一种改进的人脸图像眼睛快速定位方法

基于广义对称变换的原理，对传统的眼睛检测算法进行了改进。首先，利用面部眉眼区域的灰度呈纵向明显变化的特点，应用积分图法快速地初步定位眉眼区域，在这些候选的区域内用对称变换法检测候选的眼睛点，最后根据先验知识确定眼睛对。实验结果表明本方法简便易行，速度快，定位准确度较高。     

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。     

一种改进的人眼定位算法

结合现有的人眼定位方法提出了一种新的算法。该算法首先找出输入图片中所有可能的眼睛点，将这些点按照一定的标准两两结合为可能的眼睛对后，对假定的眼睛对进行模板匹配，选出匹配程度较高的眼睛对。根据眼睛对的距离从图上画出相应的人脸区域，对该区域采用K-L变换，判断其是否为人脸。如果该区域为人脸，就可确定候选眼睛对。     

一种新颖人脸结构特征的眼定位算法

眼睛是人脸中极为重要的特征,因此快速准确的定位人眼是人脸识别的关键环节.为解决识别问题,提出了一种新的精确定位人眼的算法,即根据东方人的脸部结构特征,提取一个局部区域以缩小眼睛的搜索范围.在此基础上,结合眼睛的灰度信息和结构信息最终精确定位人眼.首先把整幅图像分割成固定大小的小图像块,根据图像块的复杂度初步定位两眼,再根据图像块的结构居中度对眼睛进行精确定位.实验结果证明,运算量少,容易实现,并能提高检测效率.     

正面人脸图像中眼睛的定位算法

简单有效的投影函数广泛用于眼睛定位中,然而成像产生的反光亮点降低了该方法的准确率,为此提出一种正面人脸图像中眼睛定位的算法.考虑到反光亮点对成像的影响,首先定义了3种眼睛成像模型,分析了每个模型的投影曲线特点;然后针对每个模型给出了相应的定位方法;最后综合上述3种模型提出了统一的定位算法.利用标准模型的投影曲线可近似为对称抛物线型的特点来降低亮点对眼睛定位精度的影响.实验结果表明,利用文中算法能够准确地定位眼睛的位置,准确率大于93%.     

一种基于灰度图像的人脸检测及眼睛定位算法

利用灰度积分投影直接对人脸图像进行检测和眼睛定位是一种常用的算法,但是直接采用该算法会受到背景、特征等因素的影响,识别准确率较低。提出了一种基于最大类问方差阈值和区域膨胀相结合的检测与定位算法。该算法首先计算最大类间方差设置阈值,把灰度图像转换为二值图像并检测出人脸区域,然后通过对该人脸区域中的连通区域进行膨胀及连通性处理,精确定位眼睛坐标。实验表明,此算法可靠,具有较好的识别效果。     

一种改进的基于模板匹配眼睛特征点定位算法

针对传统眼睛定位模板匹配算法精确度和速度上的不足,对算法进行了模板扩大和相似度模板筛选两种改进,同时在匹配速度上采取粗定位细定位提高匹配速度。将眼睛模板转化成眼眉模板后,避免了由于眉毛和部分眼睛相似造成的特征点错误定位。在传统的模板集选取上提出基于相关系数选取原则后,避免了人为因素对模板选取造成的误差,很大程度上去除了入选模板之间的冗余度,进一步提高了定位的精确度,且在定位精度保证的情况下,大大减少了定位时间。     

一种人脸识别中眼睛定位算法

本文介绍了一种灰色图像识别中进行人眼睛定位的算法,首先是根据人脸的水平灰度直方图来确定艰睛的位置,然后,通过计算眼眶部分像素点的垂直灰度直方图来确定两眼中心,接着从获得的区域中找出一定数量的灰度值小的点,对这些点进行添加、删除和计算,实现眼睛的定位。     

正面人脸图像方位的自动校正

人脸识别中图像方位的变化对识别结果有很大的影响。本文在研究眼睛的精确定位的基础上,提出一种图像方位的自动校正的方法,采用本方法对40多幅人脸图像进行了实验,结果验证了方法的有效性。     

一种新型的人脸眼睛定位方法

提出了一种在复杂背景、光照、姿势变化条件下的人脸眼睛定位系统。首先采用Adaboost方法提取人脸,并提出了解决平面旋转和深度旋转的方法。接着,采用数学形态学提取人脸特征并用各种规则去过滤特征点。然后采用SVM眼睛确认方法确认眼睛对。最后采用Camshift和Kalman滤波进行跟踪。基于IFACE数据库的实验结果表明我们的算法具有很高的眼睛定位准确率并对光照、姿势、复杂背景不敏感．     

一种基于肤色模型和眼睛定位的人脸检测方法

提出了一种基于肤色模型和眼睛定位的人脸检测方法。首先利用肤色模型和掩膜进行粗定位,确定人脸可能区域,然后通过基于方向模板的眼睛定位进行人脸存在的确认和精确定位。实验证明了该方法对于复杂背景下人脸检测的有效性。     

结合小波变换和图像主元分析的人脸识别

提出了一种基于小波变换和图像主元分析（IMPCA）相结合的人脸识别方法。小波变换具有保留主要信息,去除噪声的作用,对人脸图像进行小波变换,对变换后的近似图像采用IMPCA方法进行识别。IMPCA是一种快速有效的直接通过图像抽取特征的方法,从图像重构的角度分析了实现IMPCA的两种模式,两种模式分别增强了图像的行特征和列特征,将它们的识别结果进行决策融合可以获得更好的识别效果。基于ORL人脸数据库的实验表明,所提出的方法在识别率上优于单独的IMPCA方法。     

结合伽马变换和小波变换的PCA人脸识别算法

为了有效地提取人脸特征,提出了一种在传统PCA算法的基础上,结合伽马变换与小波变换的人脸识别算法。该方法对人脸图像进行伽马变换,消除光照等非线性因素的影响;对变换后的人脸图像进行小波分解,用得到的低频分量来替代原始人脸;对得到的人脸低频分量作PCA特征提取,得到最终的鉴别特征。在ORL人脸库上进行测试,该算法的识别率比传统的PCA算法提高了6.5%。     

人脸识别中基于多小波变换的光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法在对数域计算2维多小波变换来实现人脸光照补偿,然后直接在对数域进行人脸识别。在Yale B人脸库中与其它光照补偿算法进行了比较,实验结果表明,该方法的平均误识率仅为0.70%,优于现有的绝大多数算法。     

复杂背景下的人脸定位识别方法

现有的人脸识别算法多在标准库上进行,缺少对复杂背景下人脸识别问题的研究。提出一种快速的人脸定位识别方法,旨在解决复杂背景中人脸的定位和识别问题。在定位方面,提出一种新的自适应肤色分割的人脸定位算法,充分考虑类肤色背景对定位算法的影响,使该算法在户外环境下的人脸定位精度较传统方法有了一定的提高;识别方面,采用局部SVD方法提取人脸图像特征值,以PCA算法加以识别,新算法改进了传统PCA训练速度慢、内存占用大的缺陷。通过对ORL人脸库以及自制人脸库的实验分析,结果表明该方法不仅能解决复杂背景中人脸定位识别问题,并且高效、快速、有较好的实用性。     

一种基于同态滤波器与Radon变换的光照不变人脸识别方法

为了减轻光照变化对人脸识别精度的影响,提出了一种结合同态滤波器与Radon变换的人脸识别方法。首先用高斯同态滤波器对人脸图像进行处理,然后进行Radon变换,将变换得到的Radon特征用2DPCA/2DLDA进行降维。在Yale和PIE人脸数据库上的实验结果表明,提出的方法在光照变化较大时,其识别精度远高于2DPCA和2DLDA,是一种高精度的人脸识别算法。     

基于区域生长与Hough变换的虹膜定位方法

快速、准确地定位虹膜是虹膜识别系统的关键。在分析了传统虹膜定位算法的基础上,提出了一种把区域生长与Hough变换相结合的虹膜定位方法,利用区域生长搜索虹膜的内边缘,根据图像的灰度变化规律,搜索位于外边缘的若干个点,利用Hough变换找出外边缘所在位置。实验结果表明,该方法易于实现,减少搜索的盲目性,可提高定位速度。