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。     

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.     

认不出自己的脸盲症

海德·赛勒患有面孔遗忘症,也就是大众所熟知的"脸盲症"。她说道:"我记不住人脸,对我而言,任何人的脸都只是一张面孔,没有特别之处。我无法像处理车的外观和宠物的样子一般,区分人脸的信息。这不是视力问题,而是认知问题。很多情况下,这种病症可以算是隐性的。因为大脑很容易找到许多其他因素来辨认一个人:头发的颜色、走路的姿态或是某件衣     

人脸三维建模方法综述

由于人脸的复杂性、易变性，建立逼真的三维人脸模型成为众多研究者挑战的课题。本文对近年来三维人脸建模的基本方法进行了概要的总结，并重点介绍了算法的基本思路。     

复杂场景下实时人脸口罩检测研究

针对AIZOO开源人脸口罩检测算法FaceMaskDetection存在较严重的人脸口罩分类精度低的缺陷,本文设计了高精度轻量级人脸口罩分类模型，提出快速特征提取模块FastBlock和基于多层级特征融合的轻量级人脸口罩分类网络（Light MaskNet）。FastBlock减少深度可分离（depthwise, DW）卷积和1×1卷积中间张量的通道数量，进一步降低计算成本，从而提高了特征提取速度。不同层级之间的特征融合可以增大模型的广度，提高模型的鲁棒性。实验结果表明，该人脸口罩分类模型精度可达98.852%，中央处理器(central processing unit, CPU)推理时间仅为9.8 ms，图形处理器(graphics processing unit, GPU)可实现亚毫秒级运算，仅牺牲少量计算资源就能弥补FaceMaskDetection精度低的缺陷，可很好地满足计算资源有限的边缘设备、移动端等的应用需求。     

基于二阶LBP的人脸识别研究

文章将局部二值模式(LBP)引入到图像预处理中,以期利用LBP的性质,克服光照变化对人脸识别的影响.为进一步利用LBP模型的性质,提出一种称之为二阶LBP的新型算子并应用于人脸识别.实验结果表明,二阶LBP模型在克服光照变化上性能优于LBP模型.