固定场景中基于肤色信息的人脸检测

给出了一种用于固定场景的快速人脸检测方法。在背景差的情况下,利用SHEN滤波进行二值图像并提取出运动目标区域,基于肤色聚类模型对运动目标子图像进行肤色分割,结合椭圆模板检测出人脸区域,进行人脸定位。实验数据表明,该方法对固定场景中的人脸检测具有较好的鲁棒性,对姿态、表情、年龄都有较强的适应性,并具有一定的实时性。

基于下肢轮廓特征的步态周期算法

步态周期是步态的一个重要特征,步态识别是建立在准确的步态周期分割之上的。本文提出了一个基于下肢轮廓的步态周期检测方法,首先对步态序列图像进行灰度化,然后计算各像素点在步态图像序列中的中值,获取整个步态序列图像的背景,提取人体目标后,利用数学形态学方法和区域跟踪算法填补二值化图像中的空洞;采用轮廓跟踪算法获得人体下肢轮廓,并将其转换为对应距离向量,在一个步态系列中利用距离向量范数研究步态周期。本算法计复杂度低,鲁棒性好,精确度高。

基于视频的正面步态周期检测方法

步态周期是步态的一个重要特征。本文提出了一个新的步态周期检测方法,首先对视频中的单帧图像进行灰度变换,然后计算各像素点在逐帧中的中值,以此作为整个序列图像的背景,用背景减除法提取人体目标,利用数学形态学方法和区域跟踪算法填补二值图像中的空洞,然后利用下肢摆动的面积变化来计算步态周期。本方法计算量小,精确度高,抗干扰性强,对步态的周期检测十分有效。