基于局部梯度算子的嘴部检测与定位

针对人脸识别中的特征提取问题,本文提出了一种由粗到精快速准确的嘴部自动检测和定位方法。该方法首先通过Adaboost算法检测出人脸图像大致的嘴部区域,缩小了后续定位的搜索范围;采用局部梯度算子提取嘴部轮廓,通过Ostu阈值法对提取的轮廓进行二值化处理,根据链码跟踪最终确定左右嘴角的精确位置。实验结果表明,该方法自动检测和定位嘴部快速准确,对表情和姿态的影响具有比较高的鲁棒性,有助于提高人脸识别算法的识别率。

一种新的人脸归一化算法

提出了一种基于改进的局部梯度算子进行嘴角定位、同时结合双眼位置进行人脸归一化的新方法.该方法首先通过Adaboost算法检测出人脸图像、眼睛和嘴部区域大致位置,然后采用灰度积分投影法精确定位两眼位置,并根据改进的局部梯度算子提取嘴部轮廓,最终依据两眼与嘴角的精确位置对人脸进行旋转和双向尺寸缩放处理.实验结果表明,该算法对特征点定位准确,能够更加精确地对人脸进行归一化处理.

应用于中医面诊的人脸区域分割方法

面诊是中医四诊之一,在中医面诊时通常将人脸区域分成5个部分,每个部分对应于不同的人体内脏部位,内脏的病变表现为人脸对应区域的颜色变化。实现了一种简单快速的人脸区域分割方法,首先用Gabor小波变换定位人眼,将AdaBoost和唇色模型相结合定位嘴角,然后根据先验知识确定内眉点位置,用提取轮廓算法确定人脸边界,从而实现人脸区域的自动分割。通过对样本图片的测试,实验结果表明该方法可以满足面诊实时分割人脸区域的需求。

基于唇部视觉特征的语言分类识别研究

在人机交互中,通过语言传递信息是最为方便和有效的方式之一。传统的基于音频的语音识别在噪声环境中或复杂背景下,识别性能会急剧下降。与音频相对应的嘴唇运动的图像序列包含有丰富且可挖掘的话语内容信息。本文通过对人脸图像中嘴唇区域的精确分割,进而提取讲话者唇部的视觉特性,最后通过对所提取的特征进行分类,实现了语言分类和识别,并对一些相关的算法和技术进行综合和改进,使得语言分类识别系统性能更加优越。