人脸检测的一种混合方法研究

人脸检测作为自动人脸识别系统的第一个环节具有非常重要的作用,为了解决目前大部分人脸检测方法存在的分类器训练困难和检测计算量大等问题,提出了一种人脸检测的混合方法.该方法由两级分类器组成,第一级为粗分类器主要过滤大部分非人脸区域,第二级为核心分类器,在由第一级粗分类的基础上利用非线性SVM算法进行人脸检测.在CMU数据库上的实验结果表明,该方法具有较高的人脸检测率,检测速度得到大幅提高.     

油气管道多轮内检测数据对齐算法研究及应用

由于多轮内检测外部不确定因素和误差的共同作用,多轮间里程数据存在一定差异,难以实现管道缺陷的对齐,人工开展内检测数据对齐的工作量巨大。文中针对管道多轮内检测数据对齐算法展开研究,建立相关模型以提高数据对齐工作效率,分析了解管道动态,保障管道安全运行。将算法应用于在役天然气管道的三轮内检测数据,实现了球阀、管件、弯头、环焊缝、缺陷等特征向基线的对齐,对齐结果与基线偏差精确至0.01 m。     

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.     

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．     

人脸识别技术的分析与展望

介绍了人脸识别技术的发展概况,从人脸识别的三个步骤:人脸的检测与定位、人脸的特征提取和人脸的识别和验证对人脸识别技术的方法进行了分析和总结,指出了其优缺点所在和人脸识别技术面临的关键问题,最后对人脸识别技术的研究发展趋势进行了展望.     

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.     

一种基于脸部特征提取和验证的人脸检测方法

提出了一种基于特征提取和验证相结合的人脸检测方法。首先应用肤色模型快速得到人脸候选区域，然后采用基于自适应的阈值选择策略对图像进行细分割，接着使用人脸椭圆形状来筛选可能的人脸，最后通过色度和灰度信息提取人脸特征，从而有效地检测出人脸。实验结果表明：该算法能够取得较好的检测效果。     

舰船目标距离一维实时成像及其特征研究

雷达目标距离像的特性对目标识别有很大影响,对目标距离像特征的分析尤为重要.针对线性调频脉冲信号提出了舰船目标一维距离像实时成像算法,同时结合实测数据对舰船目标的距离像特性进行了分析,并讨论了距离像特征对雷达目标自动识别的影响,以及处理这些特性的常用方法,最后对包络对齐及幂次相关2种方法在雷达目标识别预处理中的应用进行了分析,从而为基于高分辨距离像的雷达目标识别工作打下了基础.     

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.      

复杂背景中人脸的检测与定位

提出了一种复杂背景下的新的人脸检测方法。该方法首先利用进化算法对彩色图象中与人的皮肤颜色相似的象素进行聚类及区域分割，然后对每一个人脸候选区域进行形状及灰度分布分析，满足人脸知识要求的，则认为是人脸。实验结果表明，该方法不仅速度快、效率高，而且可以对任意背景下，任意姿态及任意数目的人脸进行检测。