基于光照分类的可变光照下人脸识别方法

针对人脸识别中的光照变化问题,借鉴"分而治之"的思想,提出通过光照分类来提高不同光照情况下人脸的识别率。根据人脸图像灰度随光照变化的分布特点,将图像划分为三类:无偏光类、左偏光类和右偏光类,分别在不同的光照子集中对人脸图像进行处理与识别,并在YALEB人脸库上完成实验验证。结果表明,该方法不需要进行光照归一化处理,有效减弱了光照不均匀对人脸识别的影响,在提高识别率的同时降低了运算量,识别率可从未分类前的86.7%提高到99.6%,对于可变光照下的人脸识别有一定的应用前景。

一种基于光照方向估计的人脸识别方法

针对不同光照条件下的人脸识别率较低,尤其是在极端光照条件下识别率急剧下降的问题,提出了一种基于垂直积分投影和高光区域处理的光照方向估计方法。利用该方法,可以根据估计的光照方向对不同的光照条件下的图像进行分类。经过分类后,将每个光照类别对应一个投影子空间,然后将分好类的图像分别投影到各自的子空间进行识别,以提高识别效果。最后在YaleB人脸数据库上进行实验,实验结果表明该方法可有效地提高在不同光照条件下的人脸识别率。

基于面部信息的挖掘机驾驶员疲劳特征提取

针对挖掘机驾驶员疲劳驾驶导致操作事故问题,文章提出一种基于面部信息的挖掘机驾驶员疲劳特征提取方法。首先采用基于AdaBoost算法对人脸和眼部区域进行定位,根据“三庭五眼”的脸部特征定位嘴部;其次用大津法二值化眼部图像,并根据其垂直积分投影判断眼睛状态;最后采用基于Canny的嘴部边缘检测方法获取嘴部似圆度判断嘴部状态。实验表明,该文提出的方法能准确获取驾驶员闭眼和打哈欠的次数,疲劳特征为后续疲劳检测提供了依据。