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。

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。

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。