基于运动区域Viola-Jones算法的视频人脸检测

为了进一步提高人脸检测的准确率,本文采用一种基于运动区域的检测方法,该方法主要通过采用帧差法和自适应的滑动平均法相结合的算法,建立提取运动区域的模型,然后通过基于Boxfilter算法的Viola-Jones进行快速人脸检测。自适应的滑动平均法是通过检测光照突变和像素点来实现阈值和更新率的自适应更新,该法提取的前景与帧差法提取的前景进行"与运算"。实验结果表明,该方法可以有效地提取运动区域,从而使人脸检测性能得到进一步的提高,具有一定的应用价值。

基于Viola-Jones框架人脸检测算法的汽车疲劳驾驶检测

疲劳驾驶导致汽车交通事故逐年增加,为了提升驾车的安全性,需对驾驶员疲劳状态实时监测并及时提醒.为了提高疲劳驾驶判断效率及准确率,本文运用Viola-Jones框架特征矩阵进行人脸预判断;预判断过程中为了减少Haar值计算量并提高人脸识别速度,采用Adaboost算法和级联分析,剔除非人脸的Haar特征值,实现快速人脸识别;根据色彩空间转化实现眼部分割处理,根据PERCLOS值评估驾驶员是否处于疲劳状态并提前予以警示;通过MATLAB仿真软件实现疲劳驾驶检测算法的仿真分析.在多个样本的测试过程中,该方法有效识别出人脸,并能够准确监测驾驶员的疲劳状态.

一种基于Viola-Jones的改进人脸定位算法

Viola-Jones算法能快速定位人脸,但该算法存在对有偏角的人脸出现漏检和对周围环境非人脸区域出现误检的情况。针对该问题,提出一种基于Viola-Jones的改进人脸定位算法。首先将图像中检测到的人脸像素区域排除,再对剩下未被检测出的区域转为YCrCr模式,设定阈值排除大部分环境中非肤色像素的干扰初步筛选出候选人脸区域,再利用形态学方法进一步排除身体其他部位肤色的干扰和环境中近似人脸像素的背景色干扰并对筛选出的区域进行左角度矫正调整和右角度矫正调整,重新检测,准确定位出人脸位置。通过在标准人脸检测库Faces、IMM和AFW上进行实验,结果表明,该算法能有效提高人脸定位的准确性,较原算法在Faces测试库中正确检测率提高5%,在AFW测试库中正确检测率提高9%。

基于Viola-Jones算法的实时人物表情动画的制作

结合计算机图像制作技术,人物表情动画制作有了更先进的方式。本次采用Viola-Jones算法对人脸表情进行实验检测,根据算法实验结果提出表情动画制作的最佳方式。

基于Viola-Jones方法的探地雷达管线目标识别

在城市地下管线的探测上,辨别探地雷达图像中的双曲线特征是管线探测的关键,但是实际情况中,城市的地下管线数量众多,专业人员短缺,自动化的探测识别手段的开发变得十分迫切。针对这一现状,对基于Viola-Jones方法的探地雷达目标识别手段进行了研究。在预处理过程中运用BMS(Background matrix subtraction)的方法生成背景矩阵,去除横向杂波干扰,然后采用Viola-Jones物体检测框架初步获取目标区域,最后使用C3(Column Connection Cluster)算法对目标区域二值化分割并筛选双曲线目标,得到的双曲线聚类,可用于管线的管径、深度获取。

SURF中快速求取积分图像的直接替换算法

SURF通常采用的积分图像求取算法存在内存消耗大、时间花费多的问题。文中以降低内存消耗和时间花费为目的,分别对两种求取积分图像的Viola算法和Lewis算法进行改进,并结合SURF算法只基于积分图像计算而不使用原图像的特点,提出了两种只占用一个图像空间的直接替换算法。经实验分析与结果验证,这两种直接替换算法在执行时不仅大大降低了内存消耗,而且其时间花费均明显少于Viola和Lewis算法。

改进的模拟退火算法在L—J问题中的应用

针对高维连续函数的全局优化问题，笔者将两种确定性局部极小化过程分别引入到模拟退火算法当中，并将该算法应用到Lennard—Jones簇问题中．通过结果比较说明该算法可以提高计算的精度和成功率，并且Hooke—Jeaves方法在处理复杂的函数问题时比单纯形法有效．

基于改进粒子群优化算法的氩原子团簇结构优化

采用改进粒子群优化算法(IPSO)结合Lennard-Jones势对氩原子团簇结构进行优化,得到了氩原子团簇的稳态结构能量.以氩原子团簇Ar_n(n=2～14)为例,验证了该方法的有效性.结果表明,应用本文提出的方法可得到对称性良好的团簇结构.与基本粒子群优化算法(BPSO)及遗传算法(GA)相比,改进粒子群优化算法具有更好的收敛特性,能较快地得到氩原子团簇结构的最优解.

基于Lucas-Kanada光流法的人眼特征点实时跟踪方法

为更好地实现运动目标的检测跟踪,给出一种基于Viola-Jones特征点检测、亚像素角点提取与LucasKanade光流法跟踪相结合的人眼特征点实时跟踪方法。利用Viola-Jones算法检测出人眼区域,使用Harris角点算法在目标区域中提取亚像素级人眼特征点并引入筛选机制,从而在保证跟踪精度的同时减少运算量,采用金字塔分层机制的Lucas-Kanada光流法对运动的人眼特征点位置进行估计。该机制具有可切换的搜索窗口特点,兼顾了对大尺度高速度运动目标的跟踪。实验结果表明,该方法在保证算法实时性的同时明显提高了人眼特征点跟踪精度,并且能够保证快速及大尺度运动时的系统鲁棒性。

服务机器人手势识别系统研究

为了解决手势控制服务机器人时单手手势交互不够自然和易受背景光照影响的问题,提出一种较自然的双手手势识别方案。利用Viola-Jones检测器和高斯肤色模型结合的方法进行手势分割,有效克服了背景和光照的影响。针对单一特征识别时的缺点,提取手势形状的多种特征组成混合特征向量。最后通过经典的BP神经网络方法实现手势识别。实验表明,该系统在不同背景和光照条件下鲁棒性较好,识别率在90%以上,可以对服务机器人进行前进、后退、左转、右转、停止的实时控制。

基于人眼识别的防疲劳驾驶系统设计与研究

为了避免日常生活中因疲劳造成的交通事故,利用人眼图像识别技术对驾驶进行疲劳监测。设计并提出了一套基于图像信息判断驾驶员疲劳状态的流程。首先使用Viola-Jones算法,在图像中直接进行人眼定位,再对人眼图像进行处理,得到人眼长宽比值Q,最后建立了Q值和疲劳状态的关联模型。实验证明,该定位方式比传统方式检测速度提高了50%以上,同时能适应头部不同姿态;建立的"眼部相对长宽比-睁眼程度"模型具有良好的线性。模拟实际驾驶环境进行测试结果表明,监测系统能适应不同受试者并在1 s内对疲劳状态的驾驶员发出警报,在防疲劳安全驾驶领域有一定的应用前景。

基于GPU的并行人脸检测方法研究

为了进一步提高人脸检测的精度和速度，提出了一种改进的Viola—Jones人脸检测算法，并在GPU平台上对改进后的算法加以优化。采用新型稀疏特征来进行人脸检测，利用计算机的图形处理单元GPU进行并行加速，并对优化前后的结果进行对比。结果表明，该算法把检测率提高到93．6％，与传统Viola-Jones人脸检测算法相比检测精度有了较大的提升；GPU并行加速实现了对OpenCV1．6～3．2倍左右的加速比，有效提高了人脸检测性能。

基于人脸检测和多线索融合的实时人脸跟踪系统

在分析和总结国内外对人脸检测与跟踪的相关研究成果的基础上,研究提出了在Viola-Jones人脸检测算法中引入运动区域检测和人脸肤色检测以缩小人脸检测的搜索区域,有效地提高了人脸检测的帧处理速度,并降低了人脸检测的误检率。对基于Meanshift算法和基于光流法的人脸跟踪方法进行了研究与分析,分析了各算法的优缺点,利用各算法之间性能上的互补性,通过各模块之间的协同合作设计并实现了一个实时人脸检测与跟踪系统,并设定了相应的评价参数,通过实验室录制视频和NRC-IIT视频人脸数据库对系统进行了性能测试。

基于集成学习的人眼定位和头部状态检测研究

针对人眼定位中的实时性检测问题,设计了基于Viola-Jones算法的人眼实时检测系统,通过MATLAB控制外接或网络摄像头对检测到的人眼图片进行实时读取和实时定位,通过正面图、侧视图、俯仰图的检测,表明人眼实时定位系统检测效果较好并具有很好的鲁棒性。针对小数据集对头部状态的分类效果较差的情况,使用随机森林算法将俯仰角和偏航角的分别用HOG-LBP融合特征和Haar-like特征分类,再将得到的俯仰角和偏转角进行融合,在Pointing’04数据集上对比直接分类准确率提升了4.5%。

用于精密衰减控制的半波片和偏振片组合

采用Ｊｏｎｅｓ算法讨论了１／２波片和偏振片组合衰减装置的一般特性，给出了衰减量控制精度的表式。实验证明，设定伺服马达走步的角偏转量。

基于LBP卷积神经网络的面部表情识别

针对传统方法面部微表情识别率低的问题,提出局部二值模式(LBP)图像的卷积神经网络对6种基本面部表情进行识别。采用Viola-Jones框架提取面部表情的感兴趣区域,提取感兴趣区域的LBP图像,输入到一个六层的卷积神经网络(两个卷积层、两个降采样、一个全连接层、一个Softmax)并得到识别的结果。在3个公共数据集(CK+、JAFFE、Oulu-CASIA)上进行实验,识别率分别为94.58%、93.48%、93.15%,结果表明,该方法对面部微表情的识别优于其它主流方法。

基于FPGA的高精度人脸检测加速

针对人脸检测对高实时性的要求,系统测试了Viola-Jone算法的数据表示(定点/浮点)对检测假阳性和假阴性的影响,检测在逐步降低数据精度的基础上进行。最后在对定点检测评价的基础上提出了一种基于CPU和FPGA混合执行Viola-Jone算法的框架,充分利用FPGA的并行性,对定点表示的Viola-Jone算法进行显著加速处理,极大的提高了人脸检测速度。

基于实时检测眼睛状态的一种安全驾驶方法

为预防及减少机动车驾驶过程中交通事故的发生,提出一种基于实时检测眼睛状态的安全驾驶方法。首先,在机动车驾驶空间安装并初始化摄像头,获取驾驶员的实时视频,然后采用基于肤色的人脸识别算法保留感兴趣区域(ROI),再用Viola?Jones算法眼睛分类器进行眼睛检测,最后对图像进行直方图均衡化以及中值滤波,利用Hough变换的圆形检测技术实现虹膜检测以完成眼睛的实时状态检测。实验结果表明,该方法能成功检测眼睛状态,检测准确率为99%,Kappa一致性为95.3%,具有较高的实时性。

An Improved Real-Time Face Recognition System at Low Resolution Based on Local Binary Pattern Histogram Algorithm and CLAHE

This research presents an improved real-time face recognition system at a low resolution of 15 pixels with pose and emotion and resolution variations. We have designed our datasets named LRD200 and LRD100, which have been used for training and classification. The face detection part uses the Viola-Jones algorithm, and the face recognition part receives the face image from the face detection part to process it using the Local Binary Pattern Histogram (LBPH) algorithm with preprocessing using contrast limited adaptive histogram equalization (CLAHE) and face alignment. The face database in this system can be updated via our custom-built standalone android app and automatic restarting of the training and recognition process with an updated database. Using our proposed algorithm, a real-time face recognition accuracy of 78.40% at 15 px and 98.05% at 45 px have been achieved using the LRD200 database containing 200 images per person. With 100 images per person in the database (LRD100) the achieved accuracies are 60.60% at 15 px and 95% at 45 px respectively. A facial deflection of about 30° on either side from the front face showed an average face recognition precision of 72.25%-81.85%. This face recognition system can be employed for law enforcement purposes, where the surveillance camera captures a low-resolution image because of the distance of a person from the camera. It can also be used as a surveillance system in airports, bus stations, etc., to reduce the risk of possible criminal threats.

A Novel Forgery Detection in Image Frames of the Videos Using Enhanced Convolutional Neural Network in Face Images

Different devices in the recent era generated a vast amount of digital video.Generally,it has been seen in recent years that people are forging the video to use it as proof of evidence in the court of justice.Many kinds of researches on forensic detection have been presented,and it provides less accuracy.This paper proposed a novel forgery detection technique in image frames of the videos using enhanced Convolutional Neural Network(CNN).In the initial stage,the input video is taken as of the dataset and then converts the videos into image frames.Next,perform pre-sampling using the Adaptive Rood Pattern Search(ARPS)algorithm intended for reducing the useless frames.In the next stage,perform preprocessing for enhancing the image frames.Then,face detection is done as of the image utilizing the Viola-Jones algorithm.Finally,the improved Crow Search Algorithm(ICSA)has been used to select the extorted features and inputted to the Enhanced Convolutional Neural Network(ECNN)classifier for detecting the forged image frames.The experimental outcome of the proposed system has achieved 97.21%accuracy compared to other existing methods.