基于MBLBP与Haar特征提取的驾驶疲劳检测

为了提高驾驶员疲劳驾驶的检测效率,提取人脸和人眼的MBLBP与Haar特征,使用gentleboost训练方法得到多级强分类器,用级联的方法对人脸和人眼进行检测和识别.当系统连续三帧检测到人脸但检测不到人眼的情况下判定驾驶员出现疲劳.加入人脸肤色验证信息,构建6个视角分类器,使用动态表观模型(AAM)来拟合人眼.试验结果表明大大提高了驾驶员疲劳的检测效果.

基于MBLBP和Gabor小波的掌纹识别

为了提高掌纹识别中对局部区域特征的提取及掌纹识别率,提出一种基于多级区域局部二值模式(MBLBP)和Gabor小波的掌纹识别算法。通过对光照及感兴趣区域(ROI)等因素进行预处理,经过Gabor小波变换后提取掌纹的多尺度特征,再利用MBLBP算法提取主元,采用欧式距离分类法计算掌纹识别率。经过香港理工大学掌纹库(PolyU)验证,比较不同预处理、不同算法下的掌纹识别率。实验证明,该方法相比于以往的局部二值算法(LBP)在识别率上有较大提升。

基于改进的MBLBP人脸检测算法设计与实现

针对复杂背景条件下人脸检测错误率较高问题,提出了基于改进的MBLBP人脸检查算法,算法利用人脸肤色特征明显区别于背景其他颜色特点首先将肤色区域分割出来,将其他背景区域屏蔽掉,然后在肤色区域使用改进后的MBLBP特征进行人脸检查,改进后的MBLBP特征在能保证准确率的前提下计算效率有明显提高。经过多组对比实验和统计得出基于改进的MBLBP人脸检查算法在人脸检查正确率和检查速度上优于其他传统算法。

MB-LBP特征提取和粒子滤波相结合的运动目标检测与跟踪算法研究

在复杂环境下,由于行人密度大以及运动随机性,导致运动目标(行人)难以检测和跟踪,造成人员计数误差。提出一种MB-LBP(Multi-scale Block Local Binary Pattern)特征提取和粒子滤波相结合的运动目标检测与跟踪算法来解决此问题。该算法首先用AdaBoost提取MB-LBP特征训练生成分类器进行人头检测,并根据人头目标尺寸变化范围去除部分误检,然后用改进的粒子滤波算法预测跟踪多个运动目标,最后对跟踪的运动目标进行计数。实验结果表明,提出的算法能够对复杂环境下多个运动目标进行有效检测及跟踪,准确、快速地对视频帧中的人员进行计数。

一种融合改进LBP与主成分分析的人脸识别方法

针对传统的LBP算子局部纹理特征提取方式单一、未考虑邻域相关性等问题,提出一种改进的LBP算子与PCA主成分分析法相结合的人脸识别方法。该方法在特征提取的过程中削弱了噪声的影响,更好地突出了子块区域的特征信息,相比于PCA、LBP和PCA相结合的方法,在识别率上有显著提高。

基于颜色空间纹理融合特征的SOAMST人脸跟踪算法

针对人脸跟踪中存在的人脸目标与背景颜色相似、光照变化对跟踪算法鲁棒性的影响,本文提出基于颜色空间纹理融合特征的SOAMST跟踪算法,将二阶空间直方图代替SOAMST建立目标模型中的颜色直方图,二阶直方图融合了目标颜色信息和颜色的空间分布信息,比传统颜色直方图更具有目标鉴别能力。此外与MBLBP特征进行融合,构建有效的联合直方图建立目标模型。不同场景下的实验结果表明,与原算法比较,本文的改进算法在人脸颜色与背景相似,光照变化,旋转大小变化等复杂环境下,抗干扰性更强,有更好的跟踪效果,具有更高的准确性和鲁棒性。