一种基于Haar-like和AdaBoost结合的人脸检测算法

人脸是人体的一项重要的生物特征，人脸检测在人脸识别中起着非常重要的作用，人脸位置的检测结果的准确性可以有效地提高人脸识别率；人脸定位在身份验证、人机交互、视频监控、机器学习、信息管理等领域有很高的应用价值．笔者提出一种人脸检测定位算法，对图像进行归一化和均衡化，减小检测范围，然后用Haar—like矩形特征形成弱分类器，结合AdaBoost学习算法将多个弱分类器组合成强分类器，对人脸图像进行检测定位．实验结果证明该方法可以有效地降低误检率，提高检测的准确性．

n阶Fredholm积分-微分方程的有理Haar小波解法

一阶积分-微分方程是我们求解积分微分方程时常见的一类方程,其求解方法比较简单;而在实际问题中我们常常会遇到高阶积分-微分方程的求解,求其数值解相对比较困难。作者利用有理Haar小波的积分法和积分算子矩阵对一般的n阶Fredholm积分-微分方程进行了求解。最后给出的数值算例表明了该方法的有效性。

基于HOG和Haar特征的行人追踪算法研究

行人在真实场景的检测和追踪是多目标检测和追踪研究中的一个重要问题,尤其是在真实的三维场景中的多行人之间的遮挡、拥挤以及背景的变化对多目标检测和追踪研究造成了严重的挑战。在多目标检测中利用了Haar特征、HOG特征,在行人正面向相机运动时,采用Haar特征检测器检测人脸,并结合Haar运动模型完成行人的检测,当行人侧向运动时,采用HOG特征,利用层次-部分模型进行行人的检测和追踪,在完成行人的检测之后,利用最大权重独立集合算法完成帧间目标的关联。通过对ETH、TUD以及本地样本库的检测和追踪结果表明,采用Haar特征和HOG特征的检测算法对于行人的正面和侧面都具有较高的检测准确率、精确度。

基于曲率度量耦合仿射制约策略的图像复制-粘贴篡改检测算法

针对当前较多图像复制-粘贴篡改检测算法主要依靠对特征点间的距离进行度量来完成特征匹配,忽略了特征点间的仿射关系,使其在几何变换条件下的篡改检测检测正确性不高的问题,将特征点间的仿射关系引入到特征匹配过程中,提出基于曲率度量耦合仿射制约策略的图像复制-粘贴篡改检测算法。该算法主要是通过像素点曲率和特征点仿射关系来完成图像复制-粘贴篡改检测。首先,采用Sobel边缘检测方法提取图像的边缘轮廓,通过计算边缘轮廓上像素点的曲率值来获取图像特征。然后,通过计算特征点邻域中的Haar小波值,生成特征向量。利用特征向量构造特征点间的仿射关系模型,计算特征点间的仿射关系值,用于建立仿射制约策略,完成特征匹配。最后,借助于SURF算法完成特征点的集群,对复制-粘贴篡改区域进行定位,获取检测结果。实验结果显示,较当前的复制-粘贴篡改检测方法而言,所提算法具有更高的检测正确性与鲁棒性,能够更好地适应缩放、旋转等伪造内容的检测。

C双代数上的Haar测度

采用法国数学家Baaj和Skandalis引进的算子语言讨论了C 双代数A中的Haar测度的存在性.本文首先通过考察这样算子的性质和刻画赋范线性空间中连续线性算子的像集的性质,证明了C 双代数A中的一个平均遍历定理,得到了C 双代数A中的线性泛函是Haar测度的充分必要条件;利用遍历定理和这个充分必要条件探讨了C 双代数中Haar测度存在的一些充分条件.

一个基于Adaboost的快速人脸检测系统的实现

人脸检测技术作为计算机视觉和模式识别领域中的一个重要课题,具有很高的学术研究价值和商业应用价值。本文使用Adaboost算法训练了一个分类器,并且实现了一个快速人脸检测系统。从一个特征库中选择少量关键的类Haar特征产生一个高效的强分类器,再使用cascade方法将强分类器构成一个更为复杂的级联分类器。采用放大检测窗口的方法获得图像的待检测子窗口,比传统的金字塔法减少了很多计算量。实验证明该系统能够快速准确地在一幅图片中检测出人脸。

基于OpenMV辅助进食机械手人脸检测算法研究

针对手脚不便的老人或者上体截肢的特殊人群用餐问题,提出了基于机器视觉的辅助进食机械手设计方案。针对系统的设计需求,分析了基于Haar特征Adaboost人脸检测分类器的组织结构以及检测原理,结合基于视觉的目标追踪比例-积分-微分(PID)控制算法,利用其响应快鲁棒性强等特点,有效实现人脸移动的追踪要求。最后通过辅助进食调试,机械手能够完成对人脸的检测和辅助进食工作,达到了预期的控制效果。