基于谱直方图与支持向量机的人脸检测

提出了一种基于谱直方图和支持向量机的人脸检测算法。首先使用梯度滤波器、LoG滤波器和LBP算子计算图像的谱直方图,然后使用支持向量机进行分类。经实验表明,算法可以克服光照、姿势、表情、眼镜等干扰,并允许有局部遮挡,具有较强的鲁棒性。     

一种改进的支持向量机降维方法

提出了一种基于支持向量机的改进的降维方法.在输入和特征空间中,特征子集的选取分别根据原始特征每一维对分类的贡献来获得.最后,通过将输入和特征空间中的特征选取联合起来,得到了一种改进的降维方法.实验表明:使用这种方法,在保持对分类准确率不受明显的影响的同时,能大大地提高训练和预测的速度.     

QQ默认表情听我的

使用QQ聊天时,使用表情来表达自己的喜怒哀乐是大家常用的手法,当我们单击聊天窗口中的“选择表情”图标按钮时,打开的表情是QQ默认表情,能不能把自己收藏的常用表情设置为默认表情呢？     

基于RgPCA的表情特征提取与选择

将RgPCA算法应用于表情图像的特征提取。其核心思想:先用PCA处理表情图像,提取表情特征;然后,将此表情特征集作为一个粗糙集用FAI算法进行约简,从而实现表情特征选择。RgPCA算法继承了PCA在特征提取时的简洁,并充分考虑模式分类的要求,提高了特征选择的科学性。     

基于SVM和AdaBoost的人脸检测算法

论文提出了一种结合SVM和AdaBoost的人脸检测算法。该算法先根据训练样本中的人脸和非人脸区域训练作为分量分类器的支持向量机（SVM）,然后通过AdaBoost算法把这些分量分类器组合成一个总体分类器;再利用该总体分类器来区分测试样本中的人脸和非人脸区域,并得到置信图。最后通过均值漂移算法找到置信图的峰值,得到人脸区域的新位置。实验结果表明,该算法不但提高了识别的正确率,而且大大提高了检测速度。     

基于高斯模型和支持向量机的人脸检测方法

针对目前人脸检测方法速度与精度难以兼有的问题,本文提出了一种结合高斯模型和支持向量机的人脸检测方法.先利用皮肤颜色在YCbCr空间的聚类性,对肤色建立高斯模型以分割出可能的人脸区域,再将这些区域输入到支持向量机检测并标记出检测结果.实验结果证明,本文提出的方法检测效果令人满意.     

人脸检测技术的研究进展

近年来由于人脸检测技术在身份验证、视频监控等领域日益广泛的应用,对于人脸检测的研究越来越受到人们的重视。该文对各发展阶段的方法进行介绍比较,指出其优劣性。     

基于DM642的AdaBoost人脸检测算法优化与实现

本文首先介绍了Adaboost人脸检测算法的基本原理,指出了现有人脸检测算法多数都是基于PC机实现,没有具体应用于实际的嵌入式系统中。因此提出了基于TMS320DM642实现人脸检测算法,并阐述了算法性能优化的方案。优化后人脸检测算法满足了实时性要求,检测CIF图像速度达到36帧/秒,为实际应用奠定了基础。     

人脸像素画生成算法

为了让普通用户方便地得到像素画卡通头像,提出一种自动从人脸照片生成像素画的算法.首先通过对脸部特征定位找到关键特征,然后在低分辨率下对特征的形状和位置进行优化调整;在调整后的各个区域采用"画家调色盘"色彩校正方法对其颜色进行校正,生成像素画.实验结果表明,该算法能够生成结构清晰、色彩明快的像素画.     

基于人眼多线谱的MPEG-4参数计算

提出了由人眼多线谱计算MPEG-4相关人脸动画参数(FAP)的方法.人眼多线谱利用一组随时间变化的归一化肌肉收缩量表示人眼运动及表情,通过对其采样可获得视频各帧对应的归一化肌肉收量.根据三雏肌肉控制人眼(3D-MCE)模型与MPEG-4标准模型在特征点、运动表示参数,坐标及尺度上的对应关系,可由归一化肌肉收缩量集计算相应FAP,以驱动任意基于MPEG-4标准的人眼模型.实验证明该方法所用数据量及计算量较小,所得MPEG-4参数可以驱动得到较逼真的人眼运动及表情.