一种基于Haar小波变换的彩色图像人脸检测方法

本文提出了一种基于Haar小波变换的彩色图像人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;利用Adaboost算法训练出的基于Haar小波变换的检测器对该区域进行人脸检测;建立眼睛颜色模型,并根据眼睛!嘴在不同分量上的分布特征,将它们从人脸区域中提取出来;最后融合眼睛!嘴候选区域的信息,利用特征不变的方法进行眼睛和嘴的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼!嘴的位置。

采用Haar小波与Gabor小波特征的级联式人脸检测方法

研究Gabor小波的构造及其特点,将其与AdaBoost算法相结合,优化原算法的性能.提取的Gabor特征对应到指定滤波器的指定采样点上,只需取这些指定采样点的一个领域内的图像与指定滤波器进行卷积,而不需要将整个图像与整个滤波器组进行卷积,可大大降低计算量提高运算速度.最后,通过算法对特征进行筛选,得到迭代误差率较低的特征来构建强分类器.

基于Haar特征级联强分类器和肤色模型的人脸检测

提出了基于Haar特征级联强分类器和肤色模型校验的快速人脸检测算法。利用基于人脸Haar特征的级联强分类器快速检测人脸,得到待判人脸区域,其中可能含有非人脸误检区域;利用肤色聚类模型对待判人脸区域进行筛选,过滤误检的非人脸区域。实验结果表明,该算法误检率低,检测速度快,在实际应用中有一定的价值。

基于Haar-like和肤色特征的驾驶员脸部检测融合算法

对驾驶员面部疲劳状态进行视觉监测的前提是脸部区域的准确、快速检测。采用改进的基于Haar-like特征的人脸检测算法检测出可能存在的初始人脸区域,然后适当扩大初始人脸区域范围,并在此基础上利用肤色特征和区域连通算法在YCbCr和rgb颜色空间上对人脸区域进行二次定位,最后根据定义的脸部区域重合度和人脸几何特征,实现脸部区域的融合检测。实验结果验证了该算法的准确性和可靠性。

融合多通道信息的二维人脸识别

为充分提取人脸图像信息,进一步提高人脸识别效率,提出了一种融合图像多通道信息的二维人脸识别方法.该方法利用Haar小波变换将人脸图像变换到频率域,并获得图像4个频率域的信息;对每个频率域的图像,通过局部二值模式(LBP)进行统计编码,并提出基于HaarLBP直方图序列的人脸图像表征方法;提出2种直方图序列的匹配算法,并通过分析各个频域图像信息对识别的贡献率,进一步融合4通道图像信息进行人脸识别.在ORL和Yale人脸库上的实验结果证明,提出的识别方法对于人脸姿态、表情和光照变化有一定的鲁棒性.

多信息融合的实时人脸检测算法

提出一种综合使用灰度、梯度和肤色信息的实时人脸检测方法,使用类Haar特征描述人脸模式的灰度差、梯度差和肤色差,构造相应的特征集．用AdaBoost算法从特征集中学习区分人脸与非人脸模式的有效规则,构成人脸检测级联分类器．实验表明,综合使用多信息的人脸检测器性能,比单独使用灰度信息的检测器有显著的提高．