基于多模板匹配的单人脸检测

提出了一种基于多模板匹配的一般环境图象中单人脸的检测方法。首先用双眼模板初步筛选,然后使用具有不同长宽比的多个人脸模板进行检测和定位,最后利用有脸器官的边缘特征进行确认。采用比固定比率压缩输入图象的方法解决不同尺度有脸的检测问题。实验表明这种方法具有较高的速度和检测成功率。     

基于模板匹配的快速人脸定位

提出了一种基于模板匹配的快速人脸定位算法.该算法利用积分投影法预测人脸可能的范围与位置,然后在限定的范围内采用模板匹配的方法定位人脸,从而实现了快速且可靠的人脸定位.     

基于模板匹配的人脸图像特征提取

提出了一种利用模板匹配与遗传算法的人脸图像特征提取的方法,利用该方法可以完成人脸图像的眼睛和嘴的特征提取。在定义表征人脸突出特征的眼睛模板和嘴部模板及其全局能量函数的基础上,采用遗传算法实现了能量函数的全局最小化。实验结果证实了该方法有效的稳定,且具有较快的收敛速度。     

基于多关联模板匹配的人脸检测

提出一种基于多关联模板匹配的人脸检测算法.模板由一系列关联的双眼模板和人脸模板组成,它们都是通过仿射变换根据伸缩比和姿态(即旋转角度)从单一平均脸模板产生出来的.首先,使用双眼模板搜索候选人脸,再用人脸模板匹配进一步筛选候选人脸,最后,通过启发式规则验证是否是人脸.对于各种类型的图像进行大量实验的结果表明,该算法对于正面包括多角度人脸的检测很有效.     

基于颜色和模板匹配的人脸检测

应用颜色信息探测图像的皮肤颜色区域，再用模板对该区域用模板匹配法进行模板匹配，这样无需对整幅图像进行搜索，也不需要对所有的窗口尺寸都匹配一次，从而大大提高了检测速度。     

一种基于特征提取和模板匹配的人脸检测算法

提出了一种基于特征提取和模板匹配的人脸检测算法。在粗检部分，利用脸部特征获得候选脸；在细检部分，利用模板匹配对候选脸进行确认，得到最后结果。经实验证明，算法可以克服光照、姿势、表情、胡须、眼镜等干扰，并允许有局部遮挡，具有较强的鲁棒性。     

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。     

基于AdaBoost算法和模板匹配的人眼定位

以驾驶员疲劳检测为背景,针对人眼的定位问题,提出一种基于AdaBoost算法和模板匹配的人眼定位的方法;该方法首先使用3×3中值滤波去除噪声和光照对图像的影响,然后通过对AdaBoost算法的强分类器训练算法改进、级联分类器优化实现人脸的快速检测,最后在检测到的人脸区域,通过从粗到细改进的模板匹配方法对人眼进行准确定位;实验结果表明,该方法在保证定位准确的情况下,大幅的提高了人眼定位时间;该方法兼具了良好的实时性和鲁棒性。     

基于肤色与模板匹配的人脸检测方法研究

利用肤色信息在彩色图像中检测人脸速度快、易于实现,但准确率不高。本文提出首先应用人脸肤色信息在彩色图像中进行人脸粗略检测,得到候选人脸区域,再以基于梯度模板匹配的方法进行人脸精确定位,从候选区中准确地找到人脸。将这两种方法结合在保证精确的人脸检测的前提下,可有效提高检测速度。     

一种基于肤色模型和模板匹配的人脸检测算法

近年来,随着人机识别技术的日益发展,人脸检测问题越来越受到重视,而人脸检测技术的关键在于准确率和检测速度.为了有效提高人脸检测的效率,提出了一种基于肤色分割和模板匹配算法的人脸检测方法.首先,建立颜色模型,利用颜色信息对图像进行粗检测,得到粗检测结果,然后,采用模板匹配技术确定人脸.该算法克服了单用模板匹配法的时间延迟,提高了检测精度和速度.     

一种改进的模板匹配眼睛定位方法

针对眼睛定位问题,文章提出了一种改进的模板匹配方法。在使用一种合成的眼睛模板对图像进行匹配得到多个相似眼睛点的基础上,利用人脸库部分图像中两眼相对位置关系的统计值来构造一个分段距离函数,并计算相似眼睛点的两两距离,根据此距离信息来同时定位双眼。实验结果表明,与传统模板匹配方法相比,该文方法能够同时定位双眼,并显著提高了定位准确率和定位速度。     

基于肤色与模板匹配的人脸识别

本文提出了一种基于肤色与模板匹配的人脸识别算法。我们首先利用肤色在HSI空间的聚类特征对肤色加以判别,继而提取出人脸候选区域,最后通过模板匹配过程对候选区域加以识别。实验结果表明,该算法简单易实现,在执行时间及识别率上均取得了令人满意的效果。     

基于肤色和模板的人脸检测

针对彩色图像提出了一种基于肤色和模板的人脸检测方法,由肤色分割、模板匹配和人工神经网验证3部分组成.首先使用HSI空间的肤色统计模型分割出可能包含人脸的区域,然后使用平均脸模板匹配和人工神经网验证的方法在这些区域中搜索人脸.该方法将彩色图像的肤色信息和灰度图像的模板匹配及人工神经网分类模型综合起来,既极大地提高了速度,又具有较强的鲁棒性.实验结果表明,该算法是快速而有效的.     

基于模板匹配与支持矢量机的人脸检测

人脸检测是人脸识别与基于内容的图像及视频检索的一项重要任务。由于非人脸样本相对于人脸样本的多样性和复杂性，使得人脸模式分类器的训练十分困难。该文提出了一种将模板匹配与支持矢量机（SVM）相结合的人脸检测算法。算法首先使用双眼－人脸模板对进行粗筛选，然后使用SVM分类器进行分类。在模板匹配限定的子空间内采用“自举”方法收集“非人脸”样本训练SVM，有效地降低了训练的难度，实验结果的对比数据表明，该算法是十分有效的。     

人脸识别中的眼睛定位方法

眼睛是人脸部最重要的器官,因此眼睛准确定位在人脸识别中具有特殊重要的意义。基于灰度图像,提出一种改进的眼睛精确定位的方法。首先对图像进行光照和噪声的预处理,再利用积分投影和山谷法对图像进行分析,进而找出一系列的候选眼睛点,眼睛点的验证采用人脸的几何分布特征和眼睛模板匹配相结合的方法来进行最终眼睛对的确定。基于orl和yale人脸库的实验结果表明该算法对光照、旋转、遮挡不敏感,具有较高的定位准确率。     

基于模板匹配技术的运动物体跟踪方法研究

通过视频输入设备动态采集图像帧,然后在模板匹配基本思想的方法上加入改进后的匹配原则和搜索策略,同时结合模板更新技术,计算前后两帧图像中待跟踪物体的坐标,得到偏差数据,接着通过串口把偏差数据发送给下位机,最后根据偏差数据控制步进电机,带动摄像头运动,达到动态跟踪运动物体的目标.     

基于人脸检测的人脸跟踪算法

文章提出了一种基于人脸检测技术的人脸跟踪算法。该算法利用前一帧的人脸检测结果预测当前帧中人脸可能的尺度与位置范围,在限定的范围内采用模板匹配与人工神经网分类的方法定位人脸,从而实现快速而可靠的人脸跟踪。由于使用了人脸检测技术,该方法可以自动定位初始人脸。实验表明该方法在具有复杂、动态变化背景的图象序列中是很有效的,速度为5－11Hz,可用于实时性系统。     

基于人眼定位的快速人脸检测及归一化算法

本文提出了一种基于人眼定位的有效人脸图像归一化算法。该算法首先利用Harr特征的快速检测法从图像中检测出人脸的大致位置,然后基于人脸的几何分布特征和灰度信息特征准确检测人眼瞳孔位置建立人脸坐标系,最后对人脸图像作旋转、尺度和灰度的归一化校正。实验结果证明,该算法能够有效并准确地检测和校正人脸,可以显著提高识别率。