基于姿态估计的多视角人脸检测

目前,对于多视角的人脸检测仍然是一个具有挑战性的难题.为了解决这个问题,提出了一种基于姿态估计的人脸检测的方法.在训练人脸分类器时,我们将视角范围划分成几个小区间,为每一个小区间利用Adaboost算法训练相应的分类器;在对图像进行检测时,对于任何给定的一幅图像,我们首先对其进行姿态的估计,并根据估计的结果选择相应的检测器对其进行检测.实验结果表明,提出的方法能很好地检测多视角人脸图像,在检测率和检测速度上都有很好的效果.     

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.     

基于三维重建的人脸姿态估计

人脸姿态估计是计算机视觉及人脸识别领域的一项关键研究内容.将三维模型应用于估计人脸图像姿态参数,提出了基于三维重建的人脸姿态估计算法.根据人脸正面图片上的特征点计算出形状参数,实现三维人脸重建.基于三维人脸模型,由姿态图片上提取的特征点信息推知等姿态下模型上对应特征点的信息,针对照模型正面姿态,运用线性回归估计姿态参数.实验表明,重建的三维人脸具有较好的真实感,在较大的姿态变化范围内,该方法也能够取得较好的估计精确并具有鲁棒性.     

一种多视角人脸姿态估计算法

基于独立子空间分析(ISA)技术，提出了一种多视角人脸姿态估计算法。给出了ISA视角子空间分析公式和有效的多视角子空间有监督学习算法。基于有监督学习的多视角人脸模型子空间学习算法，能够实现比无监督ISA学习算法得到更高的姿态估计精度。     

手部姿态估计方法综述

手部姿态估计是计算机视觉领域的一项基础研究,在虚拟现实、增强现实、自动驾驶、虚拟手术等应用中发挥着重要的作用。实现手部姿态估计将使得计算机具备自动理解图像或者视频序列中蕴含信息的能力,有利于实现更自然的人机交互。随着计算理论与深度学习的发展,手部姿态估计领域已衍生出众多研究成果。文章首先介绍手部姿态估计的相关基础概念,然后按照手部姿态估计的应用场景,将现有方法分为徒手交互场景下的手部姿态估计方法和手物交互场景下的手部姿态估计方法,并分别介绍了这两类方法近几年的发展情况,归纳了未来的研究方向,最后作出总结。     

基于SSD模型的人脸检测与头部姿态估计融合算法

针对头部姿态估计常用的人脸检测、姿态估计两步串联框架中流程复杂、耦合性高、整体鲁棒性低的问题,提出了一种基于改进SSD模型的人脸检测与头部姿态估计融合算法.通过拓展SSD模型,设计了人脸检测与姿态估计融合网络模型,在多层次卷积特征图上检测人脸,并估计头部姿态;采用端到端训练模式进行模型训练,简化了头部姿态估计任务的处理流程.在Pointing′04和300W-LP数据集上进行了试验.结果表明,本模型能够在满足实时性要求的前提下有效地完成检测任务与估计任务,在两个数据集中的pitch预测平均绝对误差分别达到了4.80°和6.48°,这充分证明了所提出算法的实用性和鲁棒性.     

融合人脸特征和相关向量机的多姿态人脸检测

多姿态人脸检测是人脸检测研究领域中的难点和热点之一,针对这一实际应用中亟待解决的难题,提出融合人脸特征和相关向量机的检测算法。算法首先利用肤色特征快速排除大部分背景,在肤色区域中搜索眼睛和嘴巴区域。根据眼睛和嘴巴区域的几何特征所确定的人脸方向,分割出大致正向的人脸候选区域。最后选用分类性能比支持向量机更优的相关向量机对候选区域进行分类。对比实验表明,算法提高了多姿态人脸的检测率,对光照、表情和遮挡有较强的鲁棒性。     

基于认知机理的三维人脸建模及应用研究

人类天生具备从单张平面照片进行三维信息恢复的能力,模拟人类的这一认知过程,研究基于单张平面图像的人脸三维建模技术,是当前认知计算中的一个重要问题.以统计学为工具,在建立人脸统计模型的基础上提出一个两步人脸形状建模方案,利用人脸结构先验知识对建模过程进行约束,能够生成真实感强的三维人脸模型.将三维人脸模型应用到光照和姿态估计问题上,取得了较好的效果.     

肤色信息在人脸检测中的应用研究

随着视频监控系统的快速发展,智能视频分析技术已经广泛地用于人员跟踪与识别、人员身份认证和行为识别等领域。肤色信息是彩色人脸图像最显著的特征,且具有相对稳定性,常被用于人脸检测。该文通过彩色图像描述常用的颜色模型,给出了利用肤色信息进行人脸检测方法的流程,最后通过仿真实验讨论了利用肤色信息进行人脸检测的方法。实验结果表明利用肤色信息可以较好地检测出人脸区域,能够为后续的人脸特征提取和识别奠定良好的基础。     

基于OpenCV的人脸检测与跟踪方法实现

人脸是视频内容中的重要信息,对人脸的检测与跟踪是智能视频分析的一个重要分支。实现了基于OpenCV的人脸检测与跟踪方法。首先计算视频图像的Haar-like特征,然后利用AdaBoost级联分类器进行人脸检测,最后使用基于颜色的Camshift算法实现人脸跟踪。在VS 2010开发平台上调用OpenCV函数库进行C++编程;并使用MFC框架实现了人脸检测与跟踪方法。仿真实验结果证明方法思路合理、计算复杂度较低、鲁棒性较好。     

基于非单色背景下的人脸彩色图象定位算法与实现技术

针对非单色背景下的人脸，本提出了一种新的人脸定位算法。该算法包括两个部分：首先进行肤色分割，该采用迭代算法计算Cb、Cr阚值，进行自动分割，可完整地分割出人脸部分；然后进行人脸定位，由于嘴唇具有较高的Cr值，可去除嘴唇部分以消除嘴唇对其它图象部分的影响，利用水平、竖直灰度特性确定人眼坐标，将人脸图象规范化。实验结果证明了该算法的有效性。     

基于认知机理的三维人脸建模及应用研究

人类天生具备从单张平面照片进行三维信息恢复的能力,模拟人类的这一认知过程,研究基于单张平面图像的人脸三维建模技术,是当前认知计算中的一个重要问题。以统计学为工具,在建立人脸统计模型的基础上提出一个两步人脸形状建模方案,利用人脸结构先验知识对建模过程进行约束,能够生成真实感强的三维人脸模型。将三维人脸模型应用到光照和姿态估计问题上,取得了较好的效果。     

Real-Time Multi-View Face Detection and Pose Estimation Based on Cost-Sensitive AdaBoost

Locating multi-view faces in images with a complex background remains a challenging problem.In this paper, an integrated method for real-time multi-view face detection and pose estimation is presented.A simple-to-complex and coarse-to-fine view-based detector architecture has been designed to detect multiview faces and estimate their poses efficiently. Both the pose estimators and the view-based face/nonface detectors are trained by a cost-sensitive AdaBoost algorithm to improve the generalization ability. Experimental results show that the proposed multi-view face detector, which can be constructed easily, gives more robust face detection and pose estimation and has a faster real-time detection speed compared with other conventional methods.     

基于灰度突变特征结构的快速人脸检测

基于面向人脸的分析，按照将复杂背景中的人脸检测转化为对五官检测的思想，建立了以五官结构为检测特征的人脸检测模型。在进行了灰度突变点、灰度突变块，组件特征块等一系列特征标识的基础上，设计了以双眼结构为主索引特征的多步快速快速检测算法，实验结果显示，该算法具有良好的检测性能。     

人脸自动追踪与识别系统的设计与实现

为快速和准确地识别有关人员的身份,开发了一个具有5个自由度的人脸自动追踪与识别系统．该系统采用人脸肤色模型结合相似度及人脸轮廓来检测和定位人脸,并利用嵌入式隐Markov模型对人脸的特征进行提取和识别．实验结果表明,该系统不仅能自动追踪、定位和识别人脸,而且能实时地将识别结果与人脸数据库进行比对,从而迅速地获得被识别人员的有关身份信息．该系统可用于建筑物入口的监控和刑事侦察等场合．     

基于计算机视觉的鸡蛋污斑检测

针对传统人工检测鸡蛋表面污斑方法由于效率较低,且易造成视觉疲劳等缺点,已不能满足现代化工业生产需要的问题,建立了利用计算机视觉检测鸡蛋表面污斑的装置,通过计算机视觉采集鸡蛋表面的图像,然后对图像进行处理分析,提取特征参数,建立污斑识别算法,检测鸡蛋表面的污斑．通过验证,该识别算法分级污斑鸡蛋和干净鸡蛋的准确率达到92．7％,受试鸡蛋总体分级准确率达到90％以上,实现了对鸡蛋表面污斑的无损检测．     

基于视觉的目标姿态估计算法

驾驶员头部姿态在一定程度上反映驾驶员的意图。为了避免由驾驶员主观因素造成交通事故,基于计算机视觉的动态头部姿态估计算法,首先检测视频中的正面人脸,以此为基准,利用SIFT算法对视频序列中人脸特征进行匹配与跟踪,计算不同视角下的头部姿态角度,再通过记录不同姿态角度保持的时间来判别驾驶员的行为意识,从而给驾驶员警示,进而避免交通事故。实验表明,该系统可以精确估算驾驶员头部姿态,提高驾驶安全性。     

基于改进YOLO-Pose轻量模型的多人姿态估计

YOLO-Pose作为人体姿态估计算法模型,在精度和速度上有着不错的表现,但其在复杂和有遮挡的场景下存在误检率较大的问题,并且模型的复杂度仍然有优化的空间. 针对这几个问题,通过选取Slim-neck模块和Res2Net模块,重新设计其特征融合层,减少其计算量和参数量,提高特征提取能力,在提升精度的同时,使模型轻量化;引入EIoU损失函数,加快边框检测的收敛速度,并提高定位的准确性. 在压缩的OC_Human数据集上进行测试,改进后的模型与YOLO-Pose相比,P值、mAP@0.5和mAP@.5：95分别提高了10.6,3.1和2.9个百分点. 此外,参数量和计算量也分别减少了16.7%和19.3%,在精度和轻量化方面均有所提升,为其应用在资源有限的边缘计算设备提供了可能性.