基于主动机器视觉的人脸跟踪与表情识别系统

搭建了一个基于主动机器视觉平台的人脸跟踪与表情识别系统,并进行了相关实验研究。阐述了该平台的系统结构,以及实现人脸表情识别系统的关键功能模块。该系统在主动机器视觉平台基础上,对注意力选择的区域进行人脸检测,通过控制云台完成跟踪动作,并对人脸区域进行实时地表情识别。同时在实验平台上做了大量的人脸检测跟踪和表情识别实验,包括对复杂和简单背景下人脸跟踪及表情识别的准确性进行了实验,实验结果验证了平台的有效性。     

MPEG-4视频流分析工具

随着MPEG-4标准的制定和应用，提供MPEG-4码流分析手段变得越来越必要。文中在分析基于对象编码的MPEG-4视频流的基础上，给出开发的分析工具。该软件可分析视觉对象序列、视觉对象、视频对象(V0)、视频对象层(VOL)、视频对象面(VOP)、网格对象(MO)、人脸对象(F0)．视频对象面组(GOV)及其它MPEG-4视频编码信息。     

基于三层感知器的人脸检测方法

提出一种基于三层感知器进行人脸检测的方法:首先分割出样本,然后对神经网络进行训练,最后利用神经网络进行搜索,确定被检测的窗口是否包含人脸。     

基于肤色分割与改进Adaboost算法的人脸检测

针对低分辨率的视频监控图像在复杂环境中不能有效地将人脸检测出来,提出结合BP神经网络的肤色训练和肤色分割,形成一个检测兴趣区域,利用改进的Adaboost算法来完成人脸检测。实验结果表明,改进的方法提高了人脸检测的准确率,降低了视频监控图像的误检率。     

一种基于眼部状态的疲劳驾驶检测方法

针对传统的疲劳驾驶检测准确率低和实时性差的问题,提出了一种基于眼部状态的疲劳驾驶检测方法.利用CCD相机实时获取驾驶员的脸部图像,采用直方图均衡化增强图像的对比度;通过改进的cascade(Hear分类器)的人脸检测算法检测出脸部区域;利用OTSU阈值分割和形态学运算提取人眼区域,根据人眼的宽高比判定眼睛的闭合程度;依据PERCLOS-P80原理和眨眼频率判断驾驶员的疲劳状态.实验结果表明:改进的人脸检测算法对每帧图像的检测时间约为45ms,在人脸检测速度上提高了2.3倍,为整个疲劳驾驶检测节省了大量的时间.研究疲劳驾驶检测方法检测一帧图像的时间约为65ms,而且在不同的光照强度下的检测均有较高的准确率,满足疲劳驾驶检测对准确性和实时性的要求.     

面向电力变压器状态评价的油中溶解气体监测数据补全方法

基于马尔可夫理论充分考虑相邻时间点系统在所有状态间的转移特性,提出了一种基于马尔可夫模型的变压器油中溶解气体数据补全方法,将油中溶解气体数据时间序列转化为在不同状态间转移的马尔可夫链,利用正、反向的状态转移矩阵计算得到油中溶解气体数据的补全值。从数据挖掘的角度建立了油中溶解气体数据质量的综合评估体系,从多个角度对数据补全的效果进行评估,并基于D-S证据融合理论融合各个角度的评估结果,得到综合评估结果。利用所提方法对某变压器100组油中溶解气体数据中25组随机缺失值进行补全,结果表明补全后的数据与实际值相似度可以达到99.999%。进一步地,验证其中15组极值点、跃变点处缺失数据补全效果,经过综合评估,补全后的数据与实际值相似度可以达到98.956%。经过验证表明所提方法能够在不改变数据特征的前提下对变压器油中溶解气体的缺失值进行准确的补全,有利于提高变压器状态评估方法的准确性。     

人脸漫画生成技术研究进展

以计算机人脸漫画生成的流程为主线,总结了近年来计算机生成人脸漫画技术的国内外研究现状,将现有的方法分为基于高层语义描述和基于图像模板,介绍2种方法生成人脸漫画的流程。根据夸张规则的不同,介绍了基于人机交互、基于样本模板、基于绘画规则以及基于统计学习4种肖像漫画生成方法,并对各方法所涉及的核心算法进行对比分析。结合近年来的研究热点,给出了人脸漫画未来的研究难点和发展趋势。     

基于自适应二进小波变换的人脸检测方法

提出一种基于提升二进小波变换的检测人脸部位（如鼻子、眼睛和嘴唇等）的快速算法。在提升二进小波滤波器中的自由参数是学习的,从便使两个向量（其中一个向量的分量是提升二进小波滤波器系数,另一个向量的分量是人脸某部位像素）之间的夹角的余弦值最大化。学习得到的滤波器应用到测试图像中,可以检测人脸某些部位。实验结果表明,该方法具有较强的鲁棒性,能够很好地解决复杂背景下的人脸检测问题。由于该方法实现的简单性,并容易由硬件实现,使得检测速度进一步提高,因此该方法在可视电话等领域有着广阔的应用前景。     

基于眼睛特征的人脸检测方法*

由于眼球的灰度级较低,而眼球周围白色区域的灰度级较高,因此在其交界处灰度级产生强烈突变。利用这一特征先从图像中找出可能的眼睛对,定位可能的人脸区域,通过计算其对称性来确定各种人脸特征的存在,更进一步验证可能的人脸区域。实验证明,此方法能迅速准确地从复杂背景图像中检测出人脸,而且对多人脸图像同样有效。     

基于并行卷积神经网络的人脸关键点定位方法研究*

为解决人脸关键点定位受到姿态,光线,表情以及遮盖问题的影响而使得定位效果可靠性不佳的问题,提出了一种基于并行卷积神经网络的人脸关键点定位方法。文中利用卷积神经网络对局部细节特征提取以及深度学习特点,设计实现了一种并行卷积神经网络,该网络把人脸图像,上半人脸以及下半人脸分别送入到相同结构的卷积网络进行训练学习,通过对图像进行局部卷积以及下采样,提取人脸关键点附近的细节特征,并对三级并行网络定位结果进行加权合成,实现人脸特征点定位。在LWF人脸库上定位实验结果表明该方法在准确性以及可靠性都得到很大程度提升,能实现对人脸关键点的鲁棒准确估计。