使用半边脸训练集的快速人脸检测方法

Viola和Jones提出的基于Boosted Cascade人脸检测方法具有速度快的优点,能够满足实时检测的要求.然而,由于Vio-la的方法采用的是完整的正面人脸作为训练集,所以在检测时对人脸的对称性要求很高.如果这种对称性因为光照、遮挡、旋转的原因而被破坏时,原方法的准确性就会降低.本文针对这一问题提出基于半边脸训练集的改进方案(即只用人脸的左半边或者右半边脸作为训练集),并分析了其可行性.实验结果表明,该方案在一定程度上解决了上述问题.

半边人脸识别方法

针对光线变化对人脸的正确识别的影响,提出一种半边人脸识别方法。该方法把训练集的人脸图片分为左右两个部分,经过亮度补偿后分别训练左右脸的特征提取器,提取训练集中左右半边脸的特征。计算待识别图片左右半边脸的熵,选取熵较大的半边脸及对应的特征提取器,经过亮度补偿后提取该半边脸的特征,并根据提取的特征进行归类。实验结果表明,对光线有变化的人脸,该方法比用全脸识别具有更好的识别率和识别速度。

半边脸流汗为什么

问：女，55岁，平常流汗只有半边脸出汗，是什么原因？

一种基于人脸对称性的人脸图像生成方法

生成虚拟人脸样本是提高小样本人脸识别性能的一个重要方式。但是虚拟人脸样本可能存在的失真、降低识别精度。为了克服这一缺点,本文提出了一种局部近似对称人脸图像生成方法。我们用虚拟的半边脸以取代原始的半边脸,合成一张人脸。该方法既利用虚拟人脸,又利用原始人脸生成基于对称性的合成人脸。因此,合成的面部接近于原来的面部。实验结果表明,该方法提高了人脸识别的准确率。