眼睛状态检测的组合方法

眼睛状态的检测具有广泛的应用.详细介绍了5种检测眼睛状态的方法,即灰度模板方法、Fisher方法、投影的方法、找眼睛上眼睑的方法、用Hough变换找眼珠的方法.通过对这5种方法进行组合,提高了眼睛状态检测的准确率.通过对396个眼睛进行检测,准确率达到了95.2％.实验结果表明了这5种算法组合算法的有效性,抗光照能力强;同时适中的复杂性也说明了该组合算法的可行性.     

频谱脸：一种基于小波变换和Fourier变换的人像识别新方法

提出了一人基于小波变换和Ｆｏｕｒｉｅｒ变换的人像识别新方法,它首先对人像作适当层数的二维小波分解,然后对其低频的子图象作Ｆｏｕｒｉｅｒ变换,从而获得原人像的一个低维空间的表达,该表达是振幅谱位移不变的。在Ｙａｌｅ和Ｏｌｉｖｅｔｔｉ人像数据库上的实验表明,频谱脸的方法比ＰＣＡ的方法和空间模式匹配法有更佳的识别效果,特别是它能有效地消除因为人像的表情变化和少许遮掩带来的识别误差。     

基于谷算子的人眼特征点检测方法

考虑带姿势旋转的人脸的特征点检测问题,提出了一种基于谷算子得到眼睛的候选区域,用Gabor滤波和方差投影构造模糊模板检测出眼睛的位置,并利用二值图像数学形态学与投影的方法得到有姿势旋转的人脸特征点检测的算法。该算法利用软数学形态学构造了一种新的谷算子,用一种新的局域区域取二值化的方法对图像进行二值分割,提出了通过谷算子运算得到人脸谷极点的方法,减少了一些不稳定点的影响。实验表明,该算法具有很高的精度和很强的鲁棒性。     

多模板ASM方法及其在人脸特征点检测中的应用

ASM(active shape model)是目前最流行的人脸对齐方法之一.为提高ASM在非均匀光照下多表情的人脸特征点检测的准确率,提出了一种融入Gabor特征、并将局部ASM和全局ASM结合的多模板ASM方法.人脸有丰富的表情,如微笑、惊讶、生气、发呆等等.就眼睛而言,可分为睁眼和闭眼;就嘴巴而言,可分为张大的嘴、微笑的嘴、O型的嘴(惊讶时)和紧闭的嘴.眼睛的这两种状态以及嘴巴的这4种状态使得形状有较大的非线性变化,不能简单地放在同一个线性模型下处理.分别对眼睛建立两个局部模板,对嘴巴建立4个局部模板,以及对整脸建立全局模板.在给定眼睛两个内眼角和嘴巴两个外嘴角的前提下,新方法首先用全局模板粗略确定眼睛所在区域,然后在此区域用眼睛的两个局部模板以及Hausdorff距离判断眼睛状态,同理可检测嘴巴状态,最后调用相应的全局模板去搜索整脸轮廓.实验表明,提出的方法其检测准确率比标准ASM有明显提高.     

基于谷算子的人眼特征点检测方法*

考虑带姿势旋转的人脸的特征点检测问题,提出了一种基于谷算子得到眼睛的候选区域,用Gabor滤波和方差投影构造模糊模板检测出眼睛的位置,并利用二值图像数学形态学与投影的方法得到有姿势旋转的人脸特征点检测的算法。该算法利用软数学形态学构造了一种新的谷算子,用一种新的局域区域取二值化的方法对图像进行二值分割,提出了通过谷算子运算得到人脸谷极点的方法,减少了一些不稳定点的影响。实验表明,该算法具有很高的精度和很强的鲁棒性。