一种计算驾驶人面部朝向角度算法

利用机器视觉对驾驶人疲劳状态及注意力状态进行监测和分析是安全辅助驾驶领域内的研究热点之一,而对驾驶人面部朝向角度进行计算则是注意力状态分析的前提条件。首先介绍了驾驶人面部及面部器官定位的思路,然后重点讨论了驾驶人面部朝向的技术环节,在对人体头部旋转运动的分析基础上,提出了计算驾驶人面部旋转角度的计算方法。实践证明,采用的处理算法实时性好,准确率较高,效果非常理想,为下一步的驾驶人注意力状态分析及相关信息提取打下了良好的基础。     

视频监测中的驾驶人面部特征点跟踪

由于具备多尺度多方向特性,Gabor小波常常被用于纹理分析及特征提取等方面的研究,并在驾驶人疲劳状态监测技术领域中获得较多的应用。首先介绍了Gabor小波的基本原理及使用方法,然后结合实例重点讨论驾驶人面部特征点跟踪的技术环节,包括Gabor小波的参数确定方法和待跟踪点特征向量提取方法,最后利用最大相识原则确定了3个备选结果。针对不同的图像条件,提出了Gabor小波在实际应用时需要注意的合理建议。实践证明,跟踪算法运算结果准确率较高,效果非常理想,能够为驾驶人疲劳状态分析打下良好的基础。     

一种红外图像条件下的驾驶人眼睛定位算法

利用机器视觉对驾驶人面部器官状态进行监测和分析处理是安全辅助驾驶领域内的研究热点之一。首先介绍了驾驶人驾驶行为监测及预警系统的原理和结构,然后讨论了系统中驾驶人眼睛定位的技术要点。通过人类眼睛虹膜对不同波长的红外光吸收能力的不同,利用特制的红外光源获取到驾驶人面部的两种红外反射图像,利用图像处理算法进行处理从而获得驾驶人的眼睛位置,从而为下一步的眼睛状态及信息提取打下了良好的基础。实践证明,算法的实时性高,效果非常理想。     

人脸识别中面部图像处理算法研究

在人脸图像定位的前提上,利用灰度信息实现了人脸面部主要器官如眼睛、鼻子和嘴巴的定位。采用双三次插值法对图像进行旋转和缩放。另外,采用直方图增强的方法对图像灰度值进行归一化处理。     

亚像素边缘定位算法的稳定性分析

针对现有亚像素边缘定位算法定位精度不高的问题,基于计算机模拟和普通物理实验,比较一维灰度矩法、高斯拟合法和二次多项式插值法3种典型亚像素定位算法的边缘定位精度和抗噪能力。实验结果表明,3种算法在信噪比SNR≥40 dB时,边缘定位稳定性较好,边缘定位重复性误差小于0.01个像素。     

三角环工业标志符快速高精度定位算法

随着表面贴装技术的迅速发展,对基于机器视觉的标志符定位技术提出了更高要求。本文提出一种三角环标志符的快速高精度定位算法。该方法通过利用凸包的几何特征和构建偏离值直方图概念,将影响精确定位的弧状拐角、凸点、细微凹凸和毛刺等不利因素由粗到精地逐步剔除掉,获得用于拟合三角环直线边的优质数据集;然后通过最小距离直线拟合得到三角环标志符各边的高精度拟合直线方程,从而计算得到三角环标志符的几何中心,实现精确定位功能。本文方法为直线型标志符的快速高精度定位研究提供了新思路。     

基于监控视频流的手持探针探测位置检测算法的设计

针对监控视频流开展生产流程的有效性检测,存在计算量大、耗时长等问题;根据采集的手持探针探测的视频流图像,构建数据集,训练人工手持探针的探测模型;采用KNN算法分析前后帧的监控视频流,实现视频流图像前景和背景的分离;利用人工手持探针模型实时提取监控视频中的探针,获得手持探针的前景图像;提出基于像素搜索的手持探针的位置探测算法实现视频图像中人工手持探针探测位置的点推算,并对比理论应检测的真实位置,从而判断手持探针检测的有效性;工厂监控视频流实际测试结果表明,设计的基于监控视频流的手持探针探测位置检测算法的平均准确率约93.26%,召回率约81.11%,F₁值约86.76%,检测速度约9.66 fps/s,能够实现工厂监控视频流中人工手持探针的有效性检测。     

智能空瓶检测系统瓶底快速定位实现

为提高现有瓶底定位方法的高速性和精确性,设计了一种新的瓶底定位方法。首先采用中值滤波和灰度校正改善图像采集,然后进行边缘检测和干扰边缘的滤除,最后实现瓶底快速定位。算法充分考虑了有效性和简洁性,在保证检测速度的同时,有效提高了检测精度,具有很高的实用价值。     

基于回归森林的面部姿态分析

快速稳定地计算头部姿态的算法在很多应用领域都是非常重要的,为了寻求在飞行模拟器中实时跟踪操纵者头部运动的新方法,提出一个基于随机回归森林、使用深度数据来解决面部朝向的计算框架.该框架利用标注了真实头部位置和朝向的大规模人体面部模型数据库进行随机森林的训练,将携带标注真实参数值的随机采样图像块输入随机森林进行训练;在决策树叶子节点中得到姿态参数的高斯分布,再使用得到的随机森林进行面部姿态的计算,从而将面部姿态分析问题转换为待测试深度图像的随机采样子域的投票问题.测试了参数和引入计算的图像特征对识别性能的影响,并与相关算法进行比较,结果表明,该框架有较高的识别率和抗干扰能力,能够处理头部姿态大范围、快速变化、暂时性遮挡以及面部表情等数据.     

基于彩色图像的色系坐标变换的面部定位与跟踪法

文中通过对彩色图像的色彩因素的分析,得出了关于色度与彩色坐标系的关系,建立了相应的肤色,唇色色系的坐标变换方法,基于这种坐标系,可以通过简单的阈值 定,得到彩色图像的人睑面部定位与跟踪的方法,此方法能有效、稳健地测得目标的位置,不受对象姿态、背景的影响,通过在线学习还可以支除光照条件变化的影响及摄像设备的影响,它是利用彩色图像中对亮度信息规一化处理后、提取出来的相对稳定的色义来检测和确定目标,进行     

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。     

FastFace:实时鲁棒的人脸检测算法

目的 尽管基于深度神经网络的人脸检测器在检测精度上有了极大的提升,但其代价是必须依赖强大的计算资源。如何在CPU上取得较高的检测精度的同时达到实时的检测速度是一个巨大的挑战。针对非约束性条件下的快速鲁棒的人脸检测问题,提出一种基于轻量级神经网络的检测方法。方法 受轻量级网络MobileNet的启发,本文算法采用通道分离的卷积方式进行特征提取,并结合Inception和残差连接的思想,构建若干特征提取模块,最终训练出一个简单高效的特征提取网络;在检测时,采用One-Stage的检测策略,在骨干网络的若干不同层级上使用卷积的同时进行目标区域的分类和定位;在进行目标区域精调时,需要先在对应的特征层上预设先验框,然后再使用边界框回归算法调整先验框的位置和大小,使之接近真实框的位置。为了减少先验框的数量以节省模型参数,本算法针对人脸目标框的特点设置先验框。结果 基于TensorFlow深度学习库构建和训练本文的检测模型,在FDDB数据集上对其进行测试,并与若干经典算法对比了检测速度和精度。相较于多任务级联卷积网络（MTCNN）等典型的深度学习方法,本文算法在CPU上将检测速度提升到25帧/s,同时平均精度（mAP）保持在0.892,高于大多数传统算法。实验结果表明本文方法能实现在CPU上的实时、高精度检测。结论 提出了一种基于轻量级网络模型的人脸检测方法,以简单高效的卷积模块为基础构建骨干网络,并在检测时针对人脸比例特征设置合理的先验框。在非约束性条件以及有限计算资源条件下,该方法不仅在精度上表现良好,而且具有较快的检测速度,是一种鲁棒的检测方法。     

一种改进的快速人脸检测算法

针对AdaBoost人脸检测算法易受到纹理干扰而造成误检的情况,提出了一种结合自适应肤色验证的快速人脸检测算法CMFS。该算法首先用运动检测为前置处理减小人脸检测搜索范围,然后用AdaBoost算法检测出人脸候选区,最后根据人脸候选区的平均亮度自适应地选择是否启用肤色验证作为后处理以排除虚警。实验结果表明,提出的CMFS检测算法在保证检测率的同时,提高了检测速度,并大大降低了误检率。     

一种改进的人脸检测算法

在Hsu, Abdel Mottaleb and Jain提出的检测算法（简记为Hsu法）的基础上,提出一种改进的适用于彩色图像的人脸检测算法。使用相关技术对原图像进行预处理,采用高斯分布模型代替椭圆参数模型得到原始图像的肤色概率图,在不影响准确度的前提下提高了检测速度;采用自适应阈值和直方图法相结合选取肤色分割阈值更准确;根据人眼信息在子图像上进行人眼检测。经实验验证,该算法能较好地检测出复杂条件下的人脸,与Hsu法相比速度有较大的提高。     

一种适用于人脸检测的自适应光照补偿方法

为了解决复杂光照条件下的人脸检测问题,提出一种人脸光照补偿新方法。该方法先使用高通滤波增强边缘信息,同时利用对数变换和指数变换调节全局亮度,最后利用非线性变化削弱局部高光和阴影的影响,改善图像光照不均衡的情况,最终实现光照补偿。在YaleB人脸库、Orl人脸库以及自建人脸库上分别对光照不均匀人脸图像和均匀光照下的人脸图像进行了实验,证明该方法能有效地进行光照补偿,提高人脸检测率。     

一种基于视频流的快速人脸检测算法

人脸检测广泛用于计算机视觉和模式识别领域。结合肤色检测和镶嵌图方法,提出一种对视频流中人脸进行快速检测的算法。该方法首先根据肤色信息和人脸的几何规则初步得到可能的人脸区,然后在候选区中利用改进的镶嵌图方法准确定位人脸。实验表明,该方法能快速而且准确地在视频流中进行人脸检测。     

一种新的快速多人脸检测算法

提出一种基于改进的肤色分割和距离变换的快速人脸检测算法。该算法对传统肤色分割进行了改进,使得肤色分割更加可靠,而且能够对图像中的多个人脸进行快速定位。实验证明该方法是有效的。     

一种改进的CAMShift跟踪算法及人脸检测框架

为充分利用人脸视频图像序列中的时空信息,获得更加准确的人脸比对图像序列,提出一种结合人脸跟踪的人脸检测框架。使用简单快速的正面人脸检测算法对人脸视频图像序列进行检测,用检测的结果对人脸跟踪算法进行初始化及校验和调整。为解决CAMShift跟踪算法容易受类肤色区域影响而导致提取到的人脸区域存在冗余信息的问题,提出一种改进的CAMShift-KLT算法。该算法利用兴趣点跟踪人脸图像的边缘,达到准确获取人脸比对图像的目的。实验结果表明,与CAMShift算法相比,CAMShift-KLT算法获取的人脸区域更精准,同时具有较小的跟踪偏移距离、较大的跟踪命中率和更高的跟踪有效性。与对比算法相比,CAMShift-KLT算法能够获得与理想的人脸区域更加一致的跟踪区域。