人脸检测和定位是在图像中进行人脸检测,以及确定图像中人脸的位置、大小、个数等信息,最初作为自动人脸识别系统的定位环节被提出,近年来由于其在安全访问、智能监测、虚拟现实、基于内容的检索和新一代人机界面等领域的应用需求,作为一个独立的课题也备受研究者的重视。 论文针对人脸检测定位和识别技术在智能视频监控系统的特殊应用,进行人脸检测和定位算法研究,并将这些算法通过DSP进行实现。论文工作如下： 1.本文针对人脸检测和定位问题,提出了基于YUV色彩空间的肤色检测的改进算法,通过在YUV空间对人脸肤色的聚类分析,建立了YUV肤色模型。仿真结果表明,该模型可以有效地检测到图像中的肤色区域,为人脸的粗定位奠定了基础。 2.针对图像中肤色不一定是人脸的问题,在人脸检测时,利用肤色确定候选区域,再利用一些规则对人脸候选区域进行判别或合并。针对图像只中存在一个人脸的情况,采用改进的坐标轴投影方法进行单个人脸的检测定位；针对图像中存在多个人脸的情况,利用改进的区域标定算法进行多个人脸的检测定位,使得算法能够完成单人脸检测和多人脸的检测定位,仿真结果表明了算法的有效性。 3.论文提出了通过DSP图像处理系统实现以上算法的过程,首先在MATLAB环境研究算法,然后进行算法的DSP移植,采用了有利于DSP处理的图像存储格式和算法结构,改善了算法的实时性。实际测试结果表明了算法在DSP上实现的正确性和可行性。 基于DSP的人脸检测和定位算法的实现,对监控系统的智能化发展具有重要的实际意义。
上传时间： 2013-05-22
上传用户：sunzhp
人脸识别技术继指纹识别、虹膜识别以及声音识别等生物识别技术之后，以其独特的方便、经济及准确性而越来越受到世人的瞩目。作为人脸识别系统的重要环节—人脸检测，随着研究的深入和应用的扩大，在视频会议、图像检索、出入口控制以及智能人机交互等领域有着重要的应用前景，发展速度异常迅猛。 FPGA的制造技术不断发展，它的功能、应用和可靠性逐渐增加，在各个行业也显现出自身的优势。FPGA允许用户根据自己的需要来建立自己的模块，为用户的升级和改进留下广阔的空间。并且速度更高，密度也更大，其设计方法的灵活性降低了整个系统的开发成本，FPGA 设计成为电子自动化设计行业不可缺少的方法。 本文从人脸检测算法入手，总结基于FPGA上的嵌入式系统设计方法，使用IBM的Coreconnect挂接自定义模块技术。经过训练分类器、定点化、以及硬件加速等方法后，能够使人脸检测系统在基于Xilinx的Virtex II Pro开发板上平台上，达到实时的检测效果。本文工作和成果可以具体描述如下： 1. 算法分析：对于人脸检测算法，首先确保的是检测率的准确性程度。本文所采用的是基于Paul Viola和Michael J.Jones提出的一种基于Adaboost算法的人脸检测方法。算法中较多的是积分图的特征值计算，这便于进一步的硬件设计。同时对检测算法进行耗时分析确定运行速度的瓶颈。 2. 软硬件功能划分：这一步考虑市场可以提供的资源状况，又要考虑系统成本、开发时间等诸多因素。Xilinx公司提供的Virtex II Pro开发板，在上面有可以供利用的Power PC处理器、可扩展的存储器、I/O接口、总线及数据通道等，通过分析可以对算法进行细致的划分，实现需要加速的模块。 3. 定点化：在Adaboost算法中，需要进行大量的浮点计算。这里采用的方法是直接对数据位进行操作它提取指数和尾数，然后对尾数执行移位操作。 4. 改进检测用的级联分类器的训练，提出可以迅速提高分类能力、特征数量大大减小的一种训练方法。 5. 最后对系统的整体进行了验证。实验表明，在视频输入输出接入的同时，人脸检测能够达到17fps的检测速度，并且获得了很好的检测率以及较低的误检率。
上传时间： 2013-07-01
上传用户：84425894
人脸识别技术继指纹识别、虹膜识别以及声音识别等生物识别技术之后，以其独特的方便、经济及准确性而越来越受到世人的瞩目。作为人脸识别系统的重要环节—人脸检测，随着研究的深入和应用的扩大，在视频会议、图像检索、出入口控制以及智能人机交互等领域有着重要的应用前景，发展速度异常迅猛。 FPGA的制造技术不断发展，它的功能、应用和可靠性逐渐增加，在各个行业也显现出自身的优势。FPGA允许用户根据自己的需要来建立自己的模块，为用户的升级和改进留下广阔的空间。并且速度更高，密度也更大，其设计方法的灵活性降低了整个系统的开发成本，FPGA 设计成为电子自动化设计行业不可缺少的方法。 本文从人脸检测算法入手，总结基于FPGA上的嵌入式系统设计方法，使用IBM的Coreconnect挂接自定义模块技术。经过训练分类器、定点化、以及硬件加速等方法后，能够使人脸检测系统在基于Xilinx的Virtex II Pro开发板上平台上，达到实时的检测效果。本文工作和成果可以具体描述如下： 1. 算法分析：对于人脸检测算法，首先确保的是检测率的准确性程度。本文所采用的是基于Paul Viola和Michael J.Jones提出的一种基于Adaboost算法的人脸检测方法。算法中较多的是积分图的特征值计算，这便于进一步的硬件设计。同时对检测算法进行耗时分析确定运行速度的瓶颈。 2. 软硬件功能划分：这一步考虑市场可以提供的资源状况，又要考虑系统成本、开发时间等诸多因素。Xilinx公司提供的Virtex II Pro开发板，在上面有可以供利用的Power PC处理器、可扩展的存储器、I/O接口、总线及数据通道等，通过分析可以对算法进行细致的划分，实现需要加速的模块。 3. 定点化：在Adaboost算法中，需要进行大量的浮点计算。这里采用的方法是直接对数据位进行操作它提取指数和尾数，然后对尾数执行移位操作。 4. 改进检测用的级联分类器的训练，提出可以迅速提高分类能力、特征数量大大减小的一种训练方法。 5. 最后对系统的整体进行了验证。实验表明，在视频输入输出接入的同时，人脸检测能够达到17fps的检测速度，并且获得了很好的检测率以及较低的误检率。
上传时间： 2013-04-24
上传用户：大融融rr
·基于OpenCV的人脸检测算法研究
上传时间： 2013-05-29
上传用户：qw12
·人脸检测示例程序(需要OpenCV.Net)
上传时间： 2013-07-22
上传用户：jcljkh
·摘要： 为解决人脸检测实时性问题,提出了基于DSP实现人脸检测算法.改进了AdaBoost人脸检测算法,在层次型AdaBoost检测算法的基础上,改进了特征定义方式,提出模糊层次型人脸检测器结构.介绍了TI公司的DSP芯片及其外围电路,描述了系统中各个模块的工作流程.最后,阐述了利用CCS对DSP程序进行优化.实验结果表明,在输入图像大小为256×256像素的条件下,检测速度达到每秒2
上传时间： 2013-04-24
上传用户：qqiang2006
·基于肤色分割的复杂背景图像的人脸检测
上传时间： 2013-04-24
上传用户：时代将军
针对解决OpenCV人脸检测模块在Android平台编译和移植的问题，提出一种利用JNI技术（Java Native Interface）调用OpenCV以及采用Android NDK（Native Development Kit）生成共享库的目标检测方法。文中从分析利用Android NDK编译Android平台所需要的OpenCV静态库的问题入手，详细阐述了利用JNI调用OpenCV相关函数的具体步骤。经过多次试验，证明该人脸检测模块的平均检测时间为1 280 ms，具有较高的检测速度和检测精度。
上传时间： 2013-12-10
上传用户：15736969615
EVP-6100演示视频 人脸检测系统 视频教程
上传时间： 2013-11-12
上传用户：gps6888
人脸检测系统
标签： 人脸检测
上传时间： 2015-01-07
上传用户：宋桃子
