基于Boosted Cascade算法的人脸检测和跟踪系统

将基于Boosted Cascade的人脸检测算法运用到视频图像当中,并结合图像序列中的运动信息,提出并实现了一种实时的人脸检测跟踪系统.首先根据图像的运动信息提取出可能存在人脸的候选区域,然后在候选区域中用Boosted Cascade算法进行检测.实验结果表明该系统能够实时地对于人脸进行检测跟踪,可以被应用在智能视频监控方面.     

基于粒子滤波器的实时人脸跟踪系统设计

设计实现了基于粒子滤波器的实时人脸跟踪系统。系统以AdaBoost算法为人脸检测基础,以粒子滤波器算法为人脸跟踪基础,基于粒子离散度的控制机制以实现跟踪步长的自适应调整,同时,提出了基于HSV色彩空间的特征提取和匹配算法,以及基于2阶AR模型的人脸运动模型,有效提高了算法的跟踪精度和跟踪速度,并将跟踪结果作为人脸检测模块的反馈信号,增强了检测系统的目标捕获和目标校正能力。     

基于人脸检测和多线索融合的实时人脸跟踪系统

在分析和总结国内外对人脸检测与跟踪的相关研究成果的基础上,研究提出了在Viola-Jones人脸检测算法中引入运动区域检测和人脸肤色检测以缩小人脸检测的搜索区域,有效地提高了人脸检测的帧处理速度,并降低了人脸检测的误检率。对基于Meanshift算法和基于光流法的人脸跟踪方法进行了研究与分析,分析了各算法的优缺点,利用各算法之间性能上的互补性,通过各模块之间的协同合作设计并实现了一个实时人脸检测与跟踪系统,并设定了相应的评价参数,通过实验室录制视频和NRC-IIT视频人脸数据库对系统进行了性能测试。     

多人脸跟踪与最佳人脸提取

针对视频人脸识别系统中同一人脸重复识别的问题,文中提出了一种多人脸跟踪与最佳人脸提取的方法。通过ViBe算法提取运动区域,缩小数据处理区域及确定执行人脸检测;利用Haar特征结合AdaBoost算法检测人脸,并根据肤色检测判断是否有误检;利用CamShift算法跟踪人脸;再使用Sobel算子得到清晰的人脸图片。实验表明,该方法下人脸误检率由2.8%降到0.2%,对于100帧视频平均处理时间从原始每帧112 ms降低到了45.6 ms,其处理速度明显提升。     

人脸自动定位及其系统实现

人脸自动定位技术在智能视频通信、视频监控以及娱乐等领域有着广泛的应用。通过将基于肤色的人脸检测和基于人工神经网络的控制策略相结合,提出一种新的人脸自动定位算法。该算法简单有效,克服传统跟踪算法中需要利用帧间相关信息和需要标定摄像机的缺点,只需通过人脸检测程序给出人脸特征点在计算机图像中的坐标,就可直接得出摄像机水平调整量和垂直调整量,根据调整量控制摄像机运动即可将人脸自动定位在图像中心。最后利用面向对象的方法实现了系统,并且取得了满意的效果。     

一种多人脸跟踪算法的研究与实现

结合人脸的运动模型提出了一种多人脸的跟踪算法,通过使用跟踪稳定系数来解决多人脸跟踪过程中目标发生粘连重叠或者由于目标检测质量的原因造成跟踪目标丢失等各种问题;同时目标跟踪器提供一个预测搜索区域指导下一帧的定位,从而进一步提高定位的速度.实验结果表明此算法具有很好的准确性和实时性.     

人脸考勤系统中人脸视觉特征融合跟踪算法

基于人脸考勤系统提出了一种人脸视觉特征融合的跟踪算法,并将其扩展到多人脸跟踪场合.该算法充分利用了人脸的颜色信息和轮廓梯度信息,实现了两种特征的互补.最后,给出了人脸跟踪仿真结果.仿真结果表明,该人脸跟踪算法有效且稳健性较好,能够很好地处理人脸旋转、遮挡等问题,具有很好的应用前景.     

人脸检测跟踪与特征点定位系统

实现的人脸检测跟踪与特征点定位系统,基于VC++6.0开发平台,使用opencv作为开发工具,有效缩短了系统的开发时间。首先,本系统采用adaboost算法进行人脸检测,通过合理的特征模板的选择实现了人脸的实时检测;其次,人脸跟踪模块选用camshift算法,利用人脸检测模块生成的人脸坐标传递给跟踪模块,实现人脸的自动实时跟踪,同时建立多个camshift跟踪器对多人脸进行跟踪,并有效地解决了人脸遮挡的问题;最后,通过ASM(active shapemodel)算法实现了实时人脸特征点定位。实验结果表明该系统实现的人脸实时检测跟踪及特征点定位,效果明显,可以作为表情分析和情感计算、视频人脸识别开发的基础。     

基于DM6446的人脸检测与跟踪系统设计

将Adaboost人脸检测算法与Camshift跟踪算法相结合,以Adaboost人脸检测算法作为人脸的初始定位,以Camshift作为后续帧的跟踪,实现对视频序列的自动人脸检测与跟踪。系统所有算法均使用C和汇编语言混合编程并在TMS320DM6446上开发实现。实验结果表明,系统的算法简单、快速、鲁棒性强。     

救援机器人中人脸检测、定位和跟踪系统模型

本文提出了一种在救援机器人中实现人脸检测、定位和跟踪的可行方案。首先通过摄像头将救援机器人周围的场景转化成数字图像,进行预处理后,使之成为易于检测和定位的图像,然后运用图像分割技术找到感兴趣的目标并进行定位,最后使用CamShift算法跟踪运动的人脸并驱动电机转动。     

面部表情跟踪描绘中的边缘特征量

由于外界环境的不确定性和人脸的复杂性,人脸表情的跟踪与计算机形象描绘是一个较难问题.基于此问题,提出了一种有别于模式识别、样本学习等传统手段的较为简单解决方法,在视频采集条件下,分析帧图像,通过对比多种边缘检测方法,采用一种基于边缘特征提取的人脸表情建模方法,来完成用于表情描绘的面部特征量提取与建模,并结合曲线拟合和模型控制等手段,进行人脸卡通造型生成和二维表情动画模拟.实现了从输入数据生成卡通造型画并真实地表现出表情变化情况.     

人脸自动识别方法综述

 人脸自动识别是模式识别、图像处理等学科的一大研究热点,近几年来关于人脸识别的研究取得了很大进展.本文重点对近三、四年来人脸识别的研究进行综述并对各种方法加以评论.     

耳朵信息对侧脸检测的影响研究

如何准确地检测和定位图像中的人脸是人脸检测领域的关键问题.为了进一步提高人脸检测器的性能,常见的方法是增加训练数据集或采用更鲁棒的人脸特征表示,而训练人脸检测器的一个基础工作是：为训练图像中的人脸标注边界框.但标注的人脸边界框是否应该包含耳朵信息,以及对训练出的侧脸检测器性能的影响尚未被研究.本文的实验结果表明：在侧脸数据集上训练人脸检测器时,如果人脸边界框包含耳朵信息,基于DPM（Deformable Parts Model）方法训练得到的侧脸检测器使侧脸检测的准确率降低1.9%,召回率提高6.3%.而基于Viola&Jones和Fast R-CNN方法训练得到的侧脸检测器使准确率分别提高6.8%和4.4%,召回率分别提高14.9%和12.9%.这说明包含耳朵信息训练出的侧脸检测模型,有助于提高侧脸检测率.     

人脸识别技术在智能视频监控系统中的应用

首先对监控技术的发展过程做了简单的总结,然后介绍了人脸识别技术的研究方向、应用领域及技术优势,并针对人脸识别技术在视频监控系统中应用的架构、关键技术和算法做了有益的探讨,特别对"矫正有旋转角度的人脸图像技术做了较为详尽的表述,最后得出结论,人脸识别技术可以应用于监控系统中。而基于人脸识别技术的智能视频监控系统应该具有十分广泛的应用前景。     

AFRS人脸自动识别系统的设计与开发

人脸检测、跟踪和识别技术是人机自然交互领域中一个富有挑战性的课题,也是近年来研究的一个热点。在新一代(第四代)人机自然交互系统中人脸自动识别系统提供了一个友好的人机交互接口。本文着重介绍了AFRS人脸自动识别系统的设计思想和实现技术。该系统以实现一个实时的、鲁棒的、自动化的系统为目标,融合了人脸检测、跟踪和识别技术以及其它的图像和视频处理技术,并且建立和维护了一个含有人脸特征数据的数据库,从而使得系统可以自动地对进入系统监控范围内的人脸自动进行检测、跟踪和识别。该系统在新一代的人机交互、安保、视频监控等方面有着广泛的应用前景。     

基于肤色的实时人脸检测算法研究

研究了一种基于肤色的人脸检测算法的设计与实现过程。在YIQ颜色空间中,进行了有效的肤色提取,把提取到的肤色与背景图像信息转为二值图像进行形态学降噪处理,再采用质心定位法进行准确的眼睛定位,最后对检测到的人脸图像进行缩放、旋转、移位校正,以提高输出人脸图像的质量。实验结果表明,本文所提的算法具有很高的准确率与检测速度,能够适用于实时人脸检测系统。     

基于面分块的人脸造型技术研究

人脸面部是一个极其复杂的曲面,若将其作为一个整体进行人脸造型则使问题复杂化.本项研究在总结前人研究工作的基础上,提出了一种将人脸面部分为若干块、分别进行处理的人脸造型方法,同时将人脸表面形变模拟成弹性体的形变,并为其建立了弹性形变模型,实现了从一般人脸模型到特定人脸模型的造型,算法效率高、交互操作少,结果令人满意.     

一种复杂场景下的视频流人脸隐私保护技术

查看视频监控的过程中,一些场景存在因为人脸面部信息暴露在监控视频中导致个人隐私信息泄露的风险,有必要对实时视频流中的行人隐私信息进行马赛克处理。目前市面上常见的基于人脸检测的打码方法在实时监控视频流上打码效果受行人姿态、光线影响较大,存在实时性差、漏检较多等问题。针对以上问题,提出了融合人脸检测算法、目标物体检测算法和前置帧关联检测方法的多检测模型,并与传统的人脸检测模型进行对比。实验结果表明,在人脸检测召回率上,所提模型相较于传统人脸检测算法提高了532%。     

基于Haarlike的人脸民族特征分析

文中利用Haarlike模板来对不同族群的人脸进行特征提取.利用Haarlike模板生成算法筛选出用于分析人脸特征的Haarlike模板,对构建的人脸数据库进行特征提取,利用C5.0、C&R Tree、BP NN和SVM对训练样本进行学习,并对测试集进行分类和预测,其对维族、藏族、壮族的识别精度分别为80%、74%、88%.为人脸的民族特征识别提供了一种高效快速的方法.     

基于人脸识别的校车考勤系统设计

本文介绍了基于人脸识别的校车考勤系统设计思路,并对关键的人脸检测与人脸识别算法进行了深入的分析与设计,最终结果表明该系统设计达到了实际使用要求.