有背景人脸图像中检测与定位人眼

基于人脸的几何特征和图像分割原理，文章从人脸图像的拍摄要求和人眼的监测与定位等方面系统研究了一种在有背景的灰度人脸图像中自动检测与定位人眼的新算法。实验验证表明，所提出的人眼检测与定位方法在速度和准确性方面具有良好的表现。     

一种基于肤色分割的彩色图像人脸检测算法

针对复杂背景下的彩色图像,提出了一种基于肤色分割、几何特征相结合的人脸检测算法。利用肤色模型通过最大类间方差法自动优选阈值分割图像,得到肤色区域;通过分析肤色区域的特征,用椭圆面积准则方法最终确定人脸位置。     

人眼快速检测技术

人脸检测定住中首先要处理人眼定位的问题,快速定位人眼的位置是实现对人脸实时性定位的关键问题.因此.在人脸检测已检测出人脸图像的基础上,对人眼瞳孔位置进行了检测定位.采用形态学滤波的方法快速对眼睛位置粗略定位.再用精确眼睛区域二次定位算法就可在0.3 s内找出眼睛位置.     

一种快速人眼精确定位算法

文中提出了一种基于最小外接矩形算法的人眼精确定位方法,该算法将顶点链码与离散格林理论相结合用于快速提取目标图像的最小外接矩形、求出目标图像的面积、形心和主轴.本文首先采用肤色分割与灰度投影相结合的方法快速定位到人脸,然后根据人脸的水平灰度投影曲线确定出人眼的大致位置,最后利用本文提出的算法实现了人眼的精确定位.实验结果表明该算法能快速、有效地进行人眼精确定位.     

基于梯度积分投影和最大期望算法的人眼定位

针对传统积分投影方法易受眉毛、睫毛、阴影、遮挡及噪声等干扰的问题,提出了一种梯度积分投影与最大期望(EM)算法相结合的人眼精确定位方法,可以在人脸图像中分割出人眼区域,并精确定位人眼位置。首先,采用一种新的梯度算子计算人脸图像的行梯度积分投影粗略定位人眼区域;然后计算人眼区域的列梯度积分投影函数,用EM算法将所得列梯度积分投影函数曲线拟合成两个高斯曲线,并根据高斯曲线精确分割出人眼窗口;最后,利用我们提出的加权质心法在所得人眼窗口中精确定位双眼位置。在YaleB人脸数据库及自采数据库上的实验结果表明,本文方法不易受眉毛及噪声干扰,并能有效克服眼睑和睫毛的遮挡,对不同光照条件及头部姿态都有很好的鲁棒性。     

彩色图像特征空间变换的新算法及其应用

本文提出了一种彩色图像特征空间变换算法.该算法基于高维形象几何与仿生信息学理论,根据人眼特性,利用彩色图像中彩色信息的变化进行特征空间变换,能够提取出不受光源影响的图像特征.在彩色图像人脸检测应用中,与常见的肤色分割方法不同,该算法不需对肤色建模,不对彩色图像进行非线性彩色空间变换,而是直接将彩色原图变换到特征空间,在特征空间中定位平均脸特征数据的最佳匹配点.本文最后将该算法应用于复杂光源彩色图像的人脸检测中,实验结果验证了算法的有效性和鲁棒性,具有明显的应用价值.     

基于HSV空间优化耦合参数PCNN的人眼定位方法

为解决人眼定位中受光照、人脸姿态、人眼开闭影响的问题,提出了一种HSV空间肤色模型与优化耦合参数的脉冲耦合神经网络(Pulse Coupled Neural Network PCNN)相结合的人眼定位算法。将RGB空间图像转化为HSV空间图像,根据肤色检测人脸图像,利用优化耦合参数PCNN模型良好的捕捉特性及衰减特性,对图像进行分割,提取出人眼范围,利用形态学运算对图像进行增强处理,去除背景干扰,精确定位人眼。实验结果表明,本算法在不同光照条件,不同人脸姿态,人眼闭合均能成功定位,且具有定位准确、速度快、不受人眼开闭程度影响的特点。     

基于ADSP-BF548的驾驶员疲劳检测系统设计

为防止由疲劳驾驶引发的交通事故,采用基于视觉特征PERCLOS的疲劳检测算法,并以ADI公司ADSP-BF548处理器为算法硬件平台,实时检测驾驶员的疲劳状态。本系统通过车载摄像头实时拍摄驾驶员人脸图像,然后经帧差、投影、模板匹配等图像处理方法正确定位驾驶员的人眼位置,最后根据单位时间内人眼闭合时间所占比,超过阈值则适时预警。实验表明,基于ADSP-BF548的驾驶员疲劳检测系统具有良好的准确性和实时性。     

复杂背景中人脸位置的检测及其分割方法

人脸是一个复杂的模式，在图像中自动地对其进行定位和分割是进行识别的首条条件，本文提出了一种新的复杂背景下对未知大小，位置和数目人脸进行定位和分割的算法，它利用了基于知识的金字塔方法，主要由三部分组成：较高的两级是在多尺度脊边缘检测的基础上，利用Ｂ－样条二进小波变换通过检测在不同分辨率下的极小值（对应眼睛）和极大值点（对应人脸）利用尺度，包含和对称等关系进行初步筛选，最后利用人眼的特点最终确定其位置     

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。     

基于瞳孔定位的单目测距系统

针对人和机器人在协同工作的过程中,机器人需要对伙伴进行准确的目标定位这个问题,设计了一个以ARM Cotex－A9 i． MX6Q为微处理器处理模块,USB摄像头为采集模块的嵌入式视觉测距系统,实现了单目视觉测距定位。该系统设计大体分为人眼瞳孔定位和单目测距2部分。人眼瞳孔定位通过USB摄像头采集人脸图像,系统对人脸图像进行处理,获取人脸图像中瞳孔的精确位置,获取人脸图像中瞳孔的位置采用Adboost人脸检测算法和灰度投影人眼定位算法;测距采用小孔成像三角形相似原理,根据实际人眼瞳距和图像中人眼瞳距信息计算出目标人物到摄像机镜头间的距离,其中摄像机的内参数标定借助于Matlab工具箱来完成。实验结果表明,该测距定位系统测距精度较高,系统鲁棒性好,具有良好的应用前景。     

基于眼和嘴定位的人脸归一化算法研究

人脸归一化处理是人脸识别的关键预处理步骤,本文提出了一种基于眼和嘴定位的人脸归一化算法。首先通过直方图均衡化法消除不均匀光照对人脸图像的影响;再通过灰度投影法对人脸的双眼和嘴部中心进行定位;然后根据双眼的定位结果,通过仿射变换法进行人脸平面内旋转,实现几何位置的归一化;最后根据双眼和嘴部中心的精确定位信息进行横向和纵向的缩放,实现大小的归一化。该算法运算量小、简单可行,并具有良好的定位效果和归一化效果。     

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。     

基于特征点定位与肤色分割的胡子检测算法

针对具有一定程度偏转和模糊的人脸图像难以实现胡子检测的问题,提出基于人脸特征点定位与肤色分割的胡子检测算法.该算法的设计思路是首先使用主动形状模型(ASM)算法定位人脸特征点进而获取下巴区域,然后利用提出的自动选择聚类中心(ASCC)的肤色分割算法分离出下巴的非肤色区域,最后在下巴非肤色区域中使用胡子颜色判别法检测得到胡子.在LFW人脸库上的实验表明,该算法能够准确地检测出入脸的胡子,特别地,对有一定程度偏转和模糊的人脸图像,算法依然能获取良好的检测效果.     

基于肤色分割和改进AdaBoost算法的人脸检测

为解决当被检测图像中具有复杂背景或者含有多人脸时,不能够快速准确的进行人脸检测的问题,本文提出一种基于肤色分割和改进AdaBoost算法的人脸检测方法。首先利用肤色分割方法对样本图像实现图像的预处理,排除样本图像的复杂背景和人体非肤色区域,简化后续的人脸检测工作。然后对AdaBoost算法的弱分类器使用双阈值判决方法,以减少弱分类器个数,提升训练速度;改进权值更新规则,防止训练过程中出现过分配现象。最后对基于肤色分割得到的区域图像利用改进后的Adaboost算法进行最后的精确人脸检测。仿真试验表明,两种算法结合后在训练速度上提升,在检测速度和检测率上有明显提高。     

一种热红外人脸分割的新方法

针对热红外人脸的边缘和细节特征模糊、对比度低、人脸和背景温度分布不同等特点,提出一种新的图像分割方法.该方法使用灰度投影粗定位人脸,使用模糊连接度分割背景和确定人眼眉毛的位置,根据眉毛的中心精确定位和归一化人脸.实验结果表明,该方法消除了背景干扰,保留了更多的人脸信息,能够有效解决热红外人脸图像的定位和分割问题.     

一种考虑驾驶员姿态及光照因素的疲劳驾驶稳健检测算法

考虑疲劳驾驶检测过程中容易出现的偏头情形和光照因素影响,提出一种疲劳驾驶稳健检测算法。在实现Adaboost和主动性状模型相结合的人眼定位基础上,算法首先通过归一化人脸图像旋转等手段,使检测系统可以适应驾驶过程中经常出现的驾驶员偏头情形;其次通过补充人脸训练样本和引入直方图均衡等手段,使其可以更好地适应驾驶中出现的各种光照环境。最后利用Perclos算法对驾驶员疲劳状态进行判定。对模拟视频及车内采集的真实驾驶样本视频进行检测实验,结果表明稳健检测算法可以更准确定位人眼的位置。不仅可以有效的适应偏头情况,并且可以消除光照因素的影响,提升了检测系统的稳健性。     

基于综合肤色检测和二值形态学的人脸定位研究

针对人脸定位检测中存在的速度慢、精度低及噪声干扰问题,提出了一种基于综合肤色检测和二值形态学的人脸定位检测算法.该算法将YCrCb(明亮度-色调-饱和度)模型与HSV(色相-饱和度-色调)模型用于人脸综合肤色检测,在YCrCb与HSV空间中根据待检测图像每点的颜色值进行人体区域或背景区域的判断;然后,将检测图像转换为二值图像,对图像进行形态学处理;最后,选用人脸几何特征对筛选后连通区域进行判别,实现人脸的准确定位和检测.实验结果表明,该算法对于简单、中等、复杂三种情况下人脸图像的检测正确率分别达到了99%、92%和85%.另外,由于二值形态学消噪算法的使用不仅提高了人脸检测的准确率,而且加快了检测速度.     

一种基于Harris角点检测的快速瞳孔定位方法

提出了一种基于灰度投影曲线和Harris角点检测进行人眼定位的新算法.首先利用原图的垂直灰度投影曲线确定人脸的左右边界,然后利用人脸区域的水平灰度投影确定头顶至鼻子中部的上下边界,最后利用Harris角点检测算法快速定位瞳孔,精确定位人眼的位置.文章算法成功地将Harris角点检测算法应用到瞳孔定位中,实验结果表明,该算法不受眉毛的干扰,具有较小的运算量和较高的处理速度,而且定位准确,准确率较高,很好地解决了简单背景下人眼的快速定位问题.     

汽车智能驾舱驾驶疲劳检测系统设计

疲劳驾驶是影响交通安全的主要因素，当前疲劳驾驶的检测方法普遍存在设备体积大、侵入性强、实时性差等弊端。文中设计的基于FPGA的疲劳驾驶检测系统，首先利用区域长宽比改进YCbCr人脸分割算法，提高算法在驾驶环境中对于人脸的辨识度；然后建立动态视频人眼跟踪模型，在人脸范围内定位人眼位置，采用三帧差算法检测眨眼动作，以眨眼率作为疲劳的评价指标，对司机状态进行实时监控；最后利用FPGA芯片完成实时图像数据的处理和疲劳驾驶检测。实验证明，该系统具备在光线昏暗和佩戴眼镜等场景下检测疲劳状态的能力，并且检测系统充分发挥FPGA芯片数据并行处理优势，具备体积小、速度快、集成度高，通电即可工作的特点，有利于在狭小的驾驶舱环境部署，具有一定的工程应用价值。