基于OpenCV的人脸检测系统设计与实现

本文介绍了OpenCV函数库的基本用法,阐述了目前做人脸检测研究中所使用的常用检测算法,并利用OpenCV设计和实现了图像中人脸的检测,试验结果表明利用OpenCV开发人脸检测系统效率高,识别效果好。     

基于OpenCV的人脸检测系统设计与实现

在生物特征识别技术中,人脸识别不同于指纹识别,人脸识别是最自然、最直接、最友好的识别方法。人脸检测和识别在身份认证、视频监控、公安系统等领域有着广泛的应用。本文利用OpenCV中提供的Boosted Cascade算法进行人脸识别,结果表明识别效率较高,效果好。     

基于OpenCV的人脸检测与识别系统

本论文以OpenCV图像处理库为基础,采用QT作为图形界面开发,具有人脸采集,图片训练,数据库管理及人脸识别等功能,并且使用光线补偿等方式提高识别率.     

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.     

基于人脸检测和特征的跟踪方法

在智能视频监控中,常常会发生对同一人脸重复定位的问题．通过分析人脸的非刚体特征和人脸监控视频的特点,提出了一种基于帧间人脸位置匹配的思想和基于颜色直方图的Meanshift算法二者相结合的方法．实验结果表明,提出的方法具有一定的实时性,并能够降低对同一人脸的重复识别率．     

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...     

基于OpenCV的图像处理

OpenCV是Intel公司推出的开源、免费的计算机视觉程序库,利用OpenCV可以很方便地实现图像和视频处理。本文介绍了OpenCV的历史、特点以及结构和应用,并以人脸检测为例介绍了OpenCV在图像处理中的应用。     

基于TLD改进的人脸检测跟踪算法

机器学习和模式识别技术目前在军事以及日常生活中应用越来越广泛,该文主要是基于TLD（Tracking Learning Detection）算法的改进完成人脸检测后的自学习与跟踪。TLD算法是一个高效的检测、在线学习、跟踪的系统,其主要是由三部分组成,学习器,跟踪器,检测器当输入一段视频序列后,同时送入三个部分,当观测到物体的外部特征时检测器对其进行定位,而且修正跟踪器也是其功能之一;跟踪器利用帧到帧变化的运动信息跟踪目标：学习器对检测器进行评估并且更正避免发生同样的错误。跟踪器主要是应用金字塔光流法,而学习器是通过随机森林算法完成在线实时学习。该文的创新之处就是摒弃原TLD算法的通过鼠标选择感兴趣区域的初始化．而采用基于OpenCV的harr特征人脸检测进行初始化。即当在第一帧第一张人脸检测后便对其进行自学习与跟踪。     

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。     

基于OpenCV组合优化的人脸识别应用平台设计

人脸识别是最符合人的本能且便捷的识别认证方式,在人工智能领域广泛应用,多数的人脸识别的算法很容易受到外界因素的影响,或者要求识别者站在某一固定位置,识别缓慢和准确率不高。本设计实现了一种基于Open CV的人脸识别的应用平台,首先对人的脸部图像进行采集和预处理,通过对算法优化,利用平台的Eigenfaces、Fisherfaces和LBP(local binary patterns histograms)三种用于人脸识别的算法协同多重使用,并在判定人脸识别系统识别到待检测目标的同时再加上限制条件,再结合Qt框架搭建用户界面,实现人脸模块训练和人脸识别的功能。经过测试,系统界面友好,运行稳定,对人脸位置和环境光照变化具有较好鲁棒性,能快速和准确地对人脸实时检测和识别。     

基于OpenCV的车辆轮廓检测

为了获得理想的车辆轮廓线,提出了一种基于开源计算机视觉库OpenCV的轮廓检测新方法。首先对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等预处理,获得二值化黑白图像。然后通过轮廓提取和跟踪检测到车辆外轮廓线。在VC++6.0环境下,利用OpenCV编程实现了此方法。由实验结果看出,该方法可以较为理想地获得车身外轮廓线信息,既节省了预处理的时间,也保证了精度。     

一种基于OpenCV的多扇区圆检测方法

针对工业控制现场和生产流水线上对机器视觉的需求,提出了一种基于OpenCV的多扇区圆检测方法。首先对OpenCV做了简单介绍,给出了多扇区圆检测的原理与检测步骤,然后经过实验表明,在较高的干扰下仍能将圆形准确无误的检测出来,与随机Hough变换相比,有较高的识别准确率和较小的计算开销。     

基于OpenCV的图像处理

OpenCV是近年来最受欢迎的计算机视觉应用库。在其基础上编写图像处理代码效率得到有效提高。本文旨在对OpenCV进行一个快速全面简介,通过介绍其数据结构、HighGUI库,图像处理函数使读者能快速形成对OpenCV印象。文章详细介绍了2.4.4版本在VS2010中的安装测试说明。读者能够在此基础上架构自己代码。文章最后通过自适应阈值分割实例来介绍OpenCV的具体应用。     

基于改进的AdaBoost算法的人脸检测

为了进一步减小系统误差,更加有效防止目标类权值分布扭曲现象的发生,针对传统AdaBoost人脸检测算法存在的不足,对算法的权值更新规则和权值归一化规则进行了综合改进,实验结果证明了改进算法的有效性.     

基于OpenCV的口唇检测研究

唇读技术在提高噪音环境中语音识别系统的识别率和帮助有听力障碍的人更好的理解语言方面起到了一定的辅助作用。由于说话过程中口型变化较大,直接提取口型区域较困难;而在发音过程中鼻子形状不会发生较大变化,且OpenCV自带的人脸检测器可以很好的检测出人脸。提出了一种利用嘴唇与人脸和鼻子的相对位置关系进行检测嘴唇区域的方法。实验证明,该方法可以比较快速,精确地提取出嘴唇区域,从而利于精确的进行口唇分割。     

异己飞行物检测与跟踪的图像处理方法研究

为了实现飞行区域内异己飞行物的快速实时检测处理,提出了一种基于图像处理的异己飞行物检测与路径跟踪算法。通过提取自体飞行器上摄像头视频流的单应矩阵来计算物体的移动参数,运用多假设跟踪方法来确定被测物体是否正在接近自体飞行器。该方法有较强的抵抗图像背景灰度变化的能力,在外界光照明显发生变化时,依然能准确、清晰地检测出目标。通过两架无人飞行器模拟自体飞行器和异己飞行物进行试验,结果表明,该算法性能良好,在检测复杂环境中的表现也非常突出。该方法用于识别异己飞行物是可行的、有效的。     

基于Adaboost算法的车牌检测在OpenCV上的研究与实现

Adaboost是一个构建精确分类器的学习算法,在目标检测领域有着广泛的应用。OpenCV是Intel开源计算机视觉库。该文给出了在OpenCV上利用Adaboost算法,实现车辆车牌检测的完整实验过程,包括样本的建立、训练级联分类器、以及利用训好的分类器进行目标检测。     

基于改进Adaboost人脸检测算法的研究及DSP实现

在Adaboost人脸检测算法的基础上,通过将所有的特征值排序并构建一个次序表,并使用改进Adaboost权值更新算法和分类误差计算方法,训练分类器并检测样本图像,达到了减少训练分类器耗时、提高检测率和降低误检率的效果.最后在DSP上实现了人脸检测系统,验证了改进系统在实时性能上得到较大的改善.     

基于Adaboost人脸检测算法

针对因图像背景复杂、 光照变化及面部旋转等因素的影响, 使复杂背景下人脸检测难度大、 速度慢和准确率低的问题, 使用Adaboost算法进行人脸检测, 并在OpenCV上实现其检测过程。分别对具有面部旋转和复杂背景的图像进行了人脸检测实验, 其检测准确率分别为85%和99%, 平均检测时间分别是16.67 ms/张和76 ms/张。实验结果表明, 该算法能在复杂背景下准确、 快速地实现人脸检测, 且能满足人脸识别系统实时性的要求。