利用肤色分割和自适应模版匹配的人脸检测

针对基于模板匹配人脸检测算法计算量大和基于肤色分割人脸检测算法正确率低、易受类肤色背景影响等缺陷,提出了利用人类肤色分割和自适应模板匹配的人脸检测方法.利用人脸肤色混合高斯模型对人脸进行分割实现迅速检测人脸的目的;采用二维多尺度离散正交小波变换来进行光照补偿,克服亮度对人脸检测的影响;利用自适应模板匹配和二次匹配算法来减少类肤色背景对人脸检测的影响及匹配过程中的计算量.实验结果表明:本文提出的方法能快速检测出人脸,克服亮度和类肤色背景对人脸检测的影响,并提高人脸检测的准确率.     

一种基于肤色模型的贝叶斯人脸检测算法

为了结合颜色信息和人脸特征构造快速高精度的人脸检测系统，提出一种基于肤色模型的贝叶斯人脸检测算法，新算法包括两大步骤，即肤色检测和人脸特征检测．前者借助混合高斯模型对人脸肤色区域楚模．生成肤色检测规则．同时，针对合理选择混合高斯模型中分量数问题，提出一种基于聚类有效性函数的最优分量数确定方法，以提高肤色检测的精度，在人脸特征区域判决中引入菱形搜索，与贝叶斯判决相结合，以提高人脸特征区域的检测速度，新算法具有较高的检测精度和较低的漏警率，同时能够满足实时检测的要求。     

一种基于肤色和模板匹配的人脸检测方法

提出了一种基于肤色和模板匹配的人脸检测方法，该方法首先对搜集到的人脸肤色样本在YCbCr空间中进行聚类，然后根据聚类的范围在输入的图像中确定候选的人脸区域（假设存在）的位置，接着对该候选人脸区域进行归一化处理，再计算人脸模板和该候选区域的Hausdorff距离，根据该距离大小最终确定该候选区域是否为人脸．实验表明：该算法检测准确率高，具有良好的实时性和鲁棒性．     

复杂背景中人脸检测与特征定位

为了在复杂背景下检测出人脸的特征区域,针对彩色图像提出了一种基于肤色和特征验证的人脸检测算法,主要由肤色分割、排除假区域、特征验证3部分组成,经实验证明,该算法检测速度快、准确率高,具有较好的鲁棒性。     

一种基于肤色和模板匹配的人脸检测方法

提出了一种基于肤色和模板匹配的人脸检测方法,该方法首先对搜集到的人脸肤色样本在YCbCr空间中进行聚类,然后根据聚类的范围在输入的图像中确定候选的人脸区域(假设存在)的位置,接着对该候选人脸区域进行归一化处理,再计算人脸模板和该候选区域的Hausdorff距离,根据该距离大小最终确定该候选区域是否为人脸.实验表明:该算法检测准确率高,具有良好的实时性和鲁棒性.     

疲劳驾驶监控中人脸检测与定位方法

目的为了正确检测和定位人脸区域,提高疲劳驾驶监控中人脸检测与定位方法的准确率和实时性.方法结合肤色分割、模板匹配,改进连通区域划分算法实现对戴眼镜人脸的检测与定位.结果实验结果表明,肤色分割改进算法能对不同复杂程度背景的人脸图像正确的检测与定位,正确率达到97.7%.结论该算法能在不同光照条件和复杂程度背景下,检测并定位人脸区域,实时性好,准确率高,对戴眼镜情况时也能检测定位成功.     

基于肤色分割与改进Adaboost算法的人脸检测

针对低分辨率的视频监控图像在复杂环境中不能有效地将人脸检测出来,提出结合BP神经网络的肤色训练和肤色分割,形成一个检测兴趣区域,利用改进的Adaboost算法来完成人脸检测。实验结果表明,改进的方法提高了人脸检测的准确率,降低了视频监控图像的误检率。     

复杂背景的人脸检测方法

由于原始的Adaboost方法在复杂图片上检测人脸效果不够理想,所以提出了一种能够处理复杂背景图片的人脸检测方法,即基于肤色的Adaboost检测方法。该方法具有肤色分割的检测率高、适应性强和AdaBoost算法检测速度快等优点。首先,通过人脸肤色的统计特征对图像进行肤色分割,得到候选人脸区域;然后使用经过训练的AdaBoost算法级联分类器对候选人脸区域进行检测,最终得到精确定位的人脸。经过实丐令证明,基于肤色分割的Adaboost人脸检测方法比原始的Adaboost方法在鲁棒性上有了很大提高。     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法,实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法,用其分割图像,根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本,最后利用训练好的支持向量机预测人脸样本是否为人脸.     

彩色图像中的人脸检测方法

综合了肤色检测、眼睛定位和支持向量机人脸验证方法，实现了彩色图像中的人脸检测.提出了一种基于区域的皮肤检测算法.将像素局部特征引入模糊C均值法，用其分割图像，根据肤色像素的数量判断分割区域是否为肤色区域.在肤色区域中利用眼睛的亮度图和色度图定位人脸样本，最后利用训练好的支持向量机预测人脸样本是否为人脸.     

基于肤色分割和改进的AdaBoostSVM算法的人脸检测

为了提高人脸检测的速度和精度,提出了一种基于肤色分割与改进的AdaBoostSVM算法相结合的人脸检测方法。首先在YCgCr空间通过计算肤色相似度进行肤色分割,进而得到候选的人脸区域。然后,针对人脸检测中正负样本的非对称性对AdaBoostSVM算法进行改进,并用改进的AdaBoostSVM算法对候选人脸进行检测验证。实验结果表明,该方法改善了人脸检测性能,提高了检测速度,能够在复杂背景下进行快速而且较为准确的人脸检测。     

基于特征融合与决策树级联结构的多姿态人脸检测

为了提高复杂模式下多姿态人脸检测的速度与性能,提出了一种基于特征融合与决策树级联结构相结合的多姿态人脸检测方法.该方法给出了基于形态学梯度的边缘方位场特征,并提出了基于Haar like特征与边缘方位场特征相融合的AdaboostSVM算法.通过对决策树级联结构进行改进,将特征融合的AdaboostSVM算法与改进的决策树级联结构相结合进行多姿态人脸检测.实验结果表明,该方法能明显改善复杂模式下多姿态人脸检测的速度与性能.     

基于Adaboost层叠式分类器的人脸检测算法仿真

详细研究了基于Adaboost的层叠式人脸检测算法。构建了一个层叠式分类器系统,其由多个弱分类器构建一个强分类器,再由多个强分类器最终构建一个层叠式分类器系统。通过增加层叠式分类器的级数来降低人脸误识率,增加层叠式分类器的个数来提高人脸检测率,使得层叠式分类器具有不断扩展升级的能力。仿真实验结果证明,采用这种策略成功的降低了误识率和计算时间,显著提高了检测性能,其检测效果稳定,并且完全可以适用于实时视频人脸检测。     

基于惩罚因子的PNMS算法的人脸检测和对齐

针对人脸相互遮挡、人脸朝向等不确定性因素给人脸检测和对齐任务带来的困难问题,提出了基于惩罚因子的PNMS算法用以改进人脸检测和对齐的准确性。该算法首先根据人脸候选窗口相互之间的重叠度和候选窗口相应的检测得分,提出非连续的线性函数和基于高斯分布的连续函数,作为非极大值抑制算法的两种惩罚因子,用以改进并替代传统非极大值抑制算法对候选窗口的检测得分进行重分配。在此基础上,综合前两种惩罚因子的优缺点以及窗口之间的重叠度值,进一步提出连续非线性函数作为非极大值抑制算法的惩罚因子,使得窗口之间重叠度值越大则相应的惩罚权重越严重,且函数在整个重叠取值区间连续。将提出的算法在FDDB和WIDER FACE这2个人脸检测数据集上进行详尽的人脸检测实验验证,以及在AFLW人脸对齐数据集上进行人脸对齐实验验证。结果表明,提出的基于惩罚因子的PNMS算法相比于其他算法,在保持一定实时性的同时不仅有效地提高了人脸检测和对齐的准确率和可靠性,并且解决了一定程度的人脸相互遮挡被漏检的问题,降低了被遮挡人脸的漏检率。     

改进SSR算法在人脸识别中的应用

为提高人脸检测中人脸验证的速度,在平方积分图像和图像窗口的灰度均值及方差快速计算基础上,对传统的SSR算法中人脸验证算法部分进行了改进。应用改进的算法,结合窗口灰度标准化的计算和平均人脸模板的取得,引入相关系数和平均偏差,加快了求解速度,克服了由于噪声点的存在对真实的候选脸图像漏检的情况。人脸检测实验证明应用改进的模板匹配算法的正确性.     

工作面复杂构造坑透及反射槽波透明化探测研究

煤矿井下工作面内部发育的复杂地质构造是威胁安全回采的重要因素,为保证工作面安全回采,提高探测精度,达到透明化探测目的,采用坑透和反射槽波两种物探手段相结合对工作面进行了探测研究.首先讨论了坑透和反射槽波的相关理论,分析了电磁波收敛成像算法和弹性波偏移成像算法,研究了坑透场强衰减规律和衰减系数.然后,对反射槽波探测数据进...     

复杂背景下人脸检测技术的研究

为了解决传统人脸检测技术在检测复杂背景中的人脸时准确率低的问题,提出了一种具有形状约束的Snake模型的人脸检测方法。该方法依据人脸形状近似符合椭圆的特点,在Snake模型的能量函数中引入了形状能量函数,使得控制点之间的联系进一步加强,从而提高了复杂背景中人脸检测时收敛结果的准确性。实验结果表明,该方法能够较好地提取复杂背景中的人脸轮廓,是一种有效可行的方法。     

多注意力机制的口罩检测网络

提出一种口罩佩戴检测模型,引入多注意力机制,提升了网络特征挖掘能力; 利用柔性非极大抑制方法,消除多余目标检测框. 在公共数据库上的仿真实验表明,该模型检测人脸口罩佩戴的平均精度达到93.81%,帧率达到11.8 fps,能有效地进行人脸口罩佩戴检测.     

利用双重彩色空间肤色模型实现快速人脸检测

在单独采用HSI彩色空间或YCbCr彩色空间肤色高斯模型进行人脸检测的基础上将二者结合起来,提出了一种利用双重彩色空间肤色模型实现快速人脸检测的方法。这种方法利用了在不同肤色模型之下都可以大致检测出人脸区域,并且所误检测的背景范围差异较大,同时被两种肤色模型都误检测为人脸的可能性较小,所以取其检测结果的共同点,就是大致的人脸区域,而误检测为人脸的背景区域就被去掉了。之后采用较为简单的算法,就可以从这个大致的人脸区域中定位真正的人脸区域。该方法不需要建立极为精确的肤色模型,也不需要在人脸检测得到二值化结果后,采用较为复杂的算法,从二值化结果中定位人脸。该方法适合于在特征提取前使用,去除多余的背景信息,提高图像处理和识别的速度和准确度。