融合人脸轮廓和区域信息改进人脸检测

基于人脸轮廓信息和面部区域信息的互补性 ,提出了一种新颖的基于融合算法的轮廓 区域人脸检测器 :采用一种新的特征提取方法有效地刻画人脸轮廓模式 ;基于支持向量机分别训练人脸轮廓分类器和面部区域分类器 ;基于最小错误率Bayes决策规则融合人脸轮廓和面部区域分类器 .该文分别在标准头部图像库、BioID人脸图像库 (灰度人脸图像库 )和彩色人脸图像库上测试了轮廓 区域人脸检测器 .大量的实验结果表明了所提出的轮廓 区域人脸检测器通过引入轮廓信息有效地提高了人脸检测算法的精度 .

基于ASM的人脸检测

针对煤矿井下复杂环境中的人脸检测,研究了基于主动形状模型的ASM算法。算法结合人脸面部几何参数,经平移、伸缩、旋转等,调整人脸在整体图像中的位置,经过学习训练集中的局部形变,建立了脸部线性形状模型和块模型。该算法较好地解决了煤矿考勤系统中井下人员人脸检测和跟踪问题。

针对二分支神经网络匹配的人脸检测算法研究

在尺度、遮挡等因素的影响下,人脸检测算法速度和精度不匹配进而表现出检测性能差等系列缺点,采用融入模板匹配思想的神经网络检测器算法解决这一不足,提出了二分支神经网络匹配的人脸检测算法。以此得到检测速度与精度相匹配的改进方法。首先根据五官位置关系构建人脸模板框架并设置一定的阈值;其次依据构建的模板和锚策略对不同尺度人脸的鲁棒性,在DSFD人脸检测器的特征增强模块层中实现对样本数据中人脸区域的提取及标记;最后依据提取、标记的人脸区域与构建的模板进行相关性匹配。改进算法在Face Detection Data Set and Benchmark、FDDB、WIDER FACE人脸数据集的实验结果表明,在提升检测速度的同时保证算法的精度,相比几类相近算法,该算法的优势更加明显。

基于模糊集理论的人脸检测

分析了模糊集理论运用于人脸检测的可行性,采用Haar矩形特征和隶属度函数对样本集进行训练,运用特征集的熵和AdaBoost算法选取适当的弱分类器,并构建了分发型人脸检测器。检测时,对于不像人脸的子窗口通过靠前的结构简单的强分类器快速将其淘汰掉;对于像人脸的子窗口,根据其与人脸的相似程度,由分发器动态地选择后面的强分类器进行判定。在MIT+CMU的正面人脸图片集中进行了测试,实验结果表明,此检测器在检测性能降低不大的情况下,可以有效地提高检测效率。

基于轻量级卷积神经网络的人脸检测算法

针对人脸检测在移动端应用时面临的移动设备计算能力及存储资源受限等问题,设计一种基于轻量级卷积神经网络的改进人脸检测算法Lightweight-SSH。基于单点无头人脸检测器(SSH)人脸检测算法,采用基于MobileNet的轻量级卷积神经网络对样本数据进行特征提取,减少模型的参数量和计算量,通过在SSH网络的检测模块中引入可变形卷积层,提升卷积神经网络对人脸形变的建模能力。在Wider Face数据集上的实验结果表明,与常用人脸检测算法相比,Lightweight-SSH算法在保证检测精度的前提下,明显降低模型复杂度,并提高了模型检测速度。

遮挡条件下实时人脸检测

针对遮挡条件下人脸检测召回率不高和训练样本不足的问题,提出了一种数据增强的方法。计算训练样本的平均脸图像,对样本进行手动遮挡处理;使用平均脸策略和图像分割理论对遮挡区域进行分割和处理,获得类似于自然环境下的遮挡样本;使用处理后的样本训练Ada Boost人脸检测器。实验结果表明:通过该方法训练的人脸检测器能够有效地提高遮挡条件下的人脸召回率,同时可以达到实时检测的效果。

耳朵信息对侧脸检测的影响研究

如何准确地检测和定位图像中的人脸是人脸检测领域的关键问题.为了进一步提高人脸检测器的性能,常见的方法是增加训练数据集或采用更鲁棒的人脸特征表示,而训练人脸检测器的一个基础工作是:为训练图像中的人脸标注边界框.但标注的人脸边界框是否应该包含耳朵信息,以及对训练出的侧脸检测器性能的影响尚未被研究.本文的实验结果表明:在侧脸数据集上训练人脸检测器时,如果人脸边界框包含耳朵信息,基于DPM(Deformable Parts Model)方法训练得到的侧脸检测器使侧脸检测的准确率降低1.9%,召回率提高6.3%.而基于Viola&Jones和Fast R-CNN方法训练得到的侧脸检测器使准确率分别提高6.8%和4.4%,召回率分别提高14.9%和12.9%.这说明包含耳朵信息训练出的侧脸检测模型,有助于提高侧脸检测率.

基于PERCLOS的列车司机疲劳检测设计与实现

列车司机长期处于精神高度集中、工作强度较大的工作状态,容易产生生理和心理上的疲劳。本文通过Raspberry PI摄像头对列车司机疲劳状态进行采集,对采集的视频流进行人脸定位和面部特征点的提取,对该列车司机眼睛、嘴巴数据进行分析,结合PERCLOS标准判定列车司机是否疲劳,在GUI界面显示检测结果。

Face Detection Technology Based on Robot Vision

One being developed automatic sweep robot, need to estimate if anyone is on a certain range of road ahead then automatically adjust running speed, in order to ensure work efficiency and operation safety. This paper proposed a method using face detection to predict the data of image sensor. The experimental results show that, the proposed algorithm is practical and reliable, and good outcome have been achieved in the application of instruction robot.