基于Adaboost与卷积神经网络的人脸定位研究

为了解决Adaboost算法在提高人脸定位速度与定位准确率中的问题,提出一种Adaboost与CNN(Convolutional Neural Networks,卷积神经网络)相结合的人脸定位方法。首先通过CNN算法进行人脸训练;然后利用高斯混合模型建立背景;通过背景差获得运动目标,在运动目标区域运用Adaboost进行人脸粗定位;最后通过CNN算法再次人脸细定位。实验结果表明,该方法在人脸定位速度与定位准确率方面优于Adaboost算法。

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单人脸定位算法 .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 ,首先使用双眼模板搜索符合眼睛的区域 ,再用整个人脸模板匹配进一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 6 0幅图像的两个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 .

基于方向对称变换的人脸定位方法

本文定义了一种新的对称变换———方向对称变换，它与常用的广义对称变换相比能够提供更多的信息来描述物体的形状．在此基础上提出了一种快速的人脸定位方法，与应用广义对称变换方法相比不仅可以提高定位准确率，而且能够大幅减小计算量．

改进的ASM方法在人脸定位中的应用

在传统ASM模型的基础上,采用以轮廓点为中心的矩形区域的DCT系数进行轮廓匹配,提出了一种改进算法。该方法充分利用了轮廓点附近的二维纹理信息,改善了ASM方法采用轮廓点附近一维灰度信息导致模型匹配精度不高的问题。DCT具有良好的去相关性能和能量集中性能,仅采取3.52%的DCT系数却平均保留了图像95%的能量,并采用八方向搜索最佳轮廓点,提高了定位速度。实验证明该方法非常有效。

一种基于光流场的复杂背景下人脸定位方法

图像中人脸的自动定位和提取是进行人脸识别的首要条件。文章提出了一种基于光流场的复杂背景下人脸定位方法。通过改进的光流场约束方程与帧间差法的结合,确定运动人脸的所在区域。并对所在区域进行图像的操作和处理,提取出人脸图像,最后采用基于Karhunen-Loeve变换的人脸识别技术进行识别。该方法具有快速和准确的特点。

肤色建模和肤色分割的人脸定位研究

为了实现彩色图像中人脸的精确定位,提出了一种基于肤色模型、肤色分割处理的人脸定位算法。通过建立肤色模型计算得到图像的相似度分布图,经自适应阈值的二值化处理后,再进行肤色分割,将非人脸区域去除;最终利用眼睛与嘴巴构成三角形特征结合人脸椭圆模板匹配定位人脸。实验结果表明,该算法对于复杂背景下的彩色图像中的人脸正面定位和人脸转动一定角度后定位都有较好效果。

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。

视频监控中的一种快速人脸定位方法

根据视频监控应用的特点,结合视频图像的时域连续特性和人脸肤色特征,提出了一种应用于视频监控的快速人脸定位方法。该方法首先通过对称差分算法,提取运动区域;然后基于BP(back-error-propagation,误差反传)神经网络的肤色分割算法,对运动区域进行肤色检测,最后,经过进一步的候选人脸区域验证,定位图像中的人脸。实验结果表明,提出的方法实现简单、检测速度快、误检率低,适合实时视频监控系统应用。

神经网络和遗传算法在人脸定位中的应用

人脸是十分常见的复杂模式，在复杂景物图片中自动找出人脸是很困难的，但是却有着重要意义，因为这同时也是自动人脸识别系统的前提．提出了一个基于多层感知器（ＭＬＰ）的用遗传算法实现搜索的人脸定位系统，讨论了系统建立的理论基础，即ＭＬＰ直接感知图象和用遗传算法进行快速搜索．实验结果表明，它尤其适合在复杂背景下的低分辨图象中进行操作，鲁棒性好、定位快、适应面宽．

复杂背景下视频序列中的人脸定位算法

视频序列中的人脸定位是利用视频图像进行人脸识别的关键技术。为提高视频序列中人脸定位的准确性,通过分析彩色视频序列中的人脸特点,提出一种采用背景去除、肤色区域探测、水平亮度投影和垂直梯度运算、特征点拟合等人脸模板特征的方法,对视频序列中的人脸进行定位。实验结果表明,该方法定位的人脸能够满足实际应用,已利用本方法开发了人脸门禁系统。

基于对称变换与高斯微分的人脸定位新方法

在实际人脸识别系统中 ,复杂背景、无控制光照及成像质量对人脸的准确定位造成了严重影响 .本文针对上述情况提出了一种室内自然环境下人脸准确定位的新方法 .该方法充分利用了人脸具有的强对称性与三维特性 ,运用高斯微分求图像边缘 ,再对广义对称变换及径向对称变换加以规则限制 ,实现了人脸眉心的准确定位及对尺度因子的估计 ,进而实现了人眼的准确定位 ,具有很强的稳健性 .

一种新的基于对称特征的彩色人脸定位方法

本文研究了复杂多变人脸的检测和定位问题,提出了一种新的基于对称特征的人脸定位方法。该方法基于肤色特征提取出人脸,根据眼睛的颜色和梯度特征在肤色区找到眼睛可能存在的有限的候选区域;根据人脸的对称特征把这些候选区域分别进行匹配,找到最佳匹配的区域就是眼睛区域。实验证明,这种方法在复杂姿态和复杂表情以及戴眼镜的情况下有很强的稳健性。

一种快速实现人脸定位与几何校正的方法

提出了利用边缘点集的协方差矩阵的特征值与特征矢量作为人脸图像尺度与方向的粗估计方法,从理论和实验上证明了该方法的可行性.以此方法作为人脸图像精确定位的前期处理,可以大大降低定位的复杂度,从而快速、准确实现人脸图像的定位与几何归一化.实验结果验证了该方法的有效性.

基于遗传算法的正面人脸定位

利用人脸的椭圆轮廓特征，使用参数化可变形椭圆模板和遗传算法（ＧＡ）对正面人脸进行定位．首先取得人脸的边缘图像，并定义边缘图像的能量场，然后定义参数化的可变形椭圆模板，对椭圆模板的参数进行编码，并定义合适的适应值函数，使用ＧＡ以椭圆模板在人脸边缘能量场图像中对人脸轮廓进行最优化匹配．实验结果表明，该方法在中等复杂背景环境下的人脸定位应用中取得了较好的性能，定位更加准确。

基于主动形状模型的人脸定位方法研究与实现

研究基于主动形状模型(ASM)的人脸定位的原理、方法和过程,包括计算新位置、计算形状和姿态参数、参数更新等,进行了实验并分析了结果。实验表明,主动形状模型用于人脸定位效果良好。

基于Hausdorff距离的相似性和对称性度量及在人脸定位中的应用

本文提出了一种基于改进的Hausdorff度量的人脸定位方法。首先,改进了模板匹配中基于Hausdorff距离的相似性度量。传统的Hausdorff距离仅仅计算了两个点集之间的平均失配程度,而改进的方法同时考虑了点集之间的距离平均值和标准差,所以对人脸定位中姿态、表情、个体的变化具有更好的鲁棒性。另外还将Hausdorff距离应用于测量对称性这一人脸的重要特征,并将对称性度量和相似性度量结合起来进行人脸定位,从而取得了较高的定位正确率和定位精度。

基于几何特征的人脸定位算法的改进

针对鼻子在照片中往往因与脸部皮肤的对比太不强烈而根本不出现在二值化图像中这一问题,在原有几何匹配算法的基础上给出了鼻子的评价函数,得到了鼻子标记的定位算法,从而提高了人脸定位的精度。

基于差值区域的实时人脸定位

为了解决红外图像人脸跟踪鲁棒性差的问题,提出一种基于差值区域的实时人脸检测和定位方法,该方法主要是利用改进帧间差分法得到一帧差分图像,然后对差分图像进行预处理,确定"类"瞳孔的位置,进而标记出人脸差值区域,对该区域归一化后应用AdaBoost方法进行验证,从而得到人脸的准确定位。研究结果证明:该系统定位方法比直接应用AdaBoost方法有更好的实时性,该方法的各个环节都满足实时性要求,为红外条件下的人脸跟踪系统提供了有效的解决方案。

基于Nios Ⅱ软核的人脸定位系统设计

基于Nios Ⅱ软核的SOPC技术实施数字图像处理是当今的应用热点。本文依托于该技术应用于人脸图像定位系统,进行系统搭建,定位算法实现,软件编制。通过定制用户指令,应用成熟的人脸定位算法和使用友晶科技的DE-2高性能图像处理开发平台,显著的提高了系统的实时性和正确识别率,完成了系统硬件平台搭建、人脸定位算法的软硬件实现和开放IP核的应用的设计目的,也为后续的功能完善,性能提高及人脸识别提供了必要的理论与实践基础。

疲劳驾驶视频监测中的快速人脸定位方法

为了满足基于计算机视觉的疲劳驾驶监测中眼睛定位的实时性和准确性的需要,提出了疲劳驾驶视频监测背景下的快速人脸定位方法。依据疲劳驾驶监测中获取的视频背景相对固定的特点,将背景减除法引入到驾驶员人脸检测当中,与灰度投影法相结合实现快速人脸定位。实验表明此方法快速、有效,且对光照变化以及驾驶员人脸姿态的变化具有较好的鲁棒性。