基于NiosⅡ软核的人脸目标实时跟踪系统

提出采用低功耗芯片EP3C40为核心,结合Nios Ⅱ软核处理器的高处理性能,实现人脸视频信号采集与跟踪,并将相关检测跟踪算法移植于Nios Ⅱ处理器协同工作的方式实现整体系统的工作。实验结果表明,在环境微弱变化以及人脸不同姿态下,系统都能检测并准确跟踪,同时硬件可重构能力强,算法简单、快速、鲁棒性强。

基于虹软算法的多人脸目标识别系统实现

为实现多人脸目标的识别,使用FileWatcher监测文件夹下新生成的图片,从这些新的图片中,利用改进后的虹软算法实现人脸检测,再提取其人脸特征值,最后与注册过的人脸特征值进行对比。该系统采用.Net Frame框架,简化了原demo中对识别没有帮助的数据处理程序,纠正了代码中导致内存泄漏的函数,实现了多线程并发的多目标识别。

基于ReinaFace的公交车客流量统计方法

针对公交车客流量的统计,提出了一种基于Retina Face的人脸识别统计方法。通过对人脸框位置与人脸框个数的统计,来准确输出汇总公交车每日的人数,从而统计整体客流。该算法设计的系统在统计人脸精确度方面达到了99.3%,对人脸识别统计计数上有良好的表现。

脸眼协同检测算法在广告推荐系统中的应用

在使用人脸检测识别的广告推荐场景中目标用户是正在注视广告屏幕的用户,因此在做广告推荐时需要在检测人脸的同时检测两只眼睛,确保检测抓取的人脸是正对广告设备的人脸。现有的人脸检测加人脸姿态评估算法对硬件资源消耗过大,在低成本硬件上无法保证业务的运行效果,所以该文首先对主流检测器进行全面的比较分析,然后提出了一种基于优化后SSD算法的人脸和双眼协同检测器,可以同时检测人脸和眼睛,并根据人脸和眼睛的位置判断它们是否属于广告推荐对象。该方法增加了人脸和眼睛的位置信息,增加了特征图的大小,并增加了三个卷积层,以获得小目标的低层特征。预测层的数量也被扩展以增加预测的可能性。同时,该方法在实验比较和真实场景试验中均显示出良好的效果。