基于AdaBoost算法和人眼定位的动态人脸检测

在快速人脸检测算法中,基于AdaBoost算法的人脸检测算法得到越来越多的认可。然而,该算法在复杂环境下常有误检的情况。为了既快速又能提高检测的准确率,提出了以人眼定位的算法作为辅助的人脸检测算法。首先应用AdaBoost算法检测人脸的位置,然后再利用改进的模板匹配算法对人眼进行快速识别与定位。在人眼检测方面,利用金字塔算法加快了检测速度。实验表明,该方法可减少AdaBoost算法的误检率。     

基于Gabor滤波和K-medoid聚类分析的人眼检测和瞳孔定位

针对人眼检测过程中存在的表情、光照和眼镜遮挡 等干扰因素的影响,提出一种基于Gabor滤波和 K-medoid聚类分析的人眼检测和瞳孔定位方法。首先采用鲁棒性较好的眼部横向特征作为 检测对象来设计了Gabor 滤波器,以突出眼部的横向特征;然后根据Gabor滤波后的眼部特征,并结合K-medoid算法 设计了聚类算法检测人眼;在人眼检测基础上,结合灰度分布特征和熵函数设计了瞳孔定 位方法。在BioID人脸库和FERET彩色人脸 库上进行了实验,结果表明,本文方法在两个图库的3470幅人脸图像 上能够达到97.8%的检 测率,并且在设置误差阈值较小(0.15)情况下仍能达到95.5%的瞳孔定位准确率。     

基于时空上下文和随机森林的人眼跟踪定位算法研究

为了得到人眼跟踪过程中更好的鲁棒性和实时性以及跟踪精度,提出一种基于自适应增强分类算法(AdaBoost)、随机森林(RF)和时空上下文(STC)的重定位跟踪算法。该算法结构分为3层,分别为AdaBoost人脸检测、STC人脸跟踪和RF人眼定位。首先,利用AdaBoost在第一帧识别出人脸,从而提取出人脸窗口。接着,使用时空上下文跟踪算法进行人脸跟踪。然后,联合定向梯度直方图(HOG)算法进行相似度判断,以达到目标丢失后继续跟踪的目的。最后,采用随机森林算法进行人眼定位。实验结果表明,与传统的随机森林人眼跟踪算法相比,该算法在跟踪速度达到原方法的2倍左右,并在跟踪精度和鲁棒性上和原算法相同。基本满足在裸眼3D显示时人脸跟踪和人眼定位的精度高、实时性快、鲁棒性好的要求。     

人脸识别和特征定位算法探讨

本文介绍了当前人脸识别技术的一些常用方法,对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论,其中在人脸检测部分主要是对图像进行获取和预处理的研究,然后在前人的研究基础上综合提出基于相应的检测算法,以提高人脸识别的准确度和速度。实验结果表明,在方案和算法的实现过程中虽然出现了一些问题,但经过一系列测试,总体来说还是基本能达到目的,还是比较成功的。     

疲劳检测中人眼定位方法研究

针对疲劳检测系统应用环境背景简单的问题,提出一种人眼定位方法。该方法使用Adaboost算法对人眼样本进行训练,将训练结果用于人眼定位。相比于其他疲劳检测方法,该算法不必首先定位人脸,有更高的检测速度和检测率,同时对光照和人脸姿势有更好的鲁棒性。     

基于灰度投影与改进Hough变换的人眼定位算法

人眼定位是人脸识别的重要步骤,本文提出一种结合灰度投影与改进Hough变换的人眼定位算法.首先,通过两次积分投影进行人眼粗定位,对粗定位的眼睛灰度图像增强处理后提取边缘,然后采用改进Hough变换检测圆来定位眼球的准确位置.实验结果表明,该算法与已有算法相比,具有更为快速和精确的定位效果,并且对头部偏转具有较强的鲁棒性.     

基于Gabor变换的人眼定位

眼睛是人脸图像中最重要的特征点,有效地提取人眼特征在人脸识别中有重要的意义。鉴于2D Gabor函数与高等动物视觉皮层接受场的一致性,本文采用人眼的Gabor变换系数作为其特征模板,并用高斯多分辩搜索的方法,快速的定位人眼。实验结果表明,这种方法对于轻度旋转 、倾斜、面部表情的变化等有效好的鲁棒性。     

基于OpenCV的人眼瞳孔定位算法

近年来,人脸检测技术在机器视觉、模式识别、人工智能等领域得到了广泛的应用。而包含着丰富的内容和信息的人眼,作为人体生物特征的一个重要部分,关于人眼检测与定位的技术更是广泛应用在生物识别、医疗辅助、人机交互等领域。该文利用水平积分投影和区域特征的算法,快速定位人眼区域,然后利用区域投影的方法实现了瞳孔定位。     

基于AdaBoost算法的快速人脸检测方法

文章基于当今最为流行的AdaBoost算法,训练出自己的人脸检测级联分类器,通过对人脸图像方差特点的统计分析,确定了人脸方差的阈值,增加了方差预处理.增加方差预处理后训练出的级联分类器在人脸检出率相对较高的前提实现了检测速度的提升,增强了人脸检测的实时应用性.     

基于肤色检测的快速五官定位算法

根据视频应用的特点，结合人脸的肤色和特征部位几何分布特征，提出了一种应用于视频序列人脸部位的五官定位算法。实验表明，该算法定位速度快，误检率低。     

基于人脸结构特征的眼睛定位算法

眼睛定位在人脸识别检测过程中起着非常重要的作用.研究后发现,眼睛的灰度值在人脸所有的五官中是最高的,且具有一定的面积.文中针对人脸各器官的几何结构特征,结合眼睛灰度信息提出了一种新的眼睛定位算法:通过对灰度图像进行垂直和水平灰度投影后,能够对人脸初步定位,然后用一个相当于瞳孔大小的方形框去搜索整张脸,当落在这个框内的黑色像素的个数达到最大时,这个框的位置就是眼睛的位置.经过实验,这种算法定位准确且定位时间短.     

基于肤色分割及特征定位的人脸检测算法研究

针对复杂彩色图像提出一种快速有效的人脸检测算法。首先通过一种新的色彩均衡技术消除由光照引起的色彩偏移,然后采用HSI空间与归一化RGB空间相结合的混合肤色模型,提取出原图像中的类肤色区域,最后根据人脸的几何特征定位眼睛、嘴巴和人脸区域。实验结果表明,该算法能较为准确地定位彩色图像中的正面或小角度偏转的人脸,具有较快的检测速度。     

基于多数据融合的快速人脸检测与特征定位算法

针对彩色图像提出了基于肤色和特征验证的人脸检测算法,由肤色分割、排除假区域、特征验证3部分组成。在肤色分割部分,提出自适应阈值法,再通过几何特征排除一些假区域,运用边缘检测、模板匹配和投影法精确定位眼睛和嘴巴,从而验证确认人脸,最后通过投影法定位出鼻子。实验证明该算法检测速度快、准确率高,具有较好的鲁棒性。     

基于LARK特征提取的AdaBoost人脸检测系统

由于图像易受到外部条件及图像背景的影响,AdaBoost人脸检测方法在特征分类的过程中,单个分类器存在将人脸图像误判为非人脸图像的情况,致使分类器在检测过程中存在误差。文中通过研究AdaBoost人脸检测方法,并将LARK特征提取方法应用到特征分类当中,使原有的方法上得到改进,从而有效提高了人脸检测的准确度。     

基于SVM的疲劳驾驶人脸图像特征检测算法

针对传统图像识别算法对疲劳驾驶检测精度差、准确率低的缺陷,提出了一种利用人脸图像特征提取的疲劳驾驶检测方法。首先将实时采集到的车辆驾驶员面部图像进行预处理,借助Dlib检测出图像中的人脸区域并进行人脸图像特征点的标注,然后使用基于眼睛纵横比(Eye Aspect Ratio,EAR)的方法进行图像中人眼疲劳特征的识别,基于嘴唇纵横比(Mouth Aspect Ratio,MAR)的方法进行图像中嘴部疲劳特征的识别,最后利用支持向量机(SVM)的方法将两种特征融合起来进行疲劳驾驶检测。实验表明,该方法可以准确地定位出特征点,疲劳检测的识别率达84.29%,可以有效地识别出疲劳状态。     

基于计算机视觉技术的人脸检测系统设计

通过对基于Haar-like特征的AdaBoost人脸检测算法研究,利用由该算法训练的级联分类器和计算机视觉类库OpenCV进行人脸检测系统设计,实现了基于静态图像、摄像头视频和avi视频的人脸检测与标记,以及标记后的人脸区域图像实时显示和存盘。此外,在VC＋＋6.0环境下实现了对人脸检测系统软件界面的开发。实验结果表...     

基于Taylor级数展开的改进定位算法研究

针对由RFID设备组成的室内定位系统的定位方法,分析了常规方法存在的弊端,并在采用基于Taylor级数展开的定位算法的基础上,提出了相应的改进算法,测试了算法在低噪声均匀分布和高噪声非均匀分布2种环境下的定位效果,并比较了加权和非加权算法的定位精度。结果表明,在小范围定位空间中,当噪声较大且误差分布不均匀时,改进算法的定位误差可80%控制在0.6 m以内。     

基于测向定位的算法研究

讨论了测向定位中的若干实际问题，包括两站、三站和多站交会定位的情况。利用示向度均值和方差、示向线交叉角、示向度质量等参数作为因子，分别给出了最佳交会点估计求解式，并对交会点的位置进行了误差分析。在实际工程使用中，本文给出的算法具有相当的实用性，定位精度显著提高。