一种鲁棒的旋转不变性多姿态人眼定位方法*

提出一种新的针对平面任意旋转角度的多姿态人眼定位的鲁棒方法。使用旋转不变性多姿态(RIMV)人脸检测器定位人脸区域并划分眼睛搜索范围,利用眉眼整体特征采用交叉检测法,用大规模多姿态眉眼及眼睛样本训练的二级支持向量机搜索区域,并选择若干个SVM判别函数值最高的窗口作为候选眼睛区域,根据候选窗口重叠情况进行筛选和合并以确定眼睛的最佳位置。实验表明,该方法具有很好的精确性和鲁棒性,能适应复杂背景下表情变化的任意姿态人脸上的眼睛定位。     

快速人脸检测与特征定位

人脸检测与特征定位是人脸分析技术的一个重要组成部分,其目标是在图像中搜索人脸特征(如眼、鼻、嘴、耳等)的位置。虽然人们可以毫不费力地完成这些工作,但对于机器来说,这依然是一件极其困难的任务。近几年来该项技术已有了长足的发展,已成功地应用于诸如人脸识别、姿态识别、表情识别、脸部动画等诸多领域。本文利用David Cristinace和Tim Cootes提出的一个多阶段人脸特征检测方法实现了一个实时人脸特征定位系统。同时也对原算法本身作了一些改进,在对精度影响极小的情况下,大大提高了原算法的速度。     

脸部特征定位方法

脸部特征定位是人脸分析技术的一个重要组成部分，其目标是在图象或图象序列中的指定区域内搜索人脸特征(如眼、鼻、嘴、耳等)的位置．它可广泛应用于人脸检测和定位、人脸识别、姿态识别、表情识别、头部像压缩及重构、脸部动画等领域．近年来，该领域的研究有了较大的发展，为了让相关领域内的理论研究和开发人员对目前的进展有一个全面的了解，将近年来提出的脸部特征定位方法根据其所依据的基本信息类型，分为基于先验知识、几何形状、色彩、外观和关联信息等5类，分别作了介绍，同时，对各类方法的性能作了一些比较和讨论，对未来的发展作了展望．     

基于一种新的非线性彩色空间的人脸检测

提出一种新的非线性变换的彩色空间YC“rC“b，利用次高斯概率分布函数拟合皮肤色度信息，得到候选区域。为了排除候选区域中的非人脸，首先根据均值和方差信息分割出候选区域中的纹理特征信息，再通过多尺度形态边缘检测算子检测候选区域的边缘，利用PCA边缘方向(PCAED)信息定位眼睛，然后根据人脸特征的几何形状信息定位其他特征(鼻、嘴)，通过这些几何特征信息对肤色分割得到的候选区域进行验证，最终得到正确的人脸区域。利用3个实验数据集测试该算法，并与其它相应的算法相比较，提出的非线性彩色空间对于肤色分割具有很好的效果，且对光照和姿态具有良好的不变性。另外，利用PCAED信息和几何特征信息检测人脸特征具有很高的定位精度，定位检测率优于其他方法。实验结果表明，该算法具有定位准确率高，漏检率和误检率低等特点。     

基于人脸特征和AdaBoost算法的多姿态人脸检测

基于人脸特征和AdaBoost算法,提出一种改进的多姿态人脸检测算法。首先利用肤色特征快速排除绝大部分背景区域,然后在肤色区域中搜索眼睛和嘴巴区域,根据眼睛和嘴巴区域的几何特征所确定的人脸方向分割出大致正向的人脸候选区域,最后利用AdaBoost算法对候选区域进行分类。实验表明,算法能实现多姿态人脸的快速检测,而且对脸部表情和遮挡有较强的鲁棒性。     

基于多姿态知识模型和模板的快速人脸检测

提出了一种多姿态知识模型,并以之从人脸器官梯度图中获得候选脸的大小、位置、姿态类别和眼、嘴重心坐标,然后按姿态类别将候选脸与对应的模板进行匹配确认人脸.该人脸检测算法集人脸检测、姿态估计和眼、嘴定位于一体,具有检测速度快的特点,适于多姿态多人脸场合的人脸检测.该算法只利用了图像的灰度信息,因此对灰度图像和彩色图像的人脸检测均适用.     

基于肤色模型和FloatBoost的多姿态人脸检测

多姿态人脸检测是人脸识别系统必须解决的关键问题之一。利用光照鲁棒的肤色模型来搜索待检图像的可能人脸区域并进行肤色分割,结合分割区域的几何信息确定最终的候选人脸区域,然后对人脸的关键特征进行定位,按规则计算重要特征块的中心,将这些中心点确定的符合条件的候选区域利用FloatBoost进行分类,最终实现了快速准确的多姿态人脸检测。     

一种鲁棒的人脸特征定位方法

提出了一种基于AdaBoost算法和C-V方法的人脸特征定位方法。首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器；然后结合人脸边缘图像的先验规则，使用人脸检测器提取人脸区域；接着利用眼、鼻、嘴检测器从人脸区域中检测出人脸特征所在的矩形区域；最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓，进而得到人脸关键特征点的位置。在DTU IMM人脸测试集上，眼睛的检测率为100%，鼻子的检测率为95.3%，嘴巴的检测率为98.4%，提取出的特征点位置准确。实验结果表明方法是有效和鲁棒的。     

基于彩色人脸模板的人脸检测算法

针对目前基于色彩的人脸检测只能用于人脸区域的粗检这一不足,提出一种利用人脸的五官位置及色彩信息建立彩色人脸模板的算法。采用光照补偿对图像进行预处理,利用YCbCr空间中的肤色模型进行粗检,确定出人脸候选区域,利用建构好的模板进行搜索比对定位出人脸。实验结果表明该方法对不同光照环境和复杂背景的图片均有较好的适应性,检测精度也得到了提高。     

非学习模式下的类Haar特征快速人眼定位

本文研宄非学习模式下的快速人眼定位算法.首先,在己检出的人脸区域中,根据人脸几何特征的先验信息,设置一定的人眼候选区域,通过高斯差分滤波消除光照影响.其次,定义一种类Haar的特征作用于二值化后的图像,在人眼候选区域计算该特征的评价值获得精确的人眼位置,实现人眼的快速搜索定位.该算法的处理方法简单快速,并且对于眼镜、眉毛以及发髻的干扰都有一定的鲁棒性.算法通过人脸几何先验知识,减少了训练和学习过程.实验结果表明,该算法能够快速准确实时地完成眼睛的定位,为后续的人脸识别提供必要的前提条件.     

一种高性能近红外光人脸检测和眼睛定位算法

提出了一种新型的近红外光人脸检测和眼睛定位算法,该算法先用AdaBoost分类器进行人脸区域定位,然后在人脸区域内进行眼镜检测：若检测为不戴眼镜,使用基于数理形态学的N-Quoit滤波器进行眼睛精确定位;若检测为戴眼镜,采用＂人脸可信值最大＂准则进行眼睛定位。实验结果表明,此算法检测率高而且眼睛定位准确,有效的克服了镜片反射近红外光干扰眼睛精确定位的问题,同时达到了实时性的要求。     

一种基于多分量信息融合的人脸检测方法

人脸检测是全自动人脸识别系统和许多监视系统的基础,在许多领域有着广泛的应用。文章提出了一种基于多分量信息融合的人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;建立眼睛颜色模型,并根据眼睛﹑嘴在不同分量上的分布特征,将它们提取出来;最后融合眼睛﹑嘴候选区域的信息,利用特征不变的方法进行人脸的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼﹑嘴的位置。     

基于肤色和器官定位的实时人脸检测

基于肤色和器官的人脸检测是视觉监控领域中广泛应用的经典方法,但是辨别每个肤色像素和提取候选区域非常耗时且对噪声敏感,很多时候不能满足实时人脸检测的需要。通过引入肤色单元的概念,提高了该方法的快速性和鲁棒性,最终将其应用于实时视频序列中。首先,采用单元化的方法进行肤色分割,提取出人的肤色部分;接着,根据人脸长宽比例的范围,确定出候选人脸;然后,再对候选人脸区域分别进行眼睛和嘴巴的定位;对眼睛和嘴巴定位之后,我们可以利用眼睛和嘴巴呈倒三角关系的几何特征反过来进行人脸的精确定位。实验结果表明,该方法的识别率较高,并能满足实时视频人脸检测的快速性要求。     

3D face detection using curvature analysis

Face detection is a crucial preliminary in many applications. Most of the approaches to face detection have focused on the use of two-dimensional images. We present an innovative method that combines a feature-based approach with a holistic one for three-dimensional (3D) face detection. Salient face features, such as the eyes and nose, are detected through an analysis of the curvature of the surface. Each triplet consisting of a candidate nose and two candidate eyes is processed by a PCA-based classifier trained to discriminate between faces and non-faces. The method has been tested, with good results, on some 150 3D faces acquired by a laser range scanner.     

基于区域分割的复杂背景中人脸检测与定位

基于区域分割和特征验证，提出了一种复杂背景下的人脸检测和定位方法。在粗略定位人脸的基础上，提出了一种新颖简单的区域分割方法，有效地定位出人脸的候选区域，通过检测眼睛和嘴唇完成对人脸的确认。实验证明该方法检测速度快，准确率高，具有较好的鲁棒性。     

一种基于Haar小波变换的彩色图像人脸检测方法

本文提出了一种基于Haar小波变换的彩色图像人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;利用Adaboost算法训练出的基于Haar小波变换的检测器对该区域进行人脸检测;建立眼睛颜色模型,并根据眼睛!嘴在不同分量上的分布特征,将它们从人脸区域中提取出来;最后融合眼睛!嘴候选区域的信息,利用特征不变的方法进行眼睛和嘴的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼!嘴的位置。