改进的梯度与肤色融合均值移动粒子滤波人脸跟踪

针对单一肤色特征的跟踪算法鲁棒性不高的问题,提出一种多特征融合的均值移动粒子滤波(MSPF)跟踪算法.该算法用肤色特征与梯度特征表示候选目标,通过粒子滤波与均值移动算法进行特征融合.实验结果表明,该算法能够较好地提高跟踪效率,并对光照、人脸遮挡和人脸旋转等有一定的适应性.     

一种基于Camshift聚类的粒子滤波人脸跟踪算法

针对Camshift算法无法处理相似背景颜色干扰、背景复杂和传统粒子滤波人脸跟踪算法中的粒子退化、计算量大等问题,提出了一种基于Camshift聚类的粒子滤波人脸跟踪算法.在粒子滤波框架下,将Camshift算法中的聚类方法引入人脸状态估计中,使每个粒子沿着梯度最大方向迭代至局部密度最大值区域,让所有粒子移动到与人脸颜色相似的区域.实验结果表明:该算法用较少的粒子实现了人脸曲线无规则运动的跟踪,在光照和遮挡问题上有较好的鲁棒性.该算法性能明显优于传统的粒子滤波人脸跟踪算法,用于实现人脸跟踪具有很好的实时性、鲁棒性和有效性.     

一种改进的CAMSHIFT手势跟踪算法

在基于视觉的手势分析中 ,手势跟踪是一个关键环节 .从实时性的角度考虑 ,提出了一种改进的CAMSHIFT(ContinuouslyAdaptiveMeanShift)算法 ,实现了对动态手势的实时跟踪 .实验表明 ,该算法快速准确可靠 ,并且较好地处理了跟踪过程中大面积肤色干扰及手势被遮挡等问题 ,对复杂场景的检测与跟踪也取得了较好的效果 .同时 ,该算法还适用于其它具有特定颜色目标的跟踪 .     

一种改进的CAMSHIFT手势跟踪算法

在基于视觉的手势分析中，手势跟踪是一个关键环节、从实时性的角度考虑，提出了一种改进的CAMSHIFF(Continuously Adaptive Mean Shift)算法，实现了对动态手势的实时跟踪．实验表明，该算法快速准确可靠，并且较好地处理了跟踪过程中大面积肤色干扰及手势被遮挡等问题，对复杂场景的检测与跟踪也取得了较好的效果．同时，该算法还适用于其它具有特定颜色目标的跟踪．     

视频序列中的人脸实时跟踪与识别方法

集成了基于肤色的人脸跟踪和基于PCA/BPNN(主成分分析/前馈神经网络)的人脸识别技术,提出了一种人脸实时跟踪与识别方法.该方法可以实现复杂背景下的人脸跟踪,并可处理人脸遮挡问题.通过平均视频序列中的多幅人脸图像,获得了很高的正确识别率.该方法在800 MHz主频的微机上实现,系统处理速度达20帧/s.     

一种实时人脸跟踪方法

研究了一种实时人脸跟踪方法。针对运动过程中人脸大小、形状都会发生变化的特点,采用直方图非参数密度估计作为人脸模板及人脸候选区域的模式特征,并通过Bhattacharyya系数度量其相似度。在人脸跟踪过程中以均值偏移为核心算法,通过均值偏移矢量的迭代,在局部得到最匹配人脸。最后给出实验结果,验证了跟踪方法具有很好的实时性,并对人脸姿态变化、旋转及被短时遮挡具有较好的鲁棒性。     

基于特征组合的多人脸跟踪算法

提出了一种融合肤色特征、ORB特征和运动状态估计的多人脸跟踪算法.该算法以多线程跟踪为基础,根据不同跟踪算法的适用特点,在未受肤色干扰时依靠基于分块加权的改进Camshift算法跟踪,在受干扰时则结合包含尺度变化的ORB特征匹配算法进行跟踪.算法同时利用Kalman滤波器修正跟踪误差,以提高跟踪效果.实验表明,基于特征组合的多人脸跟踪算法具有较好的跟踪准确性和实时性.     

基于帧间差分与静态特征相结合的人脸跟踪方法

简述了近年来主要的人脸跟踪方法,提出一种基于帧间差分与静态特征相结合的人脸跟踪算法。算法利用视频图像的运动信息做帧间差分确定人脸搜索的矩形区域,利用肤色模型提取肤色区域,通过积分投影确定人脸的椭圆范围,并对矩形范围内图像做边缘提取、膨胀等处理,通过水平积分投影获得人脸特征曲线,并通过特征曲线验证椭圆范围内是否存在人脸,实现人脸自动跟踪。     

基于均值平移的自动人脸检测与跟踪算法

针对彩色图像序列的人脸跟踪问题,提出了一种基于均值平移的自动人脸检测与跟踪算法.对每帧图像采用基于肤色和支持向量机的算法检测人脸,可以减少计算量.对于检测到的人脸,判断是否含有新增人脸,有则将新的人脸加入跟踪序列,否则继续跟踪原有人脸序列.然后采用均值平移算法对人脸序列进行跟踪,其计算量小,跟踪稳定可靠,从而实现自动的人脸检测与跟踪.实验结果表明,该算法可以很好地进行人脸的自动检测跟踪.     

一种正则粒子滤波的人脸跟踪算法

本文针对人脸运动的非线性非高斯的特点,引入正则粒子滤波算法来进行运动预测估计,且根据预测精度对预测过程中目标运动速度和过程噪声方差进行自适应更新。实验结果表明,在人脸的旋转、肤色和部分遮挡影响下跟踪精度较高,抵抗光照环境变化,以及人脸大小变化等的鲁棒性较强。     

疲劳驾驶监控中人脸检测与定位方法

目的为了正确检测和定位人脸区域,提高疲劳驾驶监控中人脸检测与定位方法的准确率和实时性.方法结合肤色分割、模板匹配,改进连通区域划分算法实现对戴眼镜人脸的检测与定位.结果实验结果表明,肤色分割改进算法能对不同复杂程度背景的人脸图像正确的检测与定位,正确率达到97.7%.结论该算法能在不同光照条件和复杂程度背景下,检测并定位人脸区域,实时性好,准确率高,对戴眼镜情况时也能检测定位成功.     

人工神经网络在人脸识别中的应用

人工神经网络在人脸识别中的应用是人脸识别一个新领域的突破,它充分利用了神经网络具有较好的训练和学习能力,自动由系统获取人脸的相关特征信息,达到人脸的识别。文章通过几种典型的人脸识别中神经网络算法的应用得知:其准确率、容错性、鲁棒性等方面均与其它方法有一定的优势。     

一种新的基于导频的MIMO-OFDM信道估计方法

提出了一种适用于时变衰落信道的MIMO-OFDM系统的组合信道估计方法。该方法利用优化导频和基于梯度的可变遗忘因子的改进RLS算法进行信道估计。此外,采用基于MMSE(minimum mean square error)的合并器对改进RLS算法的估计结果做了进一步修正。仿真结果表明,这种改进的RLS算法较传统的RLS算法能够更有效地跟踪时变衰落信道的变化;在相同条件下,该组合算法能够提高系统性能,获得更小的BER(bit error rate)。     

恶劣环境下多目标实时跟踪算法研究

提出一种在恶劣环境下能实时进行多目标跟踪的方法,相比于目前的监控系统,该方法能够更加精确地跟踪场景中的入侵目标,并且算法效率有了较大提升。首先,在动态背景建模codebook作为背景建模算法的基础上,对背景更新方法进行改进,使前景检测准确率相对于原算法有了很大提升,并且在主要性能上优于其他的主流背景建模算法。其次,本研究选用粒子滤波算法作为多目标跟踪方法,对重采样方法进行了较大改进,使之能在实时环境下保持粒子的有效性和多样性。实验证明该系统构建有较好效果,能在实际恶劣场景下进行多目标跟踪,并保持较好的检测和跟踪效果。     

基于数学形态学算法的固体核径迹点自动计数系统的软件设计

固体核径迹点的参数测量在核技术领域占有极其重要的地位,而传统的人工计数法局限性非常大.近年来,DSP和图像处理技术越来越多地应用在了核技术领域.本文介绍了一种基于DM642图像处理平台的核径迹点自动计数系统.该系统利用数学形态学算法,能有效地从背景中分离出径迹点并去除噪点,进行准确计数,有助于减小人工计数的目测误差.     

适应手脸遮挡手语视频的手势检测算法

针对手脸遮挡条件下的手语视频手势检测问题,提出一种基于力场（Force Field）转换的手势检测算法。首先分别计算手脸遮挡帧和纯脸部帧的力场图像,然后将力场图像分块并统计各分块直方图特征,再将相同空间位置的分块直方图对应相减,得到各分块直方图灰度分量差,最后将各分块直方图灰度分量差与灰度阈值进行比较获得手部位置。实验证明该算法能够实时进行手脸遮挡条件下的手势检测。     

适用于智能球机的高鲁棒性侵入跟踪方法

智能监控球机广泛应用于家居室内智能监控。针对智能球机无法长时间检测、识别、跟踪侵入目标的问题,该文设计了一种结合目标检测、识别、跟踪算法的闭环结构,并采用控制算法控制球机云台转向自动跟随侵入目标。在运动目标检测方面采用vibe算法,在目标识别上采用神经网络识别目标,其中采用ssd网络检测人脸,使用yolov3网络识别人体,识别出跟踪目标后,采用csr-dcf目标跟踪算法进行目标跟踪,跟踪模式下启动模糊pid控制算法控制云台跟随目标转动,锁定目标后由跟踪模式再度切换到目标识别模式,形成一个检测、识别、跟踪、控制的闭环。经过测试,该方法提高了侵入跟踪功能的鲁棒性,在侵入目标快速运动、存在遮挡、暂时消失的情况下均可长期跟踪。     

基于小波分析的人脸定位算法在AmI中的应用

为了提高环绕智能个性化系统中人脸定位子系统的性能,更好地体现AmI系统无所不在的服务和隐藏计算的概念,提出了基于小波分析的人脸实时定位算法.首先将采集的图像经肤色模型预处理获得整个脸部信息,然后应用小波分析定位头发区域几何形状,结合先验知识获取头发几何概率模型.最后将此模型应用于AmI实时定位跟踪系统中,从而实现了AmI用户的个性化视频服务.实验结果表明,该算法在AmI系统中实时性好,定位准确率高.     

基于皮肤模板和改进HMM的自动人脸识别系统

介绍一种基于隐马尔可夫模型(hidden Markov module,HMM)的人脸识别系统,该系统对人脸采用普通网络摄像头实时检测,通过皮肤模型进行背景去除,并用改进后的HMM算法进行识别. 实验结果表明,改进后的HMM算法能提高原HMM算法的准确率,采用皮肤模板对检测到的人脸进行精确定位后,进一步提高了识别算法的准确度.