Adaboost人眼定位方法改进与实现

提出了基于改进的Adaboost方法来实现人脸图片中人眼的精确定位.首先在待检测的图片中利用人脸分类器定位出人脸,然后在所得人脸图像上进一步利用人眼分类器精确定位人眼.改进后的Adaboost算法与传统方法相比,具有构建分双层分类器所需要的特征数目降低、算法精确性提高和实时性的特点.     

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.     

基于K-L变换的人脸识别系统

围绕人脸识别问题对人脸特征提取及识别技术进行了研究.主要有:运用灰度投影提取出在简单背景中的人脸图像,进行归一化操作;以类间散布矩阵作为产生矩阵,通过K-L变换降维并提取出代数特征,为了减少计算量,运用了奇异值分解,最后用最小距离分类器分类对图像进行分类.实验结果表明本方法的有效性.并且对人脸姿态,表情,光照等都具有一定的免疫性.     

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．     

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。     

人脸表情自动识别技术研究进展

作为生物特征识别与情感计算领域的一个极富挑战性的交叉课题，人脸表情自动识别技术在各种应用的推动下发展很快，但鲁棒的自动人脸表情识别系统至今尚未建立．人脸表情识别的3个关键环节是人脸检测、人脸特征定位与提取和人脸表情的情感分类．在上述关键环节上均取得了重要进展．需要解决的问题包括提高人脸检测算法的鲁棒性、人脸特征提取的针对性和准确性、人脸刚性运动分离和三维表情识别．人脸表情数据库建设和应用研究。也是今后研究的重点．提出了人脸表情自动识别系统评价指标，包括技术的实用性、成果的可比性、系统的专用性和实时性．     

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．     

用于人脸识别的图像预处理方法研究与实现

提出了一种人脸图像预处理改进算法:将图片转化为灰度图像后进行去噪滤波,根据灰度投影曲线确定人脸的边界,依据确定的眼、嘴以及脸的左右边界这些参数对图像进行剪裁,根据人脸特征的几何关系确定人脸图像的缩放系数,得到标准化图像.解决了传统方法无法适用于侧脸和双眼闭上的人脸的问题.     

基于图像融合和DCT域增强的人脸识别

提出了一种基于图像融合和DCT域增强的人脸识别方法.首先对人脸图像分别进行直方图均衡化和对指数变换,将二者变换结果融合,减少光照对人脸识别的影响;然后进行DCI变换,在滤除高频分量的同时进行图像增强,抑制块效应,在此基础上进行IDCT图像重建,利用二维主成分分析提取人脸特征,降低空间维数;最后通过最邻近分类法实现人脸识别.Yale人脸库仿真实验表明,该方法在光照变化较大和人脸样本较少的情况下具有较高的识别率.     

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.     

基于小波变换和线性判别分析的人脸识别方法

提出了将人脸图像的小波分解和线性判别分析结合以达到人脸识别的方法.首先对人脸图像作小波分解,并将分解后的低频系数进行线性判别分析进一步降低人脸特征向量的维数,最后利用最近邻分类器进行分类识别.实验表明,该方法的正确识别率高于传统的特征脸识别方法.     

一种结合2DLPP与2DPCA的人脸识别方法

为解决二维局部保持投影(2DLPP)需要较多数据表示人脸特征的缺陷,提出了一种新的二维局部保持投影主成分分析方法(2DLPP-PCA).通过对人脸图像在行、列方向同时进行2DLPP和2DPCA投影,2DLPP-PCA 不仅能减少保存人脸特征所需要的数据量,而且能有效地提取人脸的局部特征和全局特征.在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,2DLPP-PCA是一种高性能的特征提取方法,当训练样本数为6时,2DLPP-PCA在ORL数据库上的最佳平均识别率达到99％以上.     

单幅图像融合参考模型的三维人脸重建

基于单幅图像的三维人脸重建以其数据获取简易而具有广阔的应用前景.本文提出了一种融合参考模型的方法实现基于单幅图像的三维人脸重建,其主要思想是以球面调和函数表示图像的光照模型,从而建立图像的光照信息与深度信息之间的解析关系;进而可基于参考模型的深度信息获得输入图像的近似光照系数,再根据近似所得的光照系数恢复其深度信息.该法不仅可完全自动化地实现,而且因不需要多个人脸模型的信息而优于基于统计模型的三维重建;由实验中对不同库中人脸图像及真实采集的人脸图像进行重建的结果发现,本文提出的重建方法是切实可行的.     

一种新的图像中人眼定位方法

采用一种人脸-人眼两层结构的定位方法.首先利用YCbCr空间的肤色模型粗定位可能的人脸区域,然后利用支持向量机的训练结果组成分类器,对人眼进行初检,最后根据人脸特征完成信息融合,最终标定人眼.实验结果表明:该方法在简单及复杂背景下都能够得到较高的定位速度和精确度,具有较好的鲁棒性.     

基于概率支持向量机方法的人脸识别

针对智能会议场景对人脸识别的特殊情况,通过依据检测、跟踪得到头部区域与人脸区域的面积比,选择正面的人脸进行识别,降低了人脸姿态对人脸识别的影响.在分类方法的选择上,采用支持向量机方法,并对支持向量机方法进行了概率建模,分类器输出结果是测试人脸属于每类的概率.实验结果表明:该方法不仅使人脸识别的精度得到了提高,还提供了其属于所在类中的可信程度.     

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.      

基于特征脸和LS-SVM分类器的人脸性别分类

提出使用特征脸和最小二乘支持向量机(LS-SVM)分类器相结合进行人脸性别分类.我们首先从训练图像中求得特征脸空间,然后将训练集和测试集图像投影到特征脸空间得到投影系数.使用训练样本投影系数训练LS-SVM分类器,对训练图像和测试图像进行分类试验,同时计算出分类准确率,实验结果表明LS-SVM分类要比其他分类算法有更好的优越性.在实验中我们也使用交叉验证来确定特征脸数目和核函数参数.     

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APCENN与RBFNN的人脸识别方法研究

提出了将自适应主分量提取神经网络(APCENN)与径向基神经网络(RBFNN)结合进行人脸识别的方法.由于人脸图像维数高,传统主分量分析方法提取人脸主分量运算复杂、速度慢,应用APCENN通过并行运算直接提取人脸主分量,提高了特征提取速度.再通过RBFNN进行识别分类,实验证明网络训练收敛速度快、识别率高.     

基于融合两类核Fisher鉴别函数的人脸识别方法

提出了一种基于两类核Fisher鉴别分析(KFDA)的人脸识别方法,对每2个不同人脸类别求解一个核Fisher鉴别函数,其优点是能针对特定的2个人脸图像类别,抽取区分该2类人脸的最佳鉴别特征,克服了多类KFDA和2类KFDA相比是次优的问题.为解决KFDA计算量大的问题,将MSE推广为基于核的MSE(KMSE),用其得到核Fisher鉴别函数,减少了训练和识别的计算时间.在识别阶段应用了两种融合方法融合各个基于KMSE的核Fisher鉴别函数.