人脸检测技术浅析

文章介绍了人脸检测技术的基本概念和静止图像中人脸检测的基本算法,并对人检测技术的发展现状进行了评述。     

利用Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

基于局部二元模式算子的人脸性别分类方法

提出了两种基于局部二元模式(Local Binary Pattern,LBP)算子的人脸性别分类方法:级联LBP方法和boosting LBP方法.前一种方法遵循从局部到整体的级联策略,使用LBP算子对由小波分解得到的细节图像进行特征提取,以达到扩充特征提取范围和增强所提取特征的有效性的目的,随后采用自适应加权机制对人脸图像的各个分块赋以不同的权值.后一种方法采用可变尺寸的子窗口对人脸图像进行扫描,在扫描所得的每个子窗口中,使用LBP算子对该子窗口提取LBP直方图.计算样本图像的LBP直方图和模板的LBP直方图之间的度量,并由此构建弱分类器集.利用Adaboost算法选取最有效的若干个弱分类器集组合成为强分类器.进行了三个基于LBP算子的人脸性别分类实验,实验所使用的训练集和测试集皆选自FERET人脸数据库.实验结果证明:LBP算子能有效地从人脸图像中提取出针对人脸性别分类的特征,并可以达到人脸性别分类的目的.所提出的两种基于LBP算子的方法可以有效的解决传统LBP方法所存在的特征提取范围有限、加权机制客观性不足等问题.     

基于肤色的人脸检测算法研究

提出一种基于RGB、HSI空间和KL变换的人脸区域检测算法，根据待检测图像上每点的颜色值来判断它属于人体区域还是背景区域，从而检测出人脸所在的位置。实验表明，该种方法避免了在RGB、HSI和KL三个独立空间分别进行人脸检测所出现的人脸误码测问题，通过大量的实验和检测，将三种方法有机的结合起来，较好地区分人脸区域和背景区域，具有很好的鲁棒性。     

基于MC算法的螺旋CT扫描数据的三维重建

在Marching Cubes(MC)算法的基础上，针对螺旋CT扫描数据的特点，提出一种改进的三维表面的快速绘制方法。通过使用体元描述表，并且对体元数据进行二值化处理，简化了数据，在绘制过程中，根据形体拓扑结构，优化了体元内部的等值面形成算法，提高了三维重建的速度和质量。     

一种新的物体连续切片图象的截面三维重建

描述了一种新的截面三维重建方法,它是在截面重建法的基础上,引入仿射变换作为旋转、投影变换,利用线性插值消隐填充算法,生成物体的可视侧面,直接利用重建图象的深度信息计算可视侧面的灰度,在显示平面获得物体可视侧面的三维结构及形状信息.并可通过旋转投影变换获得物体任一可视侧面的重建显示图象.     

运用竞争反样本的人脸认证算法

为了在认证中增强类间可鉴别性,通过引入竞争反样本,提出一种新的人脸认证算法.算法中,测试人脸不仅与所声明客户人脸进行匹配比对,同时也与各竞争反样本逐一计算匹配分值.所有分值综合起来,形成最终认证决策.设计最近邻反样本决策、全体反样本决策、最近邻域反样本决策等3种方案,并结合开集模式的人脸认证领域分别在多个人脸库、不同特征和不同分类器上进行实验和比较.在该文的测试中,新算法的3种方案与原有基于相似度的认证算法相比,错误率依次平均降低25.13%、30.24%、30.97%.     

鉴别局部特征分析及其在人脸识别中的应用

由于传统的鉴别主分量分析(DKL)算法中,主分量分析(PCA)基于全局特征,难以提取人脸的局部特性,该文提出鉴别局部特征分析算法.该算法中,局部特征分析(LFA)代替PCA作为线性鉴别分析(LDA)的前端.一方面,LFA在保留大部分全局信息的同时提取局部特征.另一方面,它为信号提供一种有效的低维表示,增强LDA在小样本问题中的数值稳定和推广性能.文中结合开集模式的人脸认证领域,在PoliceFace、OCRLab人脸库和它们的组合库上对新算法和DKL算法进行实验比较.实验表明,通过结合LFA和LDA,新算法明显降低认证错误率在PoliceFace库上,等错误点错误率降低43.10%;在OCRLab库上错误率降低25.87%;在组合库上错误率降低33.16%.     

驾驶困倦预警系统中眼部状态识别的研究

为判断驾驶员是否处于疲劳驾驶状态,通过对人脸正面图像中的眼部状态的研究,提出了一种判断算法.首先基于灰度投影曲线和人脸几何特点提取驾驶员的眼部区域,然后利用事先提取的驾驶员睁眼时的瞳孔区域模板在该区域进行匹配,通过匹配初步判断出驾驶员是否属于疲劳驾驶.实验结果表明,该算法简单高效,在满足一定外部条件下,误判率较低.     

基于视频图像的人脸定位方法

给出了一种视频图像中的人脸定位方法,该方法首先通过一种平均帧差的方法检测人体运动区域;然后根据人脸分布的特点,采用水平投影的方法在运动区域里分离人脸和身体;最后根据人脸器官的分布规律,利用k-means的聚类算法对人眼进行定位.实验表明,该方法简单、高效,而且不依赖于人脸肤色,在一定范围内能很好地适应光照变化,能满足实时系统的要求.