基于特征人脸和肤色统计的人脸检测

提出一种在视频中检测人脸的新方法,该方法首先用特征人脸检测第一帧画面中人脸的位置和大小,将它作为卡尔曼(Kalman)滤波的初始值和肤色分布统计的训练样本,然后利用卡尔曼滤波预测人脸,最后用肤色分布模型确定人脸,就可以检测到人脸。这种方法的优点是可以在复杂背景下快速准确地检测到人脸位置和大小。实验结果表明使用该方法可以实时准确地检测到视频中的人脸。

AdaBoost算法在街景图像数据隐私保护中的应用

针对街景图像数据提出一种图像数据隐私保护技术,研究了基于Ada Boost的人脸检测技术,针对街景图特点,引入肤色检测和眼睛定位技术来提高街景图像的检测速度和精确程度。同时,研究了基于Ada Boost的车牌检测技术,并结合街景图中车辆位置与车牌颜色特征来提高检测的精确程度。最后讨论了对人脸与车牌视觉内容的保护技术。

基于ARM的多层级联快速人脸检测方法

在目标检测领域中滑动窗口范式至今仍被广泛的采用,非滑动窗口式的检测方法本质上仍然没有摆脱对图像进行密集扫描的过程,这使得整个检测过程产生巨大的时间开销。合理地减小图像扫描区域的大小,可以有效地缩短检测过程所耗费的时间。兼顾人脸检测速度以及精度,提出了基于肤色过滤的多层级联快速人脸检测算法:先利用肤色检测快速搜索图像中的肤色区域,然后筛选分割后将区域送入人脸检测级联模型由粗到精进行多层级并行化的人脸检测。经过实验测试,该方法达到了兼顾准确率的同时缩减人脸检测处理时间的目的,在ARM上取得了预期的效果。

基于彩色和局部特征信息的人脸检测

人脸检测的研究近年来日益受到了广泛的重视,基于计算机的自动人脸识别系统仍面临着种种困难,特别是针对复杂背景中的人脸检测问题.在充分分析人脸图像的特征的基础上,提出将多项图像分析技术结合应用来构造多层次的检测方法,实现人脸图像自动.实验结果表明,该方法能够达到84%以上的准确率,其中直接从包含人脸像的图像值检测出人脸的效率高达76%,对具有较高的实用性和应用价值.