基于鼻子下轮廓线的鼻尖定位法

提出了一种基于鼻子下轮廓线的鼻尖定位算法.该算法首先利用人脸先验知识和眼睛位置确定鼻子候选区域,然后用Canny算子抽出鼻子边缘,通过计算其置信度获取鼻子下轮廓线,最后采用最小二乘法拟合鼻子下轮廓线为抛物线,从而确定鼻尖位置.实验表明,本算法具有较高的鼻尖定位精度和应用价值.     

基于LBP和Gabor混合特征的近红外人脸识别

综合局部二值模式(Local Binary Patterns,LBP)和Gabor·函数特征的优点,并结合余弦相似度和主元分析(Principal ComponentAnalysis,PCA)方法,提出特征混合的人脸识别算法并研究4种不同的LBP和Gabor特征混合的方法.在871人的近红外人脸图像库上的实验表明,基于LBP和Gabor混合特征的人脸识别方法能获得较高的人脸识别正确率和较低的误识率.     

基于数理形态学的近红外光图像实时人脸检测

该新型算法首先使用基于Harr特征和Adaboost算法的人脸检测方法寻找人脸候选区域,并对候选区域进行归一化处理;然后利用人眼瞳孔在近红外光图像中会生成白色光斑的特点,使用基于数理形态学的Quoit滤波器精确定位眼睛.为了减小不同瞳孔大小带来的影响,使用了多尺度的Quoit滤波器以提高准确性.实验表明,这种方法不仅准确性高而且速度快,达到了实时人脸检测的要求.     

基于三点透视的人脸姿态估计算法

提出了基于特征点透视变换和人脸统计模型的人脸姿态估计算法.首先建立以左右眼睛点和鼻尖为几何特征点的人脸统计模型,然后推导出这三个特征点在图像平面坐标系和三维世界坐标系间的对应关系,进而得到从图像平面上的三个特征点估算人脸在三维空间姿态的理论方程,最后运用迭代方法给出了一个完整的快速人脸姿态估计算法.实验结果表明,本算法精度高,速度快,具有较好的鲁棒性.     

基于椭圆拟合的近红外图像的眼睛精确定位法

提出了一种新的近红外人脸图像的眼睛精确定位方法. 该方法首先使用基于Haar特征和AdaBoost算法的人脸检测分类器确定人脸区域和初始眼睛位置;然后用Sobel算子对眼睛区域进行边缘检测处理,得到眼睛边缘,并对它进行椭圆拟合获得眼睛的椭圆轮廓线;最后把拟合椭圆的中心点作为眼睛的精确位置. 实验表明,在正面人脸情况下,本方法能精确地定位近红外人脸图像的眼睛位置,在归一化人脸为120×120像素时,其平均误差小于1.5个像素,处理时间约7 ms.