人脸检测中眼睛精确定位的研究

人脸检测在许多应用中都是重要的一个处理阶段,例如人脸识别、电视会议、人机界面等。眼睛是一个在人脸检测中极为重要的人脸特征,因此一种快速可靠的精确定位眼睛的算法对许多实际的应用是十分重要的。该文提出了一种新颖的精确定位眼睛的方法,该方法由两部分组成:第一部分,通过人脸区域分割、五官定位、人脸确认三个步骤在复杂背景中进行人脸区域的检测;第二部分,在检测到人脸区域和眼睛大致位置的基础上,用一种新的椭圆检测算法精确定位眼睛虹膜的位置。实验证明该文所提出的算法是快速可靠的。     

一种基于肤色模型和眼睛定位的人脸检测方法

提出了一种基于肤色模型和眼睛定位的人脸检测方法。首先利用肤色模型和掩膜进行粗定位,确定人脸可能区域,然后通过基于方向模板的眼睛定位进行人脸存在的确认和精确定位。实验证明了该方法对于复杂背景下人脸检测的有效性。     

一种快速人眼定位与跟踪算法的实现

提出了一种在复杂背景、光照、姿势变化条件下的人脸眼睛定位与跟踪算法。首先采用基于OpenCV的级联式AdaBoost对象检测算法进行人脸检测,并提出了解决平面和深度旋转的方法;然后采用基于瞳孔定位后的分类器法精确定位眼睛;最后采用卡尔曼粒子滤波算法进行人眼跟踪。实验结果表明,该算法在复杂背景下极大地提高了眼睛定位与跟踪的速度和精确度,并对光照、姿势不敏感。     

一种基于灰度图像的人脸检测及眼睛定位算法

利用灰度积分投影直接对人脸图像进行检测和眼睛定位是一种常用的算法,但是直接采用该算法会受到背景、特征等因素的影响,识别准确率较低。提出了一种基于最大类问方差阈值和区域膨胀相结合的检测与定位算法。该算法首先计算最大类间方差设置阈值,把灰度图像转换为二值图像并检测出人脸区域,然后通过对该人脸区域中的连通区域进行膨胀及连通性处理,精确定位眼睛坐标。实验表明,此算法可靠,具有较好的识别效果。     

人脸检测中的眼睛定位算法研究

眼睛是一个在人脸检测中极为重要的人脸特征,因此一种快速可靠的精确定位眼睛的算法对许多实际的应用是十分重要的。本文分析了几种常用的眼睛定位算法,并提出了一种基于肤色信息、人脸面部几何特征和人眼灰度信息的算法。算法采用由粗到细的检测策略,先对AnilK.Jain的Cb、Cr椭圆聚类方法进行了改进,用改进的算法进行肤色提取,经过肤色区域的分析,对人脸区域进行预检测,然后结合人眼几何特征进行初步定位,再利用人眼的灰度信息进行精确定位。该算法定位效率高,并对背景、尺寸等细节具有很好的适应性,在人脸实时检测系统中具有很好的应用价值。     

驾驶员疲劳驾驶中的眼睛定位创新算法

通过人眼图像来检测驾驶员疲劳驾驶是目前的主流方向,面部及眼睛定位是其中关键的环节。提出了一种新颖的精确定位眼睛的方法。该方法由两部分组成：第一部分,通过肤色聚类分割算法将人脸区域分割,对分割图进行几何过滤,对得到的候选人脸区域中的孔洞计算质心点找到可能的人眼对;第二部分,在检测到人脸区域和眼睛大致位置的基础上,结合提出的眼睛模型,采用新的Hough变换椭圆检测算法精确定位人眼的位置。实验证明所提出的算法是快速可靠的。     

改进的投影算法在人眼定位的应用与仿真

研究驾驶员疲劳检测中眼睛定位问题,眼睛的精确定位是驾驶员疲劳检测的前提.针对目前图像处理算法中的对眼睛难以精确定位,导致了驾驶员疲劳检测不准而得不到实际的应用,为了提高检测准确性,提出了一种改进的投影定位算法.首先采用数学形态学对人脸识别结果进行改进,然后根据眼睛和眉毛的位置特征对眼睛定位的结果进行改进,使眼睛定位的结果更精确.在Matlab平台上进行仿真,结果表明,改进后的算法人脸识别结果较好,眼睛定位精度高,为疲劳驾驶检测的推广提供了技术支持.     

复合特征的眼睛中心定位

为实现在正面人脸中定位眼睛中心点,提出复合特征算法。在整体人脸图像主动表观模型的基础上,引入局部表观模型,使全局AAM的最优结果进一步转换到眼睛局部区域的最优定位,结合在线的肤色纹理特征,使用扇形区域积分定位内外眼角点,实现眼睛边界点的在线精确定位。使用积分图的特征梯度定位虹膜区域的边界,用圆形参数进行虹膜边缘检测,实现眼睛虹膜区域的精确定位。实验结果表明,该算法可以鲁棒地确定眼睛中心,对于实时视频等低分辨率图像能够较好地实现定位。     

肤色模型快速人脸检测算法研究

为提高人脸检测效率．研究实现采用肤色模型的低分辨率视频快速人脸检测算法。主要步骤包括采用Gray World方法的图像预处理、图像二值化和形态学处理等,从而实现快速人脸定位。实验结果证明该方法的正确性、快速性和有效性。该算法可以为后期人脸特征检测的精确定位奠定基础。     

一种有效的用于疲劳驾驶检测的人眼定位算法

对疲劳驾驶检测系统来说,人眼定位对眼睛状态的正确判别起着关键作用。文中提出一种灰度图像中改进型眼睛定位算法。首先采用水平和垂直积分投影法大致定位出双眼窗口,然后综合运用动态阈值的模板卷积法和形态学操作来定位眼部黑块。随后通过黑斑验证,精确定位出眼球中心。实验图片全部取自CAS—PEAL和ORL双人脸数据库,结果表明该算法速度快,准确率高,稳定性强,对一定程度的头部旋转和戴眼镜等情况有较强的适应性,能应用于疲劳驾驶检测等需要快速定位人眼的场合。     

基于多特征融合的眼睛状态检测算法研究

疲劳驾驶检测算法研究对提升交通安全有着重要的意义。目前,已有大量关于疲劳驾驶的文献和成果。在疲劳驾驶检测算法中,眼睛开闭状态的判断起着至关重要的作用。深度级联卷积神经网络用来检测人脸和人脸特征,利用Dlib工具快速提取驾驶员人脸特征。基于眼睛特征计算眼睛宽高比,并将眼睛宽高比、传统人眼特征的人眼虹膜等用于判断眼睛开闭的参数。该文提出一种实时地融合了EAR、虹膜等多个特征的眼睛状态检测算法,可补偿传统人眼特征的像素值比较敏感的不足,也补偿了EAR在人脸倾斜、戴眼镜、光照变换、眼睛周围有光斑等情况下非常不可靠的不足。在640*480分辨率,帧率30 fps的视频上获得平均92%的检测正确率。实验结果表明融合后的算法可在光照变换、人脸倾斜、佩戴眼镜等条件下提升检测性能,鲁棒性较高。     

面向驾驶员疲劳检测的双空间人眼定位方法

驾驶疲劳可以从眼睛的状态中反映出来,而眼睛定位是判断眼睛状态的关键。为解决眼睛定位实时性和头部旋转不确定性问题,该文提出一种基于双空间的眼睛定位方法：在彩色空间中采用肤色特征快速检测人脸,在此基础上使用饱和度和亮度特征快速检测虹膜。针对非开眼问题,在灰度空间中使用自定义圆卷积模板法定位眼睛。实验结果表明,该方法定位正确率为94.67%,能够满足实时性要求,对戴眼镜、头部旋转、光照变化具有一定的鲁棒性。     

Precise glasses detection algorithm for face with in-plane rotation

This paper proposes an accurate glasses detection algorithm for in-plane rotated faces. Firstly, to normalize the face with in-plane rotation to be an upright one, this paper proposes a new set of ±26.565° haar-like features which can be calculated quickly to represent the features of rotated faces. With these new features, we address to build different rotated detectors by rotating upright face detector directly so as to achieve in-plane rotated face detection. Secondly, according to the rule that the objects with fixed and complex structure in a simple background are much easily to be detected, as the eyes have much complex structure in the face, we propose to detect the eyes for minimizing the glasses searching region. Because the nosepiece region of the glasses has much fixed structure and simple background, we use this part to train a new detector with the haar-like features and AdaBoost algorithm for precise glasses detection. This approach accomplishes glasses detection for in-plane rotated face with high speed and precision. The experimental results on the CMU-MIT, BioID, and CAS-PEAL-R1 face databases demonstrate that the algorithms for face, eye and glasses detection yield accurate results and maintain the speed advantage.     

基于肤色和类Harr特征的人脸图像的人眼检测

人眼检测在表情识别和计算机视觉领域得到了广泛的关注和研究,但是在多数的人眼检测方法中,对于背景较复杂的图像,识别率急速下降,误检率急剧上升。经过研究,使用椭圆肤色模型预处理图像,分割出肤色区域和非肤色区域,检测算法只对肤色区域进行人眼检测,有效降低了复杂背景造成的高误检率。同时特征选取是决定检测算法识别率和误检率等性能标准的关键因素,选取类Harr特征训练Adaboost级联分类器,实验表明了类Harr特征的有效性。     

基于差分投影和梯度向量流场的眼睛特征提取

提出了差分投影的方法确定眼睛区域,并根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库(400幅图像)和JAFFE人脸表情库(213幅图像)上的实验证明该算法具有较好的眼睛特征抽取能力。     

Discrete area filters in accurate detection of faces and facial features

This paper introduces a new method for detection of faces and facial features. Proposed algorithm denies the thesis that bottom-up solutions can't work at reasonable speed. It introduces fast detection – about 9 frames per second for a 384 × 256 image – while preserving accurate details of the detection. Main experiments focus on the detection of the eye centers — crucial in many computer vision systems such as face recognition, eye movement detection or iris recognition, however algorithm is tuned to detect 15 fiducial face points. Models were trained on nearly frontal faces. Bottom-up approach allows to detect objects under partial occlusion — particularly two out of four face parts (left eye, right eye, nose, mouth) must be localized. Precision of the trained model is verified on the Feret dataset. Robustness of the face detection is evaluated on the BioID, LFPW, Feret, GT, Valid and Helen databases in comparison to the state of the art detectors.     

A robust eye detection method using combined binary edge and intensity information

In this paper, a new eye detection method is presented. The method consists of three steps: (1) extraction of binary edge images (BEIs) from the grayscale face image based on multi-resolution wavelet transform, (2) extraction of eye regions and segments from BEIs and (3) eye localization based on light dots and intensity information. In the paper, an improved face region extraction algorithm and a light dots detection algorithm are proposed for better eye detection performance. Also a multi-level eye detection scheme is adopted. Experimental results show that a correct eye detection rate of 98.7% can be achieved on 150 Bern images with variations in views and gaze directions and 96.6% can be achieved on 564 AR images with different facial expressions and lighting conditions.     

基于灰度信息和瞳孔滤波器的人眼定位算法

提出一种新的人眼定位方法,首先用Adaboost算法检测人脸区域,经过归一化和预处理后截取出人眼检测窗,然后利用眼眉的灰度信息确定人眼的大致位置,再利用瞳孔滤波器以精确定位。该方法解决了将眼睛错误定位到眉毛的问题,速度快而且定位准确。实验结果表明,无论是用于背景复杂的静态图像还是实时人脸检测系统,该算法都能取得很好的定位效果。     

基于人脸的活体检测系统

人脸识别技术由于其成本低、用户友好、效率高等特点被广泛应用,同时也出现了针对人脸识别的身份伪造攻击,主要包括照片人脸攻击、视频人脸攻击、三维人脸模型攻击等方式,对于这些攻击方式的防范方法都是围绕着基于人脸的活体检测这个中点进行展开. 本文着重研究的活体检测方法为眨眼检测与背景分析算法,通过区域增长算法进行人眼定位、形态学操作进行人眼张合判断、感知Hash 算法进行背景差异对比,构造出一个复合的活体检测系统. 基于复合的眨眼检测与背景分析算法,本文设计了一个包含眨眼检测模块与背景分析模块的活体检测系统,使用OpenCV2.4.9 与vs2012 的MFC 架构实现了一个可以抵御照片攻击与视频攻击的活体检测系统,并对系统进行实验与评估,在与其它同类型的系统进行比较的结果来看,本文实现的系统性能表现优异.     

基于谱直方图与支持向量机的人脸检测

提出了一种基于谱直方图和支持向量机的人脸检测算法。首先使用梯度滤波器、LoG滤波器和LBP算子计算图像的谱直方图,然后使用支持向量机进行分类。经实验表明,算法可以克服光照、姿势、表情、眼镜等干扰,并允许有局部遮挡,具有较强的鲁棒性。