基于肤色模型的人脸检测与人眼定位

针对光照变化对人脸检测及人眼定位的影响, 提出一种基于肤色模型的人脸检测与人眼定位方法. 先对图像进行预处理, 减少图像中的噪声; 再将RGB颜色空间转化到具有良好肤色聚类特性的YCbCr色彩空间, 利用Gauss模型进行肤色建模; 最后检测出人脸区域并确定人眼位置.     

在人眼识别中虹膜定位算法

为提高人眼定位的鲁棒性、准确性和检测速度,以改善算法的适用性,提出了一种基于YC_bC_r彩色空间的肤色信息和基于水平灰度投影与HIS彩色空间的人眼虹膜饱和度信息相结合的算法。算法先对图像的C_b和C_r分量用改进的高斯分布模型算法进行肤色提取,通过肤色区域的分析,对人脸区域进行预检测;然后利用水平灰度投影方法定位眼眉区域,再利用人眼虹膜的饱和度信息进行精确定位。实验结果表明,该方法对人眼定位的正确率达到85％,定位时间为0.072 6 s。     

基于混合投影峰分析的人眼定位方法

利用灰度投影曲线检测预处理后的人脸图像眉眼区域,并分割左右眼区域;结合梯度投影和方差投影函数构造区域混合投影函数,分别对左右眼区域进行混合投影;分析一系列的投影峰,筛选后得到眼睛中心的准确位置.在ORL和BioID人脸库上的实验表明：在姿态和光照变化较大及佩戴眼镜的情况下,利用混合投影函数峰分析定位眼睛的结果优于单个投影曲线.     

基于肤色模型和特征定位的人脸检测算法

针对彩色图像提出一种基于肤色模型和特征定位的检测算法.首先建立一个新的肤色模型（H_SI_I模型）,它对光照亮度具有强鲁棒性.在肤色分割的基础上,利用水平灰度投影估计人眼水平位置,然后结合候选脸区的边缘图像,给出人眼的确定位置,并输出人脸检测结果.实验表明该算法简单、快速、鲁棒性强.     

基于复杂度和模板匹配人眼定位方法

生物识别技术是利用人自身具备的生物特征进行身份鉴别的技术.与其他的生物认证技术相比,人脸识别具有更直接、友好、方便的优点.而人眼的自动定位是人脸识别研究中一个基本且非常重要的课题,特别对背景复杂、倾斜、旋转、脸部表情、姿势变化的人脸灰度图像,提出了一种改进的人眼快速定位的算法,该算法首先使用最大类间方差阚值方法确定人脸上下边界,然后利用垂直积分投影确定人脸上下边界,再利用复杂度分析在人脸区域中生成包含眼睛的极小人眼区域,最后在这候选小区域内利用模板匹配的方法精确定位眼睛.这样可以大大减小模板匹配时的计算量.在BioID_TEST_V1.2人脸数据库中实验,该算法的准确定位率95%以上.     

一种改进的基于灰度投影的人眼定位算法

利用灰度投影对人脸图像进行检测和眼睛定位是一种常用方法,但是直接采用该算法进行眼睛定位,容易将鼻子或嘴的水平位置误判为眼睛水平位置,从而导致检测准确率降低。本文在计算图像水平方向灰度投影时,加入像素点的位置方差特征,这样可以准确地找出眼睛的水平位置,从而精确的定位眼睛坐标。算法在FERET人脸数据库上测试,准确率达92.4%。     

人眼定位与跟踪算法研究

本文介绍了人眼定位与跟踪算法。首先采用灰度投影曲线与灰度直方图估计初始闽值相结合的恩想进行人眼检测;然后运用Kalman算法与Mean Shift算法进行人眼的跟踪。实验表明该方法具有计算简单、快速、有效等优点。     

基于Otsu理论的灰度图像分割算法研究和改进

Otsu算法是利用最大类间方差准则对图像像素进行阈值分割.二维Otsu算法是在一维Otsu算法的基础上提出的,但是其计算量大,且只有当图像每个类的像素数目接近彼此时才能得到满意的结果.对二维直方图重新划分,改变阈值的求解范围,提高分割准确率和减少阈值计算时间.实验结果表明该方法提高分割效率,对含噪声的图像分割效果较好.     

基于局部对称性及灰度统计特征的人眼定位方法

为了兼顾人眼定位方法的准确率和实时性,提出基于局部对称性和灰度统计特征的人眼定位方法。该方法结合了模板匹配与对称变换的思想,利用了人眼灰度统计信息,取得了较好的效果。通过仿真实验表明:算法在满足算法定位准确率的同时,具有较好的实时性,因为其算法复杂度相对于模板匹配法和基于学习的方法大大降低。     

基于择优对称粒子群优化的 Otsu肺实质分割算法

为了提高肺实质分割算法的运行效率,提出了一种基于择优对称粒子群优化的Otsu肺实质分割算法.首先在传统粒子群优化的Otsu算法基础上,引入自然选择机制,保留适应度较好的优秀粒子,其次对适应度较差的粒子采用对称分布的方式进行修正,从而优化粒子群的空间分布状态,使算法能够更高效地收敛到全局最优解,最后实验结果表明,改进后的粒子群算法寻优精确度和运算效率均得到提高,与Otsu算法相结合后,在传统粒子群优化的Otsu算法的基础上,进一步提高了肺实质分割效率.     

基于边缘检测和灰度投影的人眼定位

【目的】针对肤色检测易受光照影响的问题,提出一种基于边缘检测和灰度投影的人眼定位方法。【方法】首先结合肤色检测和Sobel边缘检测来提取人脸主要特征,得到人脸特征的二值化图像;其次根据人眼在人脸的几何位置关系得到人眼的粗定位;然后通过对数变换处理定位后的图片;最后进行水平和垂直方向的灰度投影,经过曲线拟合寻找极值进行人眼瞳孔的精确定位。同时,将本算法与其他类似算法进行比较分析。【结果】本算法对于不同光照和干扰环境有一定的适应性,对于不同姿势的人脸也能准确定位,相对于传统的肤色检测在精准度上有所提升,但在人脸图像受到环境或者噪声干扰严重时,本算法的定位成功率明显降低。【结论】该方法简单实用,对光照和复杂的干扰环境有一定的适应性,并且在一定的角度范围内,具有较高的准确性。     

一种改进的基于几何特征的人眼定位方法

针对灰度图像,提出一种改进的基于人眼几何特征的实现人眼快速定位的方法.先对人脸进行预处理,再根据人眼在二值图像中的几何位置特征制定人眼判定规则并粗估计图像分割的灰度门限所在范围,在该范围内通过递增灰度门限的方法,在不同灰度门限下的人脸二值图像中寻找符合规则的人眼黑块,最后通过二维相关系数来验证.抽取ORL人脸图库中24人的图片进行实验,结果比未经预处理的图片准确率提高了15%,从而证明这种算法是行之有效的.     

一种基于人脸检测的人眼特征定位方法

人脸图像分析中,眼睛的精确定位是非常重要的一个环节。文章提出了一种基于人脸检测的人眼特征定位方法。首先采用AdaBoost人脸检测算法对人脸图像进行人脸检测,确定人脸位置。然后根据人脸面部结构特征估计人眼所在区域,利用该区域内的灰度和梯度特征搜索人眼特征点。实验表明该方法能够快速有效地定位出人眼特征。     

基于肤色的人脸检测算法研究

文章提出了一种基于肤色的彩色图像人脸检测算法。该算法会对输入图像进行尺寸归一化及光线补偿,综合利用2种色彩空间对预处理后的图像进行二值化操作。在肤色分割的基础上去除噪声,并结合多种有用信息,对肤色区域进行了判定,最终识别出人脸区域。它的主要优点有对人脸的姿态不敏感、检测速度快等。在多人脸检测方面,该算法运用区域分割的方法对多个人脸进行有效检测。实验结果表明,该算法是可行有效的。     

基于差值图像及肤色特征的人脸定位方法

该文提出一种用于安保监控系统中提取人脸的实用有效方法。该方法利用运动序列图像之间的差分图像，检测出运动目标区域，得到运动目标子图像，剔除大部分静止背景的干扰。随后对于图像进行肤色映射，得到二值图像，对二值图像进行水平和垂直投影，确定人脸的左右边界和上下边界，从而得到人脸的准确定位。该方法在工程上有效且计算量较少，可以达到实时需要。     

司机疲劳驾驶检测中人脸图像的快速人眼定位

在司机疲劳驾驶检测中,对人眼的高效,实时准确检测是关键步骤之一。本文研究了司机人脸图像中的人眼检测方法。首先,将得到驾驶员面部图像隐射到YCbCr空间,建立基于肤色的二维高斯分布模型,通过滤波,标记分割出肤色并得到人脸的区域;然后,利用人眼的分布特点及自身特性,通过两次定位的方法实现了对司机人脸的人眼定位。     

Otsu算法的研究及改进

本文首先介绍了传统的一维及二维Otsu分割算法,然后对传统二维Otsu分割算法进行了改进,改进了阈值判定区域及求解阈值的办法．实验结果证明,改进方法提高了运算速度并增强了图像分割效果．     

基于投影函数和梯度方向的快速人眼定位方法

本文提出了一种基于投影函数和梯度方向相结合的眼睛自动定位方法。首先利用水平投影曲线和垂直投影曲线确定眼睛区域,然后根据眼球的梯度方向信息定位眼睛中心。试验证明该方法计算简单,定位准确率较高,并且对头部姿态变化等具有一定的鲁棒性。     

基于肤色的驾驶员面部定位与跟踪算法

采用CCD摄像机获得驾驶员脸部图像,利用肤色在颜色空间的聚类性,建立基于肤色的人脸二维高斯分布数学模型.选用YCbCr颜色空间作为肤色分布统计的映射空间,用最大类间方差阈值对人脸图像分割,获得人脸图像灰度直方图水平投影和垂直投影,实现对面部定位.采用卡尔曼滤波算法,根据驾驶员面部当前帧图像预测下一帧图像的位置,并通过局部搜索精确定位,实现对驾驶员面部的跟踪.实验结果表明,基于肤色的驾驶员面部定位与跟踪算法可靠性高,具有良好的动态定位能力,而且对驾驶员坐姿的变化有较好的适应能力.