方法对人眼定位的准确性和适用范围,提出了一种在极坐标系下对边缘强度信息进行积分投影的改进方法。基于肤色特征确定出人脸区域,采用Kirsch算子建立边缘强度信息图像,对不同极角方向进行积分投影,确定出人眼角度方向,对人眼所在角度方向的边缘强度进行微分累加运算确定出人眼的极径,从而实现人眼的极坐标定位。实验结果表明,该方法能够有效地提高各种姿态人脸图像中人眼定位的准确性,尤其对于旋转人脸图像的人眼定位,该算法具有良好的鲁棒性。     

基于Haar小波的眼睛定位方法

积分投影方法是一种眼睛定位的基本方法,但传统的投影函数在光照干扰条件下容易失效。针对上述缺陷,提出用圆差异算子的平均波动值代替灰度平均值做积分投影,增强抗光照干扰能力,利用Haar小波对投影曲线进行过滤规整,有效地过滤了杂波,使得极值点定位非常容易,其中包括利用左右眼睛垂直投影的相似性识别眼睛的方法。在Yale 照片库上的实验证明该方法简单有效,抗光照干扰能力强。     

基于Haar小波的眼睛定位方法

积分投影方法是一种眼睛定位的基本方法,但传统的投影函数在光照干扰条件下容易失效。针对上述缺陷,提出用圆差异算子的平均波动值代替灰度平均值做积分投影,增强抗光照干扰能力,利用Haar小波对投影曲线进行过滤规整,有效地过滤了杂波,使得极值点定位非常容易,其中包括利用左右眼睛垂直投影的相似性识别眼睛的方法。在Yale 照片库上的实验证明该方法简单有效,抗光照干扰能力强。     

基于Gabor变换的人眼定位方法

提出了一种基于Gabor变换的人眼定位方法,在对图像进行规一化处理以减少光照影响的基础上,利用Gabor变换后的图像在眼睛处的幅值较大的特点,通过投影方法得到人眼的坐标.实验结果表明,该方法能准确地定位眼睛的中心位置,并对表情、姿态和光照的变化有较好的鲁棒性.     

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。     

基于眨眼修正卡尔曼滤波的人眼跟踪研究

眼睛运动容易受到头部姿势变化、外界仿真干扰、实际光照条件等影响,已有眼部跟踪算法的准确率、鲁棒性较低。为此,提出一种基于眨眼修正卡尔曼滤波的人眼跟踪算法。采用垂直积分投影函数和水平积分投影函数得到人脸图像的眼睛区域,运用眼睛区域的颜色熵消除不相关因素,定位出瞳孔的位置,用卡尔曼滤波进行实时眼部跟踪,结合眨眼检测实时修正跟踪结果。实验结果表明,该算法准确率较高,实时性较好。     

最小邻域均值投影函数及其在眼睛定位中的应用

提出一种投影函数:最小邻域均值投影函数.该函数通过计算每条投影线上各像素点邻域均值的最小值来跟踪图像中的低灰度特征.与传统的积分投影函数和方差投影函数相比,它以求最小值的局部选择性代替传统投影函数的全局累加性,因此具有对片状噪声不敏感的特点.此外,在计算过程中,它还能记录最小值点的二维位置信息,是一个二维的搜索算子.最小邻域均值投影函数的这些特点使其非常适合于眼睛定位.它对眼睛,特别是瞳孔,总能够产生精确、鲁棒的响应.通过在CAS-PEAL数据库和BioID数据库上的实验表明,其定位正确率与精确度均高于传统的投影函数.     

基于多尺度自商图和改进积分投影法的人眼定位

针对传统的投影方法在人眼定位时易受光照干扰以及难以获得精准的人眼中心点的问题,提出一种基于多尺度自商图和改进的积分投影法的人眼定位算法.首先利用多尺度自商图消除人脸图像的光照影响;然后分析眼睛在水平方向上灰度分布的特点,采用两个行梯度算子对积分投影法进行了改进,以提升眼睛区域特征并初步定位人眼区域;接着采用Sobel算子对人眼区域进行滤波得到人眼滤波图,并对人眼滤波图的垂直积分投影曲线进行高斯函数拟合,根据拟合结果分割出左眼窗口和右眼窗口;最后,计算左眼窗口和右眼窗口的尺寸,获取左眼窗口和右眼窗口的中心点,即为人眼中心点.在YaleB人脸数据库和JAFFE人脸数据库上测试表明,本文方法对复杂光照、人脸边缘以及人脸表情适应性强,可以获得较为精准的人眼中心点.