基于CEEMDAN-FastICA算法的非接触心率检测

为了降低照明变化、相机内部等噪声干扰对远程光电容积描记法检测心率的误差,提出基于自适应噪声完备集合经验模态分解(CEEMDAN)与快速独立成分分析(FastICA)相结合的去噪方法,实现非接触式心率准确检测.首先对视频图像中人脸68个关键点进行检测,获得感兴趣区域(ROI)并得到源信号;然后通过CEEMDAN对源信号进行分解并选取合适频段内的固有模式函数(IMF)进行重构,对重构信号进行FastICA盲源分离后将RGB各通道信号进行快速傅里叶变换,最终利用频谱峰值对应频率计算得到心率.对10名不同性别和年龄的人员进行了实验测量,并将测量结果与脉搏血氧检测参考仪器进行了对比分析,测量均方根误差和平均绝对误差分别为0.72bpm和0.60bpm.实验结果表明,所提方法能够有效去除心率检测源信号中的噪声,提高心率检测的准确性.     

视频序列对称差分法检测与预测人脸技术

根据视频监控图像在时间和空间上的连续性和相关性,利用视频图像对称差分,找到运动区域,再结合人脸肤色的聚类特征确定出人脸候选区域,改进了基于规则的人脸定位方法,利用人脸的几何特征,实现复杂视频图像中的多人脸检测。运用运动系数加上横向和纵向调节因子,对后续帧中的人脸加以预测。实验表明,该算法复杂度小,准确率较高,对姿态、表情、背景等变化情况下人脸的检测均具有较好的鲁棒性,预测跟踪效果好。     

人脸特征点定位及其在心率检测中的应用研究

在人脸检测基础上,进一步确定眼睛、嘴巴、脸部外形轮廓等位置的问题称为人脸特征点定位,是人脸分析识别的关键技术。通过仪器测量心脏每分钟跳动的次数称为心率检测,是评估心脏功能的重要途径。随着心脏的跳动,血液在人体的循环流动会导致人体肤色发生相应的变化,据此可以进行心率测量。实际中,皮肤区域选择是心率分析测量的关键。总结了人脸特征点定位的主要方法,研究了基于AAM(Active Appearance Models)模型特征点定位的有效皮肤区域选择方法。通过提取信噪比高的人脸区域进行分析,测量得到心率信息。实验结果表明,该方法能有效提高心率检测准确率和鲁棒性。     

基于回归的人脸检测加速算法

为了提高视频中人脸检测的检测速度,采用回归分析方法预测连续视频中人脸中心位置坐标,并通过调整区域宽度系数确定人脸区域位置,从而提出一种人脸检测加速算法。该算法的主体框架采用VJ(Viola-Joines)结构,在人脸检测过程中,通过聚合通道特征和弱级联分类建立多尺度精细采样图像特征金字塔,并利用回归分析方法进行人脸中心位置坐标拟合,再采用粗粒度预测方法降低算法时间复杂度,最后通过优化人脸区域位置系数提高人脸检测准确率。在此基础上,又通过目标预测、跟踪算法进行人脸检测的二次加速。实验结果表明,该算法有效减少了视频人脸检测遍历区域,提高了人脸检测的检测速度,缩短了提取视频人脸特征区域的时间,更加适合视频人脸检测的实时性应用。     

视频序列中基于肤色的人脸实时检测

利用肤色在颜色空间的聚类特性来检测人脸,为了去除亮度对肤色的影响,增强检测的可靠性,采用了同时在RGB归一化颜色空间和HSV颜色空间中对肤色进行检测.在肤色检测之前采用了图像差分法先检测出运动空间,消除了背景对肤色检测的影响,也缩小了肤色搜索的范围.关于实际场景的实验表明,本文算法既能准确地检测出人脸,同时又能够达到实时效果.     

基于运动检测和小波分析的视频图像人脸检测

人脸检测是所有人脸处理系统的基础,而视频中人脸检测问题更具有其特殊的意义。结合运动检测和小波分析技术,提出了一种快速的、具有良好鲁棒性的人脸检测方法。首先基于运动检测得到包含人脸对象的运动区域——人脸图像;然后应用小波分析良好的时频局部化特性和多分辨率特性对运动检测定位的人脸图像进行降维处理,同时得到体现人脸特征的小波系数候选本征脸;最后结合人脸的面部特征及形状分析进一步对结果进行验证。实验结果表明,该方法具有较好的实时性和鲁棒性。     

一种视频中基于检测的快速人脸跟踪方法

针对背景复杂多变的视频人脸实时跟踪问题,从检测率、漏检率与错检率3个指标出发,通过改进样本选取的方式对训练样本的比例进行优化,得到一种快速人脸检测方法.在对卡尔曼的初始状态进行选取后,运用具有通过调整参数就能对被跟踪的人脸区域进行放大或者缩小功能的卡尔曼滤波方法来选取候选人脸区域,从而减少搜索时间,提高脸部区域检测速度...     

多次投影算法在视频监控人脸检测中的应用

根据视频监控图像在时间上的连续性和空间上的继承性,利用连续三帧视频图像对称差分,找到运动区域,再结合人脸肤色的聚类特征确定出人脸候选区域,然后改进了利用投影的人脸定位算法,将单次投影发展为多次投影,并且结合人脸的几何特征,实现视频监控中复杂背景下的多人脸检测。实验表明,该算法复杂度小,准确率较高,对姿态、表情、背景等变化情况下人脸的检测均具有较好的鲁棒性。     

一种视频中基于检测的快速人脸跟踪方法

针对背景复杂多变的视频人脸实时跟踪问题,从检测率、漏检率与错检率3个指标出发,通过改进样本选取的方式对训练样本的比例进行优化,得到一种快速人脸检测方法。在对卡尔曼的初始状态进行选取后,运用具有通过调整参数就能对被跟踪的人脸区域进行放大或者缩小功能的卡尔曼滤波方法来选取候选人脸区域,从而减少搜索时间,提高脸部区域检测速度,使基于检测的跟踪能得以实现。通过对2段视频中的人脸进行有效跟踪实验,验证了该方法的可行性。     

人脸检测与识别技术综述

人脸的检测与识别技术因其巨大的应用价值及市场潜力,引起各方面的关注,已经成为图像工程和模式识别领域的研究热点。文章在回顾人脸检测与识别技术发展历程的基础上,对人脸检测与识别的多种相关技术作了介绍与评论,并讨论了该技术的最新发展方向及其国内的发展情况。     

基于神经网络的人脸检测算法研究

针对复杂场景图像中的人脸，提出了一种基于BP神经网络的人脸检测算法，由网络训练和人脸定位两部分组成．可以有效地运用于多人脸、不同尺寸、不同姿态、不同面部表情、不同肤色、不同光照条件和复杂背景的情况。实验结果表明该算法快速有效。     

基于OpenCV的人脸检测算法研究

介绍了一种开放源代码的计算机视觉类库OpenCv,阐述了该软件的特点及结构,并对其在Visual C++2005开发环境下的配置作了详细的说明.然后提出了一个基于OpenCv的人脸检测算法.实验结果表明,该算法具有识别效果、实时性好,检测速度快的特点.     

基于AdaBoost和LLE的视频人脸特征提取研究

特征提取是生物特征识别的关键环节.本文提出了一种基于AdaBoost和LLE的视频人脸特征提取方法.其大致思路是用VFW技术对视频图像进行采集、接着将AdaBoost算法对采集的图像进行人脸检测,最后应用LLE算法对检测到的人脸图像进行降维并提取出特征.项目实践表明,该方法具有便捷性、实用性和有效性.     

视频序列中运动人脸的检测与特征定位

针对视频序列中运动人脸的检测与特征定位问题,给出了一种算法,即通过计算并比较人脸区域而不是整幅视频帧的峰值信噪比（PSNR）,先从视频序列中找到人脸区域清晰度高且尽可能大的视频帧,然后再进行人脸的准确检测与特征定位。首先利用Adaboost方法检测出人脸的大致范围,再根据肤色模型确定人脸的具体位置并从图像中提取出人脸部分,然后利用基于帧间差的人脸区域的PSNR判断图像清晰度,从而定位出人脸区域清晰度高且尽可能大的视频帧,最后进行人脸检测和特征定位。对实际视频序列的计算表明,给出的算法在时间效率上较高,人脸的检测与特征定位效果较好。     

一种基于维度约减的快速人脸检测方法

针对视频监控中的高维度和复杂环境的困难,文章提出一种基于主成份分析与Adaboost的视频人脸检测算法．该方法先使用PCA方法对特征空间进行降维,并以PCA特征建立误分率最小化弱分类器,最后使用Adaboost算法提升弱分类器性能,将所有已训练的弱分类器联合成一个强分类器．实验证明,在正面人脸样本和具有复杂表情变化的人脸测试集上,该方法可以得到很好的检测结果．     

基于Hausdorff距离的快速人脸检测

 提出了一种实用的基于Hausdorff距离的人脸检测方法.该方法将单一的Hausdorff距离定义进行巧妙的变换应用,使其达到了可以在复杂背景下进行人脸检测的实用水平.实验证明,该方法运算快捷、定位准确.     

人脸检测方法研究

人脸检测是人脸识别的前提,同时在安全访问控制、视频监控、基于内容的检索等领域也有着广泛的应用。人脸相关的应用和研究受到越来越多的重视,本文通过对人脸检测方法的研究,证明各种方法的融合是今后人脸检测的主要方向。     

视频序列中的人脸检测定位

提出了在不同环境下视频序列中人脸检测定位的多级算法.首先,用改进的帧间差自适应阈值法检测运动区域.然后,用YCbCr颜色空间检测肤色区域,并用二值形态学操作进行后处理.最后,构造眼嘴映射检测定位人脸.实验结果证明,该算法可以有效运用于多人脸、不同表情和姿态、不同光照的情况,检测率平均达到81%.     

基于肤色模型与人脸结构特征的人脸检测

人脸检测是自动人脸识别中的关键环节.提出了基于人脸肤色模型和人脸结构特征的人脸检测.首先利用人脸图片样本,提取肤色像素,建立肤色CbCr高斯模型.根据高斯肤色模型求得人脸似然图,并采用最佳阈值对之进行二值化.之后再采取形态学处理,除去部分非人脸区域,分割出待定人脸区域.最后根据人脸的结构特征进行再次筛选,得到人脸区域.此方法运用在一般的人物照片中都能达到比较理想的效果.