考虑光照鲁棒性的超分辨率人脸识别系统设计

为保障不同光照下低分辨率人脸的超分辨率识别精度与效率,设计了考虑光照鲁棒性的超分辨率人脸识别系统。通过包含DSP单元与ARM单元的控制器模块,驱动人脸视频采集模块。采集不同复杂光照的人脸视频信息并解析成视频帧后,预估视频帧序列的位移情况,恢复视频帧序列的超分辨率,融合超分辨率视频帧构成人脸图像样本。利用人脸特征提取模块补偿全部人脸图像样本复杂光照,并提取其LBP特征构成人脸库。通过人脸识别模块匹配人脸图像的LBP特征与人脸库,识别出超分辨率人脸图像。结果表明,该系统的光照鲁棒性人脸图像采集与人脸图像LBP特征提取两部分的实现效果均较好。可有效识别出背光、强光及弱光下的超分辨率人脸,识别效率较高,识别成功率能够达到96.7%,为光照鲁棒性人脸识别提供保障。     

基于肤色模型的人脸检测研究

现有的人脸检测方法,对复杂光照环境下获得的彩色人脸图像的检测效果仍不太理想。在仔细研究目前人脸检测方法的基础上,对基于肤色分割结合模板匹配的人脸检测方法进行改进,提出基于“光照预处理＋肤色模型＋模板匹配”的人脸检测问题解决思路。实验结果表明,该方法对实际场景中正面和准正面的人脸图像,平均准检率达到84％,同时对光照变化不敏感,而且对姿态和表情的变化也具有较好的鲁棒性。     

基于PCA与SVM的头部姿态识别及应用

针对头部姿态识别在复杂背景和变化光照情况下准确率低的问题,提出了一种有效识别图像序列中头部姿态的方法.首先运用Adaboost算法提取出图像序列中不同姿态的人脸图像,通过主成分分析方法(PCA)提取人脸姿态特征;然后使用支持向量机构(SVM)造多分类器对提取的特征分类从而实现头部姿态识别;最后设计了五种不同的头部姿态在变化光照下与智能轮椅进行人机交互实验.实验结果表明该方法实时性高,抗光照变化性能强,识别率高达92.2％.     

基于肤色的自适应光照法定位运动人体研究

为了解决自然环境下,环境光照变化和复杂背景等因素对视频监视和目标识别带来的干扰,提出了一种基于人体肤色特征遵循环境光照变化规律的自适应光照法运动人体定位方法。自适应光照法,即在HSV颜色模型下,分别计算不同光照条件下所有肤色像素点的平均色调H、平均饱和度S、平均亮度V;再计算不同光照条件下每幅帧图像所有像素点的相对亮度值μ;以相对亮度值为横坐标,肤色的H、S、V的平均值分别作为纵坐标,拟合出肤色相对于亮度的规律公式,通过自动选取阈值,进一步消除了环境光照变化对肤色检测的影响,使肤色区域定位更为准确,且计算量小、不需要消耗大量的存储空间和处理时间。以一年为周期采集并处理和分析了大量不同季节和时段的视频图像数据,实验结果表明,在运动区域查找人体肤色,自适应光照法提高了复杂自然环境下光照下对运动人体定位的实时性和准确性。     

基于肤色及改进的Adaboost算法的人脸检测

为提高人脸检测的实时性和准确率,提出一种基于肤色与改进的Adaboost算法结合的人脸检测新方法。首先在YCbCr色彩空间下建立混合高斯肤色模型处理待检测图像,分割出肤色区域得到候选人脸区域。然后通过Harr矩形特征扩展与样本权值更新改进Adaboost算法,进行人脸检测。实验表明,该方法较好地处理了复杂背景下彩色图像人脸检测的漏检、错检问题,提高了检测速度和精度。     

基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型

文中旨在研究基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型。该模型先将待识别舞蹈视频图像实施腐蚀、膨胀、中心归一化等预处理,利用处理后图像提取舞蹈翻腾姿态能量图,通过离散余弦变换提取舞蹈翻腾姿态能量图频域特征,利用Contourlet变换提取舞蹈翻腾姿态能量图空域轮廓特征,采用特征级融合方法融合以上特征获取舞蹈轮廓图像的空频域特征向量集,再将待识别舞蹈视频序列候选姿态利用Baum-Welch算法训练为隐马尔可夫模型,利用舞蹈轮廓图像的空频域特征向量集将隐马尔可夫模型量化至观察序列,通过前向后向算法获取观察序列姿态概率,观察序列概率值最大的隐马尔可夫模型对应姿态即为所需识别舞蹈翻腾姿态。实验结果表明,该模型可较好地提取具有空频域特征的舞蹈轮廓图像,有效识别舞蹈视频中舞蹈翻腾姿态,且识别100帧有阴影舞蹈视频图像中舞蹈翻腾姿态识别准确率高于96%。     

视频图像中人脸自动检测与统计算法

针对视频中人脸检测由于成像角度、天气状况、遮挡等因素造成检测准确率偏低以及深度学习模型计算复杂度高的问题,文中提出了一种基于椭圆肤色模型与AdaBoost的人脸检测算法。算法通过选取Haar-like特征作为弱分类器,以裁剪过的CAS_PEAL数据集中的人脸图像作为训练集,利用AdaBoost算法将多个弱分类器组合成一个强分类器,最后将若干强分类器以级联的结构组成最终的分类器模型。为解决将非人脸区域检测为人脸的问题,引入椭圆肤色模型,利用椭圆肤色模型对视频帧进行处理使得图像中与肤色相似的区域进入后续的人脸检测过程以降低误检率。实验结果表明,算法能以平均26 ms(单人脸视频)和平均34 ms(多人脸视频)的检测速度进行实时的人脸检测,且达到了87.2%的检测准确率,具有较大的应用推广价值。     

一种基于机器视觉的引体向上计数方法

针对引体向上项目人工计数效率低、误判率高等问题,提出了一种基于机器视觉的引体向上计数方法.利用AdaBoost算法构建Haar-like特征人脸人手分类器,通过计算图像不变矩获取人手人脸面积和质心坐标,分别取人脸面积、人脸与人手质心垂直距离做阈值;利用混合高斯背景模型提取运动前景,统计图像序列中ROI区域灰度变化,然后做椭圆肤色检测,计算图像不变矩获取图像序列中人脸质心坐标,通过对每帧的灰度值和质心坐标变化做分析,并与设定阈值作比较,得到引体向上数目.实验表明,该方法能快速的对复杂环境下引体向上动作进行计数,计数准确率约为91.3％.     

结合深度Q学习和注意模型的视频人脸识别

针对视频人脸识别中存在的动态人脸信息捕捉困难和局部人脸特征提取粗糙的问题,提出了一种基于深度Q学习和注意模型结合的视频人脸识别方法。首先,采用卷积神经网络(Convolutional Neural Network,CNN)训练视频数据可提取多维特征;其次,将视频特征输入注意模型,根据视频数据时间连续性信息得到局部人脸特征、人脸位置和时间记忆单元;最后,采用Q学习迭代计算注意模型的输出,找到含人脸的最优帧序列,并以此计算视频匹配准确度。实验结果表明,该方法有效提高了复杂背景下视频人脸识别的准确性。     

人脸自动定位及其系统实现

人脸自动定位技术在智能视频通信、视频监控以及娱乐等领域有着广泛的应用。通过将基于肤色的人脸检测和基于人工神经网络的控制策略相结合,提出一种新的人脸自动定位算法。该算法简单有效,克服传统跟踪算法中需要利用帧间相关信息和需要标定摄像机的缺点,只需通过人脸检测程序给出人脸特征点在计算机图像中的坐标,就可直接得出摄像机水平调整量和垂直调整量,根据调整量控制摄像机运动即可将人脸自动定位在图像中心。最后利用面向对象的方法实现了系统,并且取得了满意的效果。     

融合SMCF与加权直方图的视频人脸快速匹配方法

在视频流环境下,提出了一种融合序列蒙特卡罗滤波(SMCF)与加权直方图的快速人脸匹配方法,该方法以目标人脸在HSV空间下的加权直方图作为匹配特征,利用SMCF的采样和权值化处理技术预测人脸可能的匹配区域,通过最大后验估计实现目标的快速相似匹配。实验表明,采用在HSV下具有聚类特性的加权直方图特征可有效地适应复杂背景的干扰,同时SMCF的区域预测和最大化估计有效地减小了计算开销,增加了匹配的可靠性,可应用于人脸跟踪、视频监控及数字娱乐等领域。     

智能视频监控中基于肤色信息的人脸检测算法研究

针对智能视频监控中人脸检测受复杂环境以及多姿态人脸的影响,采用一种基于肤色特征与Ada Boost算法相结合的方法,提取两种算法各自优点并加以优化,其主要思想是利用肤色特征建立肤色模型,选出含有人脸预检测肤色区域,进行人脸样本训练,提取人脸样本Haar特征,进行弱分类器训练,利用迭代的方法,再将不同的弱分类器组合成强分类器,最后形成级联分类器,运用级联分类器检测含有人脸的肤色区域。实验结果表明,该方法不仅提高了智能视频监控中人脸检测的效率和准确性,而且具有较好的鲁棒性。     

基于YCgCr色彩空间的人脸检测技术研究

讨论一种复杂背景下彩色图像的人脸检测方法。在RGB色彩空间对输入图像进行光照补偿,采用YCgCr色彩空间的高斯肤色模型来分割肤色区域,对肤色分割后的二值图像进行数学形态学和连通区域的分析和处理,尽可能去除大部分非人脸区域,最终定位出人脸区域。实验证明,该方法对不同光照条件和复杂背景下的图像有较好的适应性和检测效果。     

复杂光照条件下的多姿状鲁棒性人脸识别方法

为改善复杂光照条件下的多姿状鲁棒性人脸识别的效果,提出了小波变换与LBP的多姿状鲁棒性人脸识别方法。通过二维离散小波变换对人脸图像进行二级小波分解提取到低频特征信息分量,并以重构初始图像的方式实现降噪滤波处理,滤除低频光照分量后完成复杂光照补偿;继续分解复杂光照补偿后的图像,采用LBP算子对子图像的鲁棒性部分纹理特征进行描述后,提取出人脸图像各子图像的直方图特征并连接,得到人脸LBP纹理特征,通过统计法运算该特征距离,并通过K近邻分类器实现人脸特征分类识别。以Yale-B与AR人脸库为测试对象,结果表明,所研究方法对复杂光照鲁棒性较强,识别人脸的准确率与效率较高,整体识别效果较好。     

融合L2范数最小化和压缩Haar-like特征匹配的快速目标跟踪

在贝叶斯推理框架下,基于PCA子空间和L2范数最小化的目标跟踪算法能较好地处理视频场景中多种复杂的外观变化,但在目标出现旋转或姿态变化时易发生跟踪漂移现象。针对这一问题,该文提出一种融合L2范数最小化和压缩Haar-like特征匹配的快速视觉跟踪方法。该方法通过去除规模庞大的方块模板集和简化观测似然度函数降低计算的复杂度;而压缩Haar-like特征匹配技术则增强了算法对目标姿态变化及旋转的鲁棒性。实验结果表明:与目前流行的跟踪方法相比,该方法对严重遮挡、光照突变、快速运动、姿态变化和旋转等干扰均具有较强的鲁棒性,且在多个测试视频上可以达到29帧/s的速度,能满足快速视频跟踪要求。     

复杂背景的快速人脸检测研究

对于彩色图片,为了能够快速地在复杂背景中检测出多姿态人脸,解决肤色分割后大量粘连的类肤色和肤色区域等问题,在阐述光照和色彩补偿、肤色分割等算法的同时,提出了利用投影法和GLV法相结合的改进算法及利用人的头发来定位人脸的方法.实验结果表明,该方法能够在很短的时间内较为准确地检测出复杂环境中旋转不超过45°的多姿态人脸.因...     

基于LBP特征匹配算法的红外人脸图像表情识别技术

红外人脸图像表识别过程中易受到光照不均匀、角度多变、亮度差异大等问题的影响，导致红外人脸图像表情识别效率较差，为解决上述问题，提出基于LBP特征匹配算法的红外人脸图像表情识别方法。首先通过局部优化保留摄影法对红外人脸图像实行降维处理，获取优化后的图像，然后采用多角度分水岭法分割图像，保留图像的细节信息。并采用LBP算子提取预处理后的图像纹理特征，将提取的纹理特征输入支持向量机中，计算出特征的类内比重，完成红外人脸图像表情的识别。实验结果表明，所提方法的平均识别准确率为92%,识别100张人脸图像表情耗时129 s识别效率高、识别效果好、稳定性强。     

视频监控中人脸识别定位方法研究

现有的人脸识别定位方法由于其局限先不能适用于视频监控中的人脸定位,针对智能视频监控中的运动目标的检测的特点,结合视频图像的连续性和人脸肤色的特征,提出了一种快速视频监控人脸定位的有效方法。该方法首先通过差分算法提取前景区域,然后通过BP(误差反传)神经网络的肤色分割算法,对运动区域进行检测,最后对人脸候选区域进行验证并定位。实验证明,该方法不仅能够减小检测误差,而且提高系统运行速度,实现复杂环境下的视频监控中的人脸定位。     

一种改进的AAM人脸特征点快速定位方法

传统的AAM(Active Appearance Models)人脸特征定位改进方法通常关注于拟合效率上,没有具体考虑拟合初始位置和模型实例的特征,因此定位准确率和速度并不理想。该文提出了一种基于人脸特征检测和简单三维姿态估计的拟合初始位置改进和模型实例选择方法。首先采用Adaboost算法对图像中人脸特征进行预检测,然后充分利用YCbCr色彩空间人脸肤色特性对无法检测或检测不完全的图像进行特征提取,最后根据特征区域计算鼻尖坐标和人脸偏转角,合理调整拟合中心位置和模型实例,并在拟合过程中引入ATLAS(Automatically Tuned Linear Algebra Software)线性代数软件包,实现矩阵优化。基于IMM人脸库的仿真实验表明,该方法与传统反向组合AAM相比,拟合准确率提高约43%,时间消耗降低约62%。     

图像拼接技术在双摄像机监控中的应用

针对单摄像机监控范围的局限性,给出一种双摄像机图像拼接方法。首先检测出视频序列图像的兴趣点,并引入改进的尺度不变特征变换算法构建64维匹配描述子;在匹配过程,采用BBF算法进行匹配,提高搜索效率;匹配完成后,采用随机抽样一致性消除误匹配;最后采用加权平均法进行视频序列图像融合,实现序列图像的无缝拼接。实验结果表明,本文方法有较高的匹配效率和匹配准确率,可以明显扩大视频监控的范围,其在视频监控、信息收集及司法取证等方面有一定的实际应用价值。