小波包分析在头肩序列的人脸检测中的应用研究

根据可视电话以及视频会议的视频处理对象，主要是头肩序列的特点和人眼的视觉特性，结合小波包分析，提出了一种综合小波包分析、人脸肤色和人脸几何特征的人脸检测方法．试验表明，该方法在彩色头肩序列的人脸检测中性能良好．     

基于Gabor滤波特征和一类分类器的人脸检测

人脸检测是人脸识别的一项重要任务.论文提出了一种基于Gabor滤波特征和一类分类器的正面人脸检测方法.算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并用PCA方法对特征降维,然后用已降维的特征训练支持向量机分类器.最后应用一类分类器分类检测人脸.实验结果证明该方法是十分有效.     

一种交互式脸部网格模型调整算法

脸部网格模型的建立是基于人脸合成技术中的关键步骤。提出一个半交互式正面人脸模型调整算法。首先利用区域增长法和模板匹配自动确定图像中人脸及各特征区域的大致位置，然后交互地提取人脸特征点的准确二维位置，最后自动确定脸部姿态和调整模型非特征点，即获得输入人脸模型。该算法简便实用，费时较少，具有实用价值。     

路面破损图像自动处理技术研究进展

总结了路面破损图像自动处理技术的重要研究成果, 分析了该领域关键技术的研究进展, 包括路面破损检测系统、图像处理算法和识别算法评估; 比较了不同路面破损检测系统与目标自动识别算法的检测精度和适用性, 给出了路面破损图像自动处理技术未来可能的主要研究方向。研究结果表明: 在路面破损检测系统方面, 从早期基于摄影技术的图像采集到目前的3D激光扫描技术, 路面图像采集技术更加便捷和高效, 但破损图像自动分析和目标自动识别算法仍然存在挑战; 在路面破损图像处理算法方面, 传统的路面裂缝目标分割算法已由过去的基于单一特征(灰度、边缘形状等) 的检测方法演化到多特征融合检测方法和图优化检测方法, 还出现了一些精细化的裂缝目标连接与恢复算法, 大幅提高了裂缝检测精度, 但需要的计算资源和人工先验知识库也随之不断增大; 在路面裂缝处理算法评估和比较方面, 主要利用人工分割来评价自动识别结果, 目前迫切需要建立一个面向全球开放的大型路面破损图像数据库, 以客观、有效地评估现有各种路面破损图像处理算法; 基于2D图像特征分析的路面破损图像自动识别算法很难在识别精确性、算法通用性和实时性方面同时取得最佳效果; 近年来, 大量学者开始尝试借助深度学习神经网络自动识别路面破损, 但该技术仍处于活跃的演进过程中; 在提高路面破损自动识别精度和效率方面, 3D激光扫描技术和基于人工智能的深度学习技术的发展将对未来路面破损图像自动识别技术的最终突破产生重大推进作用。      

基于多特征融合的疲劳驾驶检测

针对疲劳驾驶检测的特征源单一、辨识率低和实时性差等问题，提出基于多特征融合的疲劳驾驶检测方法。通过SSD目标检测算法进行人脸检测，利用轻量级模型PFLD实现人脸关键点定位。以眼部纵横比、嘴部纵横比和头部姿态为疲劳特征源，提取相关特征，对不同驾驶员疲劳阈值进行标定，基于改进的PERCLOS算法实现疲劳驾驶判定。仿真结果表明：多特征融合疲劳检测系统对自建数据集和YAW数据集的疲劳特征辨识率分别达到了90.5%和94.12%，在实时视频流上的执行效率达到31.59 ms，实现疲劳预警。     

一种新的肤色区域分割提取方法

提出一种新的肤色区域分割提取方法,并详细叙述了该方法的步骤和实现算法.在人脸检测和识别项目中,应用该算法来提取各肤色区域,经大量实验说明,该方法是有效的.     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

一种基于贝叶斯特征的视频图像人脸检测

提出了一种基于仿射运动模型和贝叶斯理论的视频图像人脸检测方法.建立仿射运动模型进行运动估计,提取运动对象区域;对训练图像提取人脸与非人脸的统计特征,利用贝叶斯准则建立概率模型;根据贝叶斯分类器和支持向量机分类器将图像特征分为人脸类与非人脸类,从而检测出视频运动图像中的人脸区域.     

多尺度注意力学习的Faster R-CNN口罩人脸检测模型

针对在佩戴口罩等有遮挡条件下的人脸检测问题，提出了多尺度注意力学习的Faster R-CNN （MSAF R-CNN）人脸检测模型. 首先，为充分考虑人脸目标多尺度信息，相较于原始Faster R-CNN框架，引入Res2Net分组残差结构，获取更细粒度的特征表征；其次，基于空间-通道注意力结构改进的Res2Net模块，结合注意力机制自适应学习目标不同尺度特征；最后，为学习目标的全局信息并减轻过拟合现象，在模型顶端嵌入加权空间金字塔池化网络，采用由粗到细的方式进行特征尺度划分. 在AIZOO和FMDD两个人脸数据集上的实验结果表明:所提出MSAF R-CNN模型对佩戴口罩的人脸检测准确率分别达到90.37%和90.11%，验证了模型的可行性和有效性.      

基于脆弱数字水印的人脸图像的安全性

针对人脸识别系统中人脸图像数据可能受到攻击，导致人脸图像被恶意添加、替换、篡改等安全隐患，采用脆弱数字水印方法，解决上述人脸识别系统中人脸图像数据安全问题．用人脸原始图像的小波低频系数的高7位生成低频压缩图像，作为水印．通过混沌置乱加密，将水印直接嵌入到原始人脸图像的最低有效位平面，区分人脸图像篡改并定位检测．实验结果表明，采用脆弱数字水印的人脸图像对恶意添加、替换、篡改都有很高的敏感度．嵌入脆弱数字水印对人脸图形的特征提取的识别率以及识别速度的影响都很小．     

���ڶ������ںϵĹ����ͨ������Ƶ����ʶ�����о�

结合轨道交通客流特点和应用需求,在详细描述人像识别中的图像预处理、人像空间的建立及特征脸识别方法的基础上,研究了全局特征提取、Upper特征提取和Tzone特征提取方法.基于全局特征的识别方法通过提取人像的整体形状特征进行识别,易受表情、姿势、遮挡等的影响.基于Upper特征和Tzone特征在处理表情和遮挡等问题时,与基于全局特征的方法相比具有一定的优势,因此,本文对全局特征、Upper特征和Tzone特征进行了加权融合,提出一种基于多特征融合的人像识别方法.经京沪高速铁路部分车站试点验证,该方法能有效提高人像识别的准确率.     

Automatic Identification of Butterfly Species Based on Gray-Level Co-occurrence Matrix Features of Image Block

In recent years, automatic identification of butterfly species arouses more and more attention in different areas. Because most of their larvae are pests, this research is not only meaningful for the popularization of science but also important to the agricultural production and the environment. Texture as a notable feature is widely used in digital image recognition technology; for describing the texture, an extremely effective method, graylevel co-occurrence matrix(GLCM), has been proposed and used in automatic identification systems. However,according to most of the existing works, GLCM is computed by the whole image, which likely misses some important features in local areas. To solve this problem, this paper presents a new method based on the GLCM features extruded from three image blocks, and a weight-based k-nearest neighbor(KNN) search algorithm used for classifier design. With this method, a butterfly classification system works on ten butterfly species which are hard to identify by shape features. The final identification accuracy is 98%.     

基于差分能量图和CGBP的微表情识别

微表情是一种不能自主控制和伪装的面部表情,其与诚信度的关系密切,具有持续时间短且难以识别的特征.为提高计算机自动识别微表情的准确性,提出一种基于差分能量图和中心化Gabor二值模式（centralized Gabor binary patterns,CGBP）的微表情识别方法.该方法首先利用差分法计算微表情序列的能量得到差分能量图,获得人脸面部肌肉相位的变化;其次将Gabor与中心二值模式CBP相结合,得到CGBP算子对能量图进行微表情的特征提取;最后利用ELM分类器进行微表情分类识别.在CASME微表情库上的实验结果表明,该方法比LBP-TOP、DTSA3、Gabor、VLBP、CBP-TOP算法更能有效地获得微表情序列的时空纹理特征,平均识别率为86.54%.      

外生性面神经雪旺氏细胞瘤的形成

为探讨外生性面神经雪旺氏细胞瘤的病理来源及病因 ,对 152 6耳颞骨连续切片进行组织病理学观察。结果发现 :39耳在面神经骨性管裂处显示神经外膜先天性缺损 ,神经主干由此疝出。其中31耳 ,在疝出面神经凸面有明显的雪旺氏细胞增生。这 31耳中 ,有 12耳在卵圆窗上方 ,1耳在面神经第二膝部形成小的外生性雪旺氏细胞瘤。提示 :管裂处神经外膜的先天性缺损是面神经由此疝出的组织解剖学原因。面神经疝出可能是刺激雪旺氏细胞增生 ,以致形成外生性面神经雪旺氏细胞瘤的直接原因。     

驾驶人手机通话行为中基于图像特征决策融合的手势识别方法

为鲁棒检测自然环境中驾驶人的通话行为, 提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域, 在YC_gC_r色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样, 由此建立了肤色的高斯分布模型; 针对驾驶室光照强度的不均匀性, 提出了肤色分量的漂移补偿算法, 建立了适应光照变化的在线肤色模型, 以准确分割左右手部肤色区域; 运用HOG算法获取手部肤色区域的2 376维HOG特征向量, 运用PCA方法将HOG特征降至400维; 同时提取手部肤色区域的PZMs特征, 并采用Relief算法筛选出权重最大的8个PZMs特征向量, 建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明: 基于PCA-HOG特征的手势识别率为93.1%, 对光照变化的鲁棒性较好, 但易受到手部与头部转动的干扰; 基于Relief-PZMs特征的手势识别率为91.9%, 对于头部与手部姿态的耐受度较好, 但光照鲁棒性较差; 基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%, 对光照波动、手部与头部转动等干扰条件具有较好的适应性。      

模糊识别技术在辽宁公路收费车型分类中的研究及应用

结合多年收费管理工作的实际，通过引入模糊识别技术，探讨一种切实可行、经济实惠的车型自动识别方法，通过实际测试结果表明该方法具有很高的推广价值。     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.     

基于血流图双树复数小波域傅里叶变换的红外人脸识别方法

提出了一种基于血流图与双树复数小波域傅里叶变换的红外人脸识别方法．首先利用血流模型把温谱图转换成血流图,然后将人脸血流图进行一级双树复数小波分解,保留分解后的4个低频子带并分别进行傅里叶变换,得到每个低频子带的特征矩阵,分别计算4个子带的欧氏距离并进行简单的加法融合,再用三阶近邻分类器得到最终的识别结果．为了减小算法的时间复杂度,我们对血流模型进行简化．实验结果表明,本文所提的方法有较好的识别结果．而简化的血流图相比原模型的识别率没有明显的下降,甚至某些情况下还稍高于血流模型,说明本文的方法是有效的．     

大鼠面神经诱发电位的实验研究

目的探讨面神经诱发电位的最佳刺激参数和记录方法及临床应用价值。方法采用不同刺激波宽(0.04、0.1 ms)、不同记录方法(外耳道后壁、头顶)记录面神经诱发电位;切断面神经干,观察切断前与切断后面神经诱发电位的变化。结果在其他相同刺激条件和记录方法下,采用短波宽0.04 ms刺激较波宽0.1 ms刺激所得面神经诱发电位各波潜伏期标准差小;在相同刺激参数下,大鼠外耳道后壁记录较其头顶记录所得波形稳定;切断面神经干后,可见面神经诱发电位N1波潜伏期延长或波形消失等现象。结论采用刺激波宽0.04 ms,外耳道后壁记录可以获得较清晰、重复性好的面神经诱发电位波形;面神经诱发电位可以反映面神经的功能状态。