基于特征向量的敏感图像识别技术

针对现有色情敏感图像识别技术的缺陷,提出了基于特征向量的敏感图像识别技术.用YIQ彩色坐标系的色度和YUV彩色坐标系的色调作为皮肤的肤色模型,以5×5象素窗口的SSD（sum of square difference）作为皮肤的纹理模型.从敏感图像的皮肤掩码图像中提取与肤色区域数量和比例等有关的6个特征.将提取的特征向量输入到SVM（support vector machine）分类机,根据输出结果判断是否为敏感图像.对含457张敏感图像和1 101张非敏感图像的实验表明,该算法分类的精确度平均达到89.3%,查全率达到85.8%,误检率为4.4%.     

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。      

用于检测疲劳驾驶的自适应脸部定位方法

针对疲劳驾驶视觉检测技术中驾驶员脸部定位快速性与准确性难以同时满足的情况,提出了一种将肤色和面部几何特征相结合的自适应脸部定位方法。该方法对YCbCr空间肤色相似度和传统Otsu闾值分割算法进行改进,降低了计算复杂度,采用新的区域连通和区域标记算法定位出脸部位置。最后,根据人脸几何特征对脸部区域做进一步确认：试验结果表明,该方法能对驾驶员图像脸部进行快速、准确定位。     

基于改进YCrCb颜色空间的肤色分割

人脸识别是计算机视觉、模式识别、生物特征识别、图像处理等多学科交叉的一门科学,肤色分割是人脸识别研究中一个重要的步骤。针对基于YCrCb颜色空间的肤色分割在强光下分割不准确的现状,提出了一种基于改进的YCrCb空间的肤色分割方法,本文利用改进YCrCb颜色空间提高了强光下肤色分割的准确性和适应性。实验证明该算法减弱了光线强弱对人脸肤色分割的影响,更加准确的找到人脸区域,误检率较低。     

基于车窗区域定位的出租汽车驾驶员蓄须行为的自动检测技术研究

针对出租车驾驶员蓄须行为自动检测技术展开研究,提出了一套基于视频图像的、完整的自动检测方法。首先,根据复杂交通车流的特性,提出一种用车窗区域代替完整车辆的出租车检测方法,同时基于检测到的车窗区域实现对驾驶室的精准定位。其次,利用基于亮度通道的多尺度视网膜（Multi-scale Retinex, MSR） 增强的图像预处理算法实现对图像的光线平衡及细节恢复。最后,通过libfacedetection 算法的精准下巴区域提取、结合非肤色像素点提取以及灰度阈值法的正反验证来提升算法的鲁棒性。利用交通监控视频对整套方法进行测试,研究结果表明,该方法能够对出租车驾驶员蓄须行为进行识别,进而提高执法效能。     

基于改进YCrCb颜色空间的肤色分割

人脸识别是计算机视觉、模式识别、生物特征识别、图像处理等多学科交叉的一门科学,肤色分割是人脸识别研究中一个重要的步骤。针对基于YCrCb颜色空间的肤色分割在强光下分割不准确的现状,提出了一种基于改进的YCrCb空间的肤色分割方法,本文利用改进YCrCb颜色空间提高了强光下肤色分割的准确性和适应性。实验证明该算法减弱了光线强弱对人脸肤色分割的影响,更加准确的找到人脸区域,误检率较低。     

驾驶员不良情绪状态监测及舒缓系统开发

本系统集监测与舒缓功能于一身实现驾驶员不良情绪状态实时、非接触式地监测及舒缓.该系统首先使用肤色模型算法迅速定位人脸,然后利用累积差分帧和 Hough 变换等实时图像处理技术进行检测、跟踪眼睛和嘴巴的状态并提取相对特征参数,进而与表情模板匹配,以相似度衡量相似程度并最终判定驾驶员的实时情绪状态.如果判定的结果为不良情绪状态,系统将自动播放与之相对应的舒缓曲目,最终达到舒缓驾驶员情绪、保证安全行车的目的.     

受电弓滑板状态监测的图像目标提取

将数字图像处理技术应用于受电弓滑板状态监测,给出了受电弓无线图像监测系统的工作原理和组成结构,设计了图像目标的提取算法,将受电弓滑板图像的提取划分为粗提取和精提取2个步骤.该图像目标提取算法结合边缘提取、形态学图像处理、投影变换、聚类分析和Hough变换等方法,完成复杂目标图像的提取,并实现较高精度的定位.实验结果表明,所提出的算法对复杂背景、不均匀光照和噪声等影响因素不敏感,正确识别率能达到85%.     

优化端元提取方法的高光谱混合像元分解

高光谱图像的混合像元分解将原始图像分解为多种纯净地物及相应的丰度,端元提取是混合像元分解的关键技术. 针对传统算法计算速度慢、搜索范围较大的特点,基于改进的ICA （independent component analysis）算法以及优化的候选端元判断方法,提出了一种优化的混合像元分解方法. 首先使用改进的算法优化端元提取方法;然后利用相邻像素的光谱特征和空间特征信息,结合并行算法对候选端元进行优化;最后利用真实的高光谱数据对该方法的性能进行了验证. 验证结果表明:该方法能有效提高端元提取精度,降低复杂度,与经典的端元提取算法N-FINDER相比,准确度提高了3.55%,解混后得到的地物分类精度有了明显改善（总体分类精度提高了2.88%）.      

一种基于模糊增强的多尺度边缘检测算法

图像的边缘检测技术是图像处理中最重要的内容之一,且已在图像分析和识别领域得到了广泛的应用.本文提出一种基于模糊增强的多尺度边缘检测算法.该算法首先用模糊增强算子对原始图像进行预处理,加大边缘两侧灰度的差异,然后利用多尺度边缘检测算法提取图像的边缘.最后,将该算法与经典的Sobel算子和Canny算子进行比较.实验结果表明,这种方法较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾.     

Real-time follow-up head tracking in dynamic complex environments

In the modes of both object motion and camera motion, an enhanced Camshift algorithm, which is based on suppressing similar color features of background and on joint color probability density distribution image, is proposed to real-time track head in dynamic complex environment. The system consists of face detection module, head tracking module and camera control module. When tracking fails, a self-recovery mechanism is introduced. At first the Adaboost face detector based on Haar-like features is implemented to find frontal faces, the false positive is filtered according to the skin color criterion, and the true face is used to initialize the tracking module. In hue saturation value (HSV) colorspace, the hue-saturation (H-S) histogram of face skin and the saturation-value (S-V) histogram of hair are built to produce the joint color probability density distribution image, and this is intended to realize the head tracking with arbitrary pose. During tracking, region of interest (ROI) is introduced, and the color probability density distribution of a specified background area outside the ROI is learned, similar color features in the head are suppressed according to the learning result. The background suppression step is intended to resolve the problem that the tracker maybe fails when the head is distracted by backgrounds having similar colors with the head. A closed loop control model based on speed regulation is applied to drive an active camera to center the head. Once tracking drift or failure is detected, the system stops tracking and returns to the face detection module. Our experimental results show that the presented system is well suitable for tracking head with arbitrary pose in dynamic complex environments, also the active camera can track moving head smoothly and stably. The system is computationally efficient and can run in real-time completely.     

基于颜色和模板匹配的人脸检测

应用颜色信息探测图像的皮肤颜色区域，然后再用模板对该区域用模板匹配法进行模板匹配．这样无须对整幅图像进行搜索，也不需要对所有的窗口尺寸都匹配一次．从而大大提高了检测速度．     

Skin detection method based on cascaded AdaBoost classifier

Skin detection has been considered as the principal step in many machine vision systems, such as face detection and adult image filtering. Among all these techniques, skin color is the most welcome cue because of its robustness. However, traditional color-based approaches poorly perform on the classification of skin-like pixels. In this paper, we propose a new skin detection method based on the cascaded adaptive boosting (AdaBoost) classifier, which consists of minimum-risk based Bayesian classifier and models in different color spaces such as HSV (hue-saturation-value), YCgCb (brightness-green-blue) and YCgCr (brightness-green-red). In addition, we have constructed our own database that is larger and more suitable for training and testing on filtering adult images than the Compaq data set. Experimental results show that our method behaves better than the state-of-the-art pixel-based skin detection techniques on processing images with skin-like background.     

道路场景中交通标志的检测方法

为在车辆视觉导航中能快速识别道路场景中的交通标志,通过提取标志的特征颜色与识别标志的特征形状来实现交通标志的检测。将道路场景RGB空间图像转换为HSI空间,利用色调与饱和度融合的办法来提取道路场景中标志的特征颜色区域,二值化后排除噪声并通过投影法得到正确的标志区域,实现交通标志的定位。以红色禁令圆形交通标志为例,提出一种改进的Hough变换方法来识别标志域内的几何特征——圆形标记。通过对不同条件下20幅含禁令标志的道路场景图像的检测试验,发现本方法对交通标志颜色提取定位与几何特征图形识别的正确率都达到100%,且平均检测时间为245ms。分析结果表明:该方法能够快速、准确地确定标志区域,同时对禁令标志几何图形识别具有较强的实时性和鲁棒性。     

基于改进模糊算子和形态学的舌体分割方法

舌诊是中医望诊中的重要内容,为了自动分析舌体的各项指标,必须将舌体从背景区域中分割出来.由于舌体与脸部等背景区域颜色较为接近,提出一种基于改进模糊算子和形态学的舌体分割方法,该方法根据由大津法确定的阈值定义隶属函数,取得了令人满意的分割效果.     

增强半虚拟现实座舱技术

为提高半虚拟现实座舱中用户视觉真实感与人-座舱交互性能,提出了一种增强半虚拟现实座舱技术,将手图像实时融合到虚拟座舱环境中,使用户能实时看到自己的真实手。通过肤色检测算法实时分割摄像机采集图像,应用改进的自适应加权立体匹配算法与视图变形算法对图像进行视点校正,通过虚实匹配与虚实融合将手图像无缝融合到虚拟环境中,为用户提供增强虚拟环境中的可视化图像。测试结果表明:增强半虚拟现实座舱技术方案中触觉与视觉反馈真实,在头盔式虚拟环境中用户交互能点击到的最小方块边长为8mm。采用增强半虚拟现实技术方案完成座舱内典型交互动作的时间比传统数据手套方案与半虚拟交互方案平均分别降低约50%与18%,极大提高了人-座舱交互性能,可有效增强虚拟现实座舱系统实用性,并降低开发成本。