人脸检测系统的研究

人脸检测系统采用的是一种基于模板匹配的快速人脸定位算法。该算法利用积分投影法先预测出人脸可能的范围与位置,然后在限定的范围内利用模板匹配的方法定位人脸,从而实现了快速而且可靠的人脸定位。     

基于模板匹配的快速人脸定位

提出了一种基于模板匹配的快速人脸定位算法.该算法利用积分投影法预测人脸可能的范围与位置,然后在限定的范围内采用模板匹配的方法定位人脸,从而实现了快速且可靠的人脸定位.     

基于积分投影的快速人脸定位

本文提出了一种基于积分投影的快速人脸定位算法。该算法利用积分投影法预测人脸可能的范围与位置，并且根据该结果定制出人脸模板，然后在限定的范围内利用此模板采用模板匹配的方法定位人脸，从而实现了快速又可靠的人脸定位。     

基于仿射模板匹配的多角度单人脸定位

提出了一种基于仿射模板匹配的多角度人脸定位算法,用平均脸作为基模板,经由不同的伸缩比例和旋转角度构成的仿射变换生成各种姿态的模板,并将模板分为双眼模板和人脸模板对,首先使用以眼模板搜索符合眼睛的区域,再用整个人脸模板匹配进上步检验是否符合人脸模式,并利用马赛克规则验证,给出最佳匹配作为人脸位置,对包含１４４幅图像和６０幅图像的两上图像库的定位准确率分别达到７９．２％和８５％,表明该算法的有效性。     

一种复杂背景下的快速人脸检测算法

提出了一个由粗到细的多阶段人脸检测算法,介绍了检测工作的三个部分:肤色区域分割预处理、应用人脸基本特征检测和定位的人脸细检、平均脸模板匹配的人脸验证。实验证明该算法能有效检测出复杂环境中的人脸。该算法对于人脸的平移、缩放、适度旋转都能很好地适应。     

李群彩色图像人脸跟踪

目前基于模板匹配的人脸跟踪算法并不能很好地应对人脸的多种变化。介绍了李群与肤色模型,在人脸的椭圆模型上结合李群仿射变换,获得了检测人脸的最佳椭圆,以应对人脸的不同姿态;并在该检测算法的基础上,结合肤色模型,解决了跟踪普遍存在的初值问题,给出了视频中人脸跟踪算法。实验结果表明,该算法可以很好地检测人脸,应对人脸的多种变化,并在跟踪过程中可以不断提高算法的适应能力。     

基于多关联模板匹配的人脸检测

提出一种基于多关联模板匹配的人脸检测算法.模板由一系列关联的双眼模板和人脸模板组成,它们都是通过仿射变换根据伸缩比和姿态(即旋转角度)从单一平均脸模板产生出来的.首先,使用双眼模板搜索候选人脸,再用人脸模板匹配进一步筛选候选人脸,最后,通过启发式规则验证是否是人脸.对于各种类型的图像进行大量实验的结果表明,该算法对于正面包括多角度人脸的检测很有效.     

基于肤色模型和椭圆环模板的人脸跟踪及姿态估计

文章提出了一种基于肤色模型,结合椭圆环模板进行人脸跟踪及姿态估计的算法。该算法在基于肤色模型实现人脸跟踪及特征定位的过程中首先利用肤色模型定位人脸肤色区域,在跟踪中增加了自适应学习模块,使得原始的肤色模型能够在不同光照下实现自适应调整。然后利用人脸形状的先验知识,通过椭圆环模板实现人脸边缘的精确定位。最后根据所得到的面部特征和人脸边缘位置估计出人脸的姿态。实验表明,该算法能够在自然光照条件下取得较为满意的跟踪结果,同时对人脸在旋转、缩放、遮挡等条件下,多人脸背景下的跟踪有较强的鲁邦性。     

多姿态小目标人脸检测算法研究

由于人脸在不同的环境.背景等情况下有着不同的视觉效果,同时人脸本身有着细致复杂的模式变化,一般传统的检测方法都是针对正面五官清晰的人脸,而对于多姿态或小目标人脸检测效果不佳,由此提出了一种在光线补偿下基于人脸和头发几何约束的检测算法.该算法首先分别依据肤色和发色的色彩空间模型分割出目标区域,再利用几何约束特点检测出人脸.实验结果表明,相比于特征提取和模板匹配的人脸检测算法,该算法对于五官模糊的小目标人脸以及面部特征不齐全的多姿态人脸具有较高的检测精度.     

基于改进主动表观模型算法的人脸特征定位

人脸特征点的精确定位一直是人脸图像处理的重要研究内容,特征点定位精确与否直接影响后续工作结果的好坏。在基于反向组合AAM（Active Appearance Models）人脸特征点定位算法的基础上,提出结合特征点局部纹理模型来对AAM初始形状参数做最优化以及对AAM匹配模板升级的改进。改进的算法采用特征点局部纹理模型和AAM全局纹理模型结合的方法来最优化AAM初始形状参数,并在此前提下对AAM匹配模板进行升级,使其更接近待匹配图像的信息。在精确的匹配模板和优化的初始形状参数下,匹配的最终精度会得到提升。实验和理论证明,改进后的算法比传统反向组合AAM算法以及现有改进的PAAM（Progressive AAM）算法以及简单的结合ASM和AAM的改进算法都有更好的特征点定位精度。     

基于差分图像和PCA主元分析的人脸检测

提出了一种基于差分图像和PCA(principle component analysis)主元分析的人脸检测算法,先对Anil K.Jain的Cb、Cr椭圆聚类方法给予改进,用改进的算法进行肤色提取,通过对肤色区域的分析,得到人脸候选区域,然后在这些可能的区域中运用特征脸进行细致的匹配,找出人脸的准确位置,然后利用马赛克模板排除虚假人脸.考虑到图像像素间的相关性,人脸特征提取同时对原始图像和其水平方向及垂直方向的差分图像进行PCA分析,从而提高了人脸检测的稳定性.     

指纹特征匹配算法的研究与实现

指纹特征的匹配是实现指纹识别的重要环节,现有的匹配算法大多需要反复的调整每一个点来与图像模版中的点相对应,这样就加大了匹配算法的计算复杂度,因而无法满足指纹实时识别系统的要求.为此提出了通过快速确定参考、旋转和平移参数的方法,以实现指纹特征匹配算法的实时要求.实验结果表明,该特征匹配算法在满足实时性要求的前提下,其性能指标完全符合一般的商业用途.     

基于轮廓信息的人脸检测

针对彩色图像提出了一种基于肤色模型、脸部轮廓信息以及眼睛特征的人脸检测算法。采用基于YCbCr色彩空间的肤色分割模型,初步筛选人脸的候选区域;在此基础上进行边缘检测,获得人脸轮廓信息,并利用遗传算法拟合脸部的椭圆;在椭圆的水平方向根据眼睛的几何特征来检测“眼睛对”,再根据“三停五眼”来定位人脸,并利用左右对称性验证人脸。实验表明,该算法对于彩色图像的正面人脸检测具有良好的效果。     

基于肤色和模板匹配的人眼定位

提出了一种基于肤色和模板匹配的彩色图像人眼定位方法。首先利用YCbCr空间的肤色模型粗定位可能的人脸区域,然后在候选人脸区域用平均眼模板作基于金字塔结构的模板匹配定位眼睛。实验结果表明该方法在复杂背景下极大地提高了眼睛定位速度和精确度,具有较好的光照鲁棒性。     

Deformation modeling for robust 3D face matching

Face recognition based on 3D surface matching is promising for overcoming some of the limitations of current 2D image-based face recognition systems. The 3D shape is generally invariant to the pose and lighting changes, but not invariant to the non-rigid facial movement, such as expressions. Collecting and storing multiple templates to account for various expressions for each subject in a large database is not practical. We propose a facial surface modeling and matching scheme to match 2.5D facial scans in the presence of both non-rigid deformations and pose changes (multiview) to a 3D face template. A hierarchical geodesic-based resampling approach is applied to extract landmarks for modeling facial surface deformations. We are able to synthesize the deformation learned from a small group of subjects (control group) onto a 3D neutral model (not in the control group), resulting in a deformed template. A user-specific (3D) deformable model is built by combining the templates with synthesized deformations. The matching distance is computed by fitting this generative deformable model to a test scan. A fully automatic and prototypic 3D face matching system has been developed. Experimental results demonstrate that the proposed deformation modeling scheme increases the 3D face matching accuracy.     

Object matching using deformable templates

We propose a general object localization and retrieval scheme based on object shape using deformable templates. Prior knowledge of an object shape is described by a prototype template which consists of the representative contour/edges, and a set of probabilistic deformation transformations on the template. A Bayesian scheme, which is based on this prior knowledge and the edge information in the input image, is employed to find a match between the deformed template and objects in the image. Computational efficiency is achieved via a coarse-to-fine implementation of the matching algorithm. Our method has been applied to retrieve objects with a variety of shapes from images with complex background. The proposed scheme is invariant to location, rotation, and moderate scale changes of the template