基于多特征协同的人头检测新方法

针对现有人头检测算法需提前设置模板参数问题,提出了一种基于多特征协同的人头检测新方法.该方法使用发色与自适应轮廓双重特征对人头部实现检测,提高计算速度的同时保证检测的正确率.算法以YCbCr彩色空间实现目标发色表示,根据发色模板对候选区域进行分割并提取特征,建立自适应轮廓模板,并引入梯度幅值和方向信息,对图像噪声有很强的抑制能力.实例实验结果表明,与传统检测算法比较,本文方法目标检测时间更短,且目标识别率更高.

基于几何约束的人脸检测研究

提出并实现了一种新的基于颜色空间的人脸检测算法;在充分考虑人脸与头发的颜色特征与几何关系的基础上,给出了一种用于人脸和头发表达的几何模型,在对肤色区域和头发区域分别进行检测后,根据不同区域之间的几何关系,通过几何约束对人脸和头发可能存在的区域进行特征判别。对不同姿态的人脸进行检测的结果表明了算法的可行性和鲁棒性。

基于头发模型和人脸检测的运动人体识别算法

提出一种多方位运动人体识别算法,首先利用混合高斯模型检测出运动物体,对检测出的运动区域利用线形变换后的YCbCr颜色空间建立头发模型,对侧面和背面人体进行识别,正面人体采用Adaboost人脸检测算法进行识别,实验结果表明该算法能识别出运动人体。

较强光照下肤色结合发色检测人脸的方法研究

研究了基于不同颜色空间的人脸检测算法,并在此基础上针对较强光照条件下或肤色与背景色比较接近时检测算法可能会将人脸检测为背景的情况,提出了一种新的基于肤色和发色的人脸检测自适应算法。实验结果表明,即使在较强光照条件下或肤色与背景比较接近时,该算法一样能准确地检测到正面或略有倾斜的人脸。

局部二次加权与多特征融合的行人检测算法

针对复杂背景下采用单一特征进行行人检测时的局限性,提出了一种融合多种特征并运用模板弹性模型与局部二次加权的算法,将梯度直方图(HOG)、肤色、发色与曲率有效融合,建立了适用行人检测的各特征模型。第一级采用改进HOG特征结合模板弹性模型利用SVM分类器初次检测;第二级提取局部模板感兴趣区域(ROI)进行头部肤色、发色与腿部曲率检测。实验表明,该算法弥补了单一特征的不足,有效检测了行人整体与局部关键特征,提高了识别性能。

基于自适应mean shift算法的多人头检测

基于均值偏移(mean shift)分割算法需人工进行带宽选择和耗时长问题,本文利用直方图密度估计与真实密度之间局部协方差最小来进行自动带宽计算方法。将该方法应用于彩色图像多人头的检测中,可以有效克服因发色模型检测出现的漏检现象,该方法首先利用mean shift自动分割图像,然后利用图像的灰值形态学来增强发色的灰度特性后进行二值化,在此基础上,采用二值形态学的膨胀腐蚀算法进行预处理,从而得到若干个候选区域最后利用轮廓的几何特征综合判断这些区域是否为人头。实验结果表明:自适应带宽的mean shift算法可快速完成,并具有较好的分割,该方法显示了良好的适用性,在检测目标发色出现白发和染色情况下,不会造成漏检,克服了发色模型检测的缺陷。