一种基于正反Adaboost的人脸检测算法

人脸的检测和跟踪对于自由立体显示非常重要.本文采用连续 Adaboost 算法学习出一种瀑布型的人脸检测器,同时针对 adaboost 算法误检率比较高的弊病,提出了一种正反 Adaboost 检测的思想,最后通过利用已有积分图以及最小值滤波,完成了对人眼的识别操作.实验结果表明,算法对现有 adaboost 算法精度上的改进令人满意,基本能满足自由立体显示的需要.     

基于局部自我相关函数光线照明变化下的人脸检测

针对照明变化条件下人脸图像检测精度相对较低的问题,以照明变化下的人脸检测为研究对象,提出局部自我相关函数(local autocorrelation, LAC),研究基于Adaboost算法下采用局部自我相关函数为前处理的光照变化下人脸检测。提出了局部自我相关函数定义模型,对局部自我相关函数的物理特性进行分析,从理论上验证局部自我相关函数对线性照明变化的鲁棒性。采用卡内基梅隆大学的人脸照明变化数据库(CMU PIE Database)作为检测数据验证基于局部自我相关函数的光线照明变化下的人脸检测,实验结果证明了局部自我相关函数消除照明变化对人脸检测精度影响的有效性。     

局部保形映射和AdaBoost方法在滚动轴承故障诊断中的应用

针对滚动轴承故障振动信号的随机性和非平稳性,提出基于局部保形投影(LPP)特征提取和自适应Boosting算法的滚动轴承故障诊断方法。首先对信号构建原始样本数据集合,提取时域、频域及时频域的相关特征,将该特征作为LPP的输入样本,得到维数降低的新数据集合并能尽可能保持原始局部流形结构。将此降维特征向量作为Adaboost输入,建立故障模型,用以识别滚动轴承故障类型。分析滚动轴承正常状态、内圈故障、外圈故障及滚动体故障特性。通过对比试验表明,基于LPP与Adaboost诊断方法识别率较高,可准确有效地对滚动轴承状态和故障进行分类。     

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%。     

人脸识别算法在OMAP-L138平台上的研究与实现

针对人脸识别技术在嵌入式门禁系统中的应用,提出了以OMAP-L138微处理器为核心的嵌入式系统,该系统能够很好地保证实时性和可靠性。通过Adaboost人脸检测算法,以及基于Gabor的人脸识别算法实现了嵌入式门禁系统。相应的实验结果表明,该算法在嵌入式平台得到了优化,嵌入式系统的高可靠性和实时性问题得以解决。     

基于OPENCV具有眨眼侦测功能的人脸检测系统

随着社会智能化程度的提高,视频图像凭借其直观优势将逐渐取代文字的地位。本文在基于OPENCV的基础上,提出一个具有眨眼侦测功能的人脸检测系统,其中利用相对比较成熟的开源计算机视觉库opencv开源函式库对摄像头实时输入的图像进行采集,对采集图像做前期处理;Adaboost算法由于它特殊的算法模式,可以进行快速的目标检测,因此采用Adaboost算法做人眼定位检测,本文提出的眨眼侦测功能可以为系统提供防伪功能,为人脸识别技术提供一道安全的屏障,实验结果表明,本系统实验了人脸检测,人眼定位,眨眼侦测等功能,检测效率高,效果好。     

基于运动信息的快速局部遮挡人脸检测

针对人脸部分被遮挡后检测率较低的问题,提出一种基于运动信息的快速局部遮挡人脸检测方法。该方法在训练阶段采用快速抽取关键样本算法减少训练时间,并初始化训练样本权值,在检测阶段首先分析视频帧间的运动信息估计人脸的大概位置,然后通过瀑布型快速人脸检测器进行进一步精确定位。实验结果表明,该方法在人脸局部遮挡情况下,相对于传统的Adaboost算法检测率有了明显提高,同时具有较快的检测速度。     

基于DS-Adaboost算法的人脸检测

针对连续Adaboost算法中平滑因子选取的不足,提出了一种动态选取平滑因子的DS-Adaboost算法,该算法对弱分类器输出中的平滑因子ε进行了动态选取,根据W^j₊₁W^j－1比值的大小动态地选择平滑因子,当W^j₊₁W^j－1>1时,ε_j=W^j₊₁,当0j₊₁W^j－1<1时,ε_j=W^j－1。实验表明,DS-Adaboost算法能较好地起到平滑的作用,使得落在同一个区间里面的正样本和负样本的比例都在可以比拟的范围内。     

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。     

综合肤色模型和多模板匹配增强Adaboost人耳检测

为克服传统的Adaboost算法出现的样本训练时间过长、过于依赖样本质量等问题,在训练不足及初始人耳定位不好的情况下,引入YCbCr肤色模型和多模板匹配技术策略对人耳进行精确定位。实验表明,改进后的人耳检测性能得到较大的提高,对动、静态人耳均能达到准确定位和检测的效果,算法的鲁棒性较好。