基于时空上下文和随机森林的人眼跟踪定位算法研究

为了得到人眼跟踪过程中更好的鲁棒性和实时性以及跟踪精度,提出一种基于自适应增强分类算法(AdaBoost)、随机森林(RF)和时空上下文(STC)的重定位跟踪算法。该算法结构分为3层,分别为AdaBoost人脸检测、STC人脸跟踪和RF人眼定位。首先,利用AdaBoost在第一帧识别出人脸,从而提取出人脸窗口。接着,使用时空上下文跟踪算法进行人脸跟踪。然后,联合定向梯度直方图(HOG)算法进行相似度判断,以达到目标丢失后继续跟踪的目的。最后,采用随机森林算法进行人眼定位。实验结果表明,与传统的随机森林人眼跟踪算法相比,该算法在跟踪速度达到原方法的2倍左右,并在跟踪精度和鲁棒性上和原算法相同。基本满足在裸眼3D显示时人脸跟踪和人眼定位的精度高、实时性快、鲁棒性好的要求。     

基于人脸检测分析户外广告关注度

户外广告需要统计其真实的关注度以更好地选择广告投放策略。文中提出了以观看广告的正面人脸数与持续时间来统计关注度。在OpenCV人脸检测函数库的基础上,提出了通过降分辨率、提取与分解有效像素、重叠检测、人脸生命周期模型等方法来改善检测的速度与精度。并给出了实验结果,分析了算法的优缺点,提供了改进的思路。     

基于特征点预测的三维表情人脸合成

对于三维人脸表情合成,基于设备的方法成本高、灵活度低,表情的重建依赖人脸扫描过程中原始人脸表情;基于图像的方法大部分以面部行为编码系统(FACS)为基础,存在FACS兼容性较好的部分模型表现粗糙问题、合成真实度较低等问题.针对于此,本文提出一种基于特征点预测的三维表情合成方法.在三维人脸重建效果较好的3DMM算法基础上...     

基于PCA和AdaBoost的改进人脸识别算法研究

利用人脸作为特征的生物识别系统是近年来模式识别和图像处理领域的研究热点之一.介绍了一种改进的人脸识别算法.算法以主成分分析(PCA)算法作为主体,以AdaBoost算法作为辅助,把以投影后人脸特征空间中的欧式距离作为识别的主要评判依据.与传统人脸识别系统相比,新算法可以避免系统在识别前进行人脸检测的巨大运算量,并有效区分人脸和非人脸图像,提高运算效率和识别精度.仿真结果表明,这种改进的算法硬件资源占用少,运算时间短,更适合在嵌入式平台上实现.     

一种基于正反Adaboost的人脸检测算法

人脸的检测和跟踪对于自由立体显示非常重要.本文采用连续 Adaboost 算法学习出一种瀑布型的人脸检测器,同时针对 adaboost 算法误检率比较高的弊病,提出了一种正反 Adaboost 检测的思想,最后通过利用已有积分图以及最小值滤波,完成了对人眼的识别操作.实验结果表明,算法对现有 adaboost 算法精度上的改进令人满意,基本能满足自由立体显示的需要.     

Research on Face Detection Algorithm Based on Skin Model

利用一种基于肤色的2D Gaussian模型和一定的先验知识实现了人脸快速检测.首先对一幅图像进行去噪、光线补偿等预处理,然后根据颜色空间特性建立适宜的肤色模型,检测出大致的肤色轮廓,对面部特征根据先验知识实现定位,从而剔除非脸部区域,最后对该算法进行实验验证.实验表明,该算法可以实现人脸的快速检测,降低了误报率,具有一定的优越性.     

FloatBag选择性神经网络集成及其在人脸检测中的应用

神经网络集成利用多个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各神经网络在该示例下的输出共同决定.本文提出利用FloatBag的方法择优选择个体神经网络,进而用平均值的方法组合各个体网络.最后,我们将FloatBag方法应用于多角度人脸检测中.实验证明,这种方法优于一般的神经网络集成方法.     

基于局部彩色二元模式纹理特征的人脸分类方法

针对现有的局部纹理特征在光照变化下的人脸分类准确率不高的问题,提出一种局部彩色二元模式纹理特征提取和表示方法.该方法首先求取多个信号通道的彩色向量的模,以减少单独对每个信号通道提取 LBP 特征导致的量化误差;其次提取任意两个信号通道之间的像素彩色夹角来减少光照变化的影响.对于给定的测试人脸图像集,通过 SVM 的二分类器投票得到人脸图像的分类.在 Color FERET 和 XM2VTSDB 人脸图像数据库上的实验证明该方法在光照变化下可以有效地分类人脸图像.     

人脸识别和特征定位算法探讨

本文介绍了当前人脸识别技术的一些常用方法,对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论,其中在人脸检测部分主要是对图像进行获取和预处理的研究,然后在前人的研究基础上综合提出基于相应的检测算法,以提高人脸识别的准确度和速度。实验结果表明,在方案和算法的实现过程中虽然出现了一些问题,但经过一系列测试,总体来说还是基本能达到目的,还是比较成功的。     

基于高斯过程的表情运动单元跟踪技术

在表情动作单元的跟踪中有两个常见问题:一是跟踪结果有小幅而频繁的抖动;二是跟踪过程会产生难以检测的误差.针对这两个问题,本文提出了一种基于高斯过程和粒子滤波的表情动作单元跟踪技术.实验结果表明本文算法比传统的梯度优化和粒子滤波法具有更好的平滑性和跟踪精度,而精度的优势在头部有偏转的情况下尤为突出.