基于分级策略的自动人眼检测与定位

针对小波阈值法中的小波变换只能将图像分解到有限方向, 而不能较好地表征图像多方向性的问题, 用改进混合小波 方向滤波器组（HWD:Hybrid Wavelet Directional filter banks)变换代替单纯小波变换, 使在图像分解过程中更好地表征图像的多方向性, 保存更多的图像信息; 在分析小波阈值去噪原理的基础上,改变隶属度函数, 构建HWD隶属度的权系数, 从而避免因小波系数间存在幅值交叉使小波阈值法的应用受到限制。改进的HWD在损失最少图像小波系数的前提下, 能最大限度地置零噪声小波系数。实际工程图纸去噪研究表明, 改进的小波阈值法可在去除一定噪声的前提下, 保留更多的工程图纸细节信息。     

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.     

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。     

基于机器视觉的人眼瞳孔定位研究

人体生物特征识别技术作为一种智能的人机交互技术,越来越受人们重视。人脸识别和瞳孔定位在视频监控系统和门禁系统中有着广泛的运用。本文所研发的人眼瞳孔定位检测系统采用Adaboost算法,分别检测获得了人脸、眼睛,并通过检测眼睛区域连通体面积来判别眼睛的睁闭,并定位瞳孔位置。     

基于改进AD AdaBoost算法的人眼检测

针对AD AdaBoost算法在样本训练过程中的退化现象,提出了一种基于改进的AD AdaBoost算法的人眼检测方法,通过释放正确分类负样本的权值并进行归一化处理,缓冲分类困难的样本上权值的扩张.实验结果表明此方法在保持较好实时性的同时,能够提高检测的准确率.     

基于FPGA平台的实时人眼检测系统设计

采用近红外光源与图像差分相结合的方法在现场可编程逻辑阵列(FPGA)平台上实现了人眼检测系统。利用图像差分可以获得具有亮瞳孔效应、以人脸为主体的目标图像,通过对其进行灰度拉伸、分割、积分投影可以得到人脸位置,在检测到的人脸区域利用改进的复杂度算法实现了人眼检测。经测试,系统的处理速度可达30帧/秒,满足实时性检测的要求。基于近红外光源的方法消除了外界光源的干扰,从而保证了系统的鲁棒性。     

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。     

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。     

基于MTCNN的人眼状态检测与判断

针对线上课堂学生听课状态的监督,设计了基于MTCNN的人眼状态检测与判断系统.首先,基于多任务卷积神经网络(MTCNN)算法检测视频中的人脸和人脸特征点,利用人脸和人脸特征点的检测信息定位人眼,然后使用灰度二值化图像处理方法提纯人眼图像,将提纯的人眼图像进行灰度二值化处理,统计虹膜区域像素点的个数和坐标,计算平均坐标,...     

基于可见光源与独立成分分析法的实时人眼检测系统

提出一种基于特征与外貌混合检测确定人眼区域的实时人眼检测方法. 首先,依据可见光源在人眼角膜上反射形成耀点特性,通过图像处理算法提取潜在耀点位置,利用人眼几何特征的确定可能人眼候补区域;然后,提取人眼数据库中具有不同外貌特征的200幅人眼图像,采用FastICA算法估计出提取人眼图像的有效成分分析(ICA)基向量;最后,通过计算人眼候选区域在基向量上投影角度判断出左、右人眼区域准确位置. 实验结果表明,在人脸面部旋转、佩戴眼镜、大范围头部运动和不同光照强度下,实时人眼检测具有较高的检测正确率和较好的鲁棒性.      

一种基于圆检测的眼睛定位方法

眼睛定位在人脸检测及人脸识别技术中有着极其重要的实用价值,但传统的基于几何特征的眼睛定位方法在不同程度上存在着定位不够准确或计算量大的缺点,本文针对这一不足提出了一种快速、有效的眼睛定位方法。在初步定位人脸区域后,采用Robert算子进行边缘提取,然后应用圆的几何性质在人眼大致区域内检测圆,进而定位眼睛中心。实验证明了算法的有效性。     

基于局部保留映射与径向基网络的人脸识别方法

局部保留映射（locality preserving projections,LPP）选择人脸子空间特征包含非线性信息而不利于最近邻法分类．基于径向基函数（radial basis function,RBF）分类器可以将非线性可分问题转化为线性可分问题的特点,提出了利用LPP子空间和RBF网络相结合进行人脸识别的方法,LPP算法采用监督模式,RBF网络隐层中心采用正交最小二乘（orthogonal least—squares,OLS）法训练．实验结果表明,该方法在Yale—B和Yale—B Extended人脸数据库上的识别率为95．67％,在CMU—PIE人脸数据库上的识别率为98．52％,具有较好的抗噪能力,识别效果优于特征脸、Fisher脸以及拉普拉斯脸法．     

基于聚类评分的暴雨/冰雹分类模型

针对暴雨和冰雹2种强对流天气的区分问题,研究了主成分分析联合线性鉴别分析对雷达图像中提取的冰雹及暴雨特征降维和去相关的作用,设计了基于聚类评分的暴雨/冰雹分类模型,采用K均值聚类评分的办法确定具有高分类性的主成分,并以此主成分设计分类器对暴雨和冰雹进行区分.结果表明:主成分分析联合线性鉴别分析进行特征处理能够在降维的同时保留大部分分类性信息,基于聚类评分的分类模型有利于提高冰雹识别的命中率并降低其误警率,且对一般类型公共数据分类问题有效.     

Community Detection in Disease-Gene Network Based on Principal Component Analysis

The identification of communities is imperative in the understanding of network structures and functions.Using community detection algorithms in biological networks, the community structure of biological networks can be determined, which is helpful in analyzing the topological structures and predicting the behaviors of biological networks. In this paper, we analyze the diseasome network using a new method called disease-gene network detecting algorithm based on principal component analysis, which can be used to investigate the connection between nodes within the same group. Experimental results on real-world networks have demonstrated that our algorithm is more efficient in detecting community structures when compared with other well-known results.     

基于 PCA 和 ELM 的网络入侵检测技术

针对基于传统 BP(Back Propagation)神经网络算法的入侵检测技术收敛速度慢和检测率不高的问题, 提 出了一种基于主成分分析(PCA: Principal Component Analysis)和极限学习机(ELM: Extreme Learning Machine ) 算法相结合的入侵检测方法。 对提取的特征矩阵采用了 PCA 降维, 并使用 ELM 算法对 4 类常见的攻击类型进 行了多分类检测。 实验结果表明, 该方法正确率高达 98. 337 5%, 检测时间仅 1. 851 7 s, 与传统方法相比缩短 了 2 ~6 倍, 同时还提高了检测率和精度, 降低了误报率和漏报率。 最终改善了正确率、 误报率、 漏报率、 检测 率、 精度和测试时间 6 项指标。     

Comparison between PCA and KPCA methods in comprehensive evaluation of robotic kinematic dexterity

Due to the correlation and diversity of robotic kinematic dexterity indexes, the principal component analysis （PCA） and kernel principal component analysis （KPCA） based on linear dimension reduction and nonlinear dimension reduction principle could be respectively introduced into comprehensive kinematic dexterity performance evaluation of space 3R robot of different tasks. By comparing different dimension reduction effects, the KPCA method could deal more effectively with the nonlinear relationship among different single kinematic dexterity indexes, and its calculation result is more reasonable for containing more comprehensive information. KPCA＇ s calculation provides scientific basis for optimum order of robotic tasks, and furthermore a new optimization method for robotic task selection is proposed based on various performance indexes.     

基于核主成分KPCA的LS-SVM的算法分析

主成分分析（PCA）是一种重要的特征抽取方法,而核主成分分析（KPCA）是在此基础上结合核函数提出来的主成分分析法,在多维回归分析中具有重要的作用。最小二乘支持向量机（LS-SVM）是SVM的一种改进算法,将KPCA与LS-SVM结合起来建模,并试验说明较之单独用最小二乘支持向量机（LS-SVM）建模方法具有更良好的推广性。     

基于动态加权差分主成分分析的故障检测

针对工业过程中存在的动态特性和多模态特性问题,提出一种动态加权差分主成分分析法(dynamic weighted differential principal component analysis,DWDPCA)。首先通过设置合理的时间窗描述系统的时序特性;其次对时间窗内的样本寻找第一近邻和第一近邻的近邻集,使用加权差分法对数据进行处理,解决数据中心漂移问题;最后利用处理好的数据建立主成分分析(principal component analysis,PCA)模型进行故障检测。该方法可解决数据动态、中心漂移问题。使用该方法对数值例子和TE(tennessee eastman)过程进行故障检测验证所提出方法的有效性。