一种基于肤色模型和模板匹配的人脸检测算法

近年来,随着人机识别技术的日益发展,人脸检测问题越来越受到重视,而人脸检测技术的关键在于准确率和检测速度.为了有效提高人脸检测的效率,提出了一种基于肤色分割和模板匹配算法的人脸检测方法.首先,建立颜色模型,利用颜色信息对图像进行粗检测,得到粗检测结果,然后,采用模板匹配技术确定人脸.该算法克服了单用模板匹配法的时间延迟,提高了检测精度和速度.     

适于人脸检测的模板匹配快速算法

为提高人脸检测中模板匹配的速度,在积分图像基础上,提出和应用平方积分图像,实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法,结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换,以及灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤,大大提高了模板匹配速度。人脸检测实验证明了这种算法的有效性。     

基于肤色检测的AdaBoost人脸检测算法改进

AdaBoost人脸检测算法用于嵌入式实时高清视频时检测速度缓慢.为此,提出一种改进的人脸检测算法.对图像做肤色检测,将检测到的区域进行形态学处理,并作为感兴趣区域,完成AdaBoost人脸检测,以得到检测结果.实验结果表明,该算法在嵌入式系统上运行稳定,能提高检测速度和检测正确率.     

基于Hausdorff距离和改进ASM的人脸跟踪方法*

针对视频图像中人脸定位跟踪的问题,提出了基于Hausdorff距离和改进ASM的跟踪方法.由于Hausdorff距离多模板匹配的复杂性,采用ASM的人脸模型作为模板大大降低了模型维数;并对传统的ASM算法进行了改进,利用DCT进行去相关和能量集中,充分利用特征点附近的二维纹理信息代替传统ASM的一维灰度信息,提高了定位速度和精度.实验证明该方法在视频图像人脸跟踪中是非常有效的.     

Linux平台下目标跟踪算法研究与实现

论文在Linux平台下设计了一种目标跟踪算法.算法中使用图像的三个不变矩代替图像像素的灰度值作为特征量,利用改进后的平均绝对差算法作为相似性测度计算公式进行模板匹配;同时,为了提高目标跟踪的速度,采用遗传算法对图像的匹配策略进行优化,提高了匹配速度.与Windows平台下的目标跟踪算法相比,该算法的实时性高.     

基于积分图像的快速模板匹配

人脸检测中，模板匹配前往往需要对图像窗口进行灰度分布标准化，而灰度分布标准化则要先算出图像窗口的灰度均值及方差。在积分图像基础上，提出和应用平方积分图像，实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法，结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换，以厦灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤，大大提高了模板匹配速度。人脸检测实验证明这种快速模板匹配算法是有效的。     

基于选择性搜索和卷积神经网络的人脸检测

针对复杂背景下存在的光照变化及多姿态的人脸检测问题,提出一种基于Gabor优化的卷积神经网络和选择性搜索策略相结合的算法进行人脸检测。首先采用选择性搜索策略检测出图像中可能存在人脸的目标候选窗口,然后,将候选窗口中的图像子块作为训练好的改进的卷积神经网络的输入,经过一系列卷积和池化操作后,提取窗口图像的特征信息并进行分类,确认候选窗口中是否包含人脸。算法在LFW人脸数据库上取得较高的检测率及检测速度,实验结果表明融合Gabor特征的卷积神经网络用于人脸检测时可避免传统手工提取特征造成的不确定性,具有更好的泛化能力及鲁棒性。     

一种改进的全视角人脸纹理图像生成方法

传统的全视角人脸纹理图像生成方法计算量大、鲁棒性差,不能很好地解决配准和接缝问题。为此,提出一种改进方法。对待拼接的人脸图像进行归一化处理,利用基于列特征向量的灰度值匹配算法实现图像的精确匹配,使用双重融合算法处理重叠区域,使图像平滑过渡。实验结果表明,该方法匹配速度较快、鲁棒性较强,能有效消除误匹配。     

复杂背景下基于肤色分割的人脸检测算法研究

针对复杂背景下的多姿态彩色人脸图像,提出了一种基于Adaboost级联分类器和模板匹配相结合的人脸检测算法.利用肤色信息对对图像中的皮肤区域和非皮肤区域进行分割,运用改进后的Adaboost方法定位可能的人脸区域.最后通过模板匹配的方法对检测到的人脸区域进行进一步验证,实现了彩色图像中更精确的人脸定位.在实验中从不同大小、背景、光照、表情和光源方向等方面对多姿态的人脸图像进行了检测,取得了很好的效果,表明了该算法的有效性和实用性.     

基于自适应网格矢量编码的人脸快速匹配算法

在分析传统图像匹配算法优缺点的基础上,提出了一种基于自适应网格矢量编码的人脸快速匹配算法.该算法首先对人脸进行二值化边缘分割和脸部特征轮廓提取,并对图像的细节边缘和特征轮廓进行自适应网格划分,然后对网格内的边缘段和特征轮廓段进行链码描述及矢量编码,最后通过计算编码后的方向矢量矩阵相似度来实现人脸图像的匹配识别.通过对ORL标准人脸图像库的实验仿真及对比结果表明,该算法在降低计算复杂度及提高识别精度的同时,有效地解决了由图像旋转、姿态变化引起的微小形变以及不同光照条件所带来的图像识别率低的问题.