基于HSV和MB_LBP特征的级联Adaboost车牌检测算法

车牌检测作为车牌识别系统中的重要环节,直接影响着车牌识别的准确度.为提高车牌的检测率和检测速度,提出了一种基于HSV颜色模型和多分块局部二值模式(MB_LBP)特征的级联Adaboost车牌检测方法.首先将车牌图像由RGB颜色空间转换到HSV颜色空间,统计蓝色像素占车牌总像素的比例,来构建第一层强分类器;其次对车牌字符样本提取MB_LBP特征,利用Adaboost分类器训练方法进行特征选择及分类器训练,最后利用Cascade结构检测法形成一种新的车牌检测算法.实验表明,本文算法有效的提高了车牌检测率和检测速度.

基于非下采样Contourlet变换和MB_LBP直方图的掌纹检测

结合NSCT分解的多尺度、多方向性、各向异性、平移不变性以及MB_LBP算法的局部特征提取、旋转灰度不变性等优势,提出一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和多块分区局部二进制模式MB_LBP(Multi-Block Local Binary Patterns)相结合的掌纹检测方法。该方法首先采用NSCT算法对预处理过的掌纹图像进行多尺度、多方向稀疏分解;其次,利用MB3-LBP8,2算子分别提取低频子图及各高频子图分块子区域的MB_LBP直方图特征向量并级联;最后,采用AdaBoost算法测试(NSCT+MB_LBP)的检测性能。仿真结果表明,与(Contourlet+MB_LBP)、(2D-EMD+ICAⅡ)、(Contourlet+NMF)以及单独的MB_LBP相比,该方法能更有效地提取掌纹特征,检测率更高。

基于分块彩色MB_LBP纹理的人脸反欺诈算法

当用户的脸部图片或视频被窃取,试图通过生物识别系统认证时,会出现欺诈攻击.为了保障用户信息安全,针对视频和图片攻击,文中提出一种基于分块彩色MB_LBP(multi-block local binary pattern)纹理的人脸反欺诈算法,将Lab彩色空间中提取的MB_LBP特征分为多个小块,然后将每个小块中的直方图特征级联起来形成表示脸部图片的特征向量.在CASIA和NUAA数据库上的实验结果表明,文中算法与现有的人脸反欺诈算法相比具有一定优越性,甚至在NUAA数据库中其真负率达到了100%.

基于MB_LBP与改进Fast PCA算法的人脸特征提取

针对MB_LBP算法对人脸特征提取维数较高,使用PCA方法会造成图像原始空间结构破坏和维数变得过大等问题,提出一种基于多块LBP(Multi-scale Block Local Binary Patterns,MB_LBP),结合改进的Fast PCA算法进行人脸特征提取的方案。首先用MB_LBP算法提取人脸图像的特征,接着用本文所改进Fast PCA方法加速计算矩阵S非零本征值所对应的本征向量,对人脸特征进行降维,最后在ORL人脸库进行验证。实验表明,该方法对后期人脸特征提取效果优于改进前的效果,很大程度上降低了提取时间,效果明显。

基于MB_LBP旋转不变特征的AdaBoost人脸检测算法研究

传统的基于Haar特征的AdaBoost人脸检测算法,由于Haar特征数量过多,导致训练时间过久,而且不能快速检测出人脸。针对这一问题,本文提出一种基于多块局部二值模式(Multi-block Local Binary Pattern,MB_LBP)特征的AdaBoost人脸检测算法,这种MB_LBP特征结合了旋转不变局部二值模式(Local Binary Patterns,LBP)描述符,表达能力更强,特征数量更少.仿真结果表明,在训练时间大幅缩减的同时,使用MB_LBP特征时可以达到Haar特征的检测效果,且检测速度大大提高.

基于MB_LBP和PCA算法的人脸识别研究

本文通过分析LBP算法和PCA算法各自的优缺点,针对人脸识别领域,结合了MB_LBP算法提取人脸图像的局部特征和PCA能够对人脸特征进行降维的优点,提出了MB_LBP+PCA的人脸识别算法。人脸图像首先经过MB_LBP处理,然后用PCA算法对人脸特征降维,最后用SVM进行人脸特征分类与识别。在ORL人脸库上进行了测试验证,实验结果表明,MB_LBP+PCA算法与传统的PCA算法相比,识别率提高了13%以上。

针对弹载平台红外小目标的检测与跟踪算法

为了提高对红外小目标检测与跟踪的精度与速度,设计了一种针对红外小目标的单目标检测与跟踪算法,包含一个基于MB_LBP+AdaBoost与管道滤波器的目标检测模块,和一个有跟踪失败监测机制的基于模板匹配的多尺度跟踪模块。经过测试,该算法对边长11~31像素大小的指定类型的红外小目标取得了较好的检测效果,目标跟踪模块对于目标的尺度变化,快速运动,遮挡有较高的鲁棒性,算法中的跟踪失败监测机制在检测到跟踪异常的情况下能重新调用目标检测算法找回目标,经过测试对比,本方法跟踪的精度和速度综合优于主流跟踪算法,并且能够在弹载平台上实时运行。

基于OpenCV的实时人脸检测算法研究

为了解决传统基于Open CV的人脸检测算法的训练时间和检测时间过长的问题,采用MB_LBP特征代替Haar特征进行提取人脸图像特征并构成人脸检测分类器,并采用图像金字塔法来减少待测图像的数据量和动态肤色提取来限定分类器滑动窗口的滑动范围。实验结果证明,训练分类器时间大大减少,人脸检测的正确率也得到提高,可以达到实时人脸检测。