电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

人耳检测和识别算法综述

人耳检测和识别算法综述_第1页
1/9
人耳检测和识别算法综述_第2页
2/9
人耳检测和识别算法综述_第3页
3/9
关于人耳检测的文献 1 基于AdaBoost的侧面人脸、人耳检测 现今,人脸检测技术的局限性主要存在于侧面人脸检测这方面,本文主要利用人脸人耳的位置关系,用 AdaBoost方法进行分别检测,最后人脸检测与人耳检测融合在一起,以提高人脸检测效率。 2 综合肤色模型和多模板匹配增强 Adaboost人耳检测 为克服传统的Adaboost算法出现的样本训练时间过长、过于依赖样本质量等问题,在训练不足及初始人耳定位不好的情况下,引入 YCbCr肤色模型和多模板匹配技术策略对人耳进行精确定位。实验表明,改进后的人耳检测性能得到较大的提高,对动、静态人耳均能达到准确定位和检测的效果,算法的鲁棒性较好。 3 基于肤色模型的人耳检测系统 人耳检测是人耳识别以及基于内容的图像和视频检索的一项重要任务。本文提出了一种将背景差分和肤色模型相结合的人耳检测算法。算法首先在序列图像中自动提取运动目标并进行人体检测,然后经过肤色分割进行人耳的粗定位,产生人耳候选区域。最后利用人耳检测模块判断候选区域中是否含有人耳,以及获得它们的位置、大小等信息。实验结果表明,该算法是有效的。 4 一种基于改进 GVF Snake的自动人耳检测方法 近几年对人耳这种生物特征的研究大都只能依靠手工定位和分割人耳,这大大减缓人耳识别技术的实用化进程.文中提出一种人耳自动检测方法.该方法首先利用 YCbCr肤色模型和 Gentle AdaBoost级联分类器检测出人耳块,然后运用改进的GVF Snake方法提取外耳轮廓.该方法通过构造耳形图,提取非常接近于人耳实际边缘的初始轮廓线,不但节省迭代时间,还提高 GVF Snake提取人耳边缘的准确率,在 USTB人耳库上获得约 97.3%的正确检测率.实验结果表明,该方法具有较好的检测效果和鲁棒性. 5 一种内外轮廓加权的人耳检测算法 为了提高人耳检测中图像匹配的精确性,提出对内外耳轮廓加权,并利用Hausdorff距离进行人耳检测的算法。在传统的Hausdorff距离匹配中,图像如果受噪声干扰或边缘不连续等情况,检测结果不理想。因此为使检测位置更加接近外耳轮廓,需要强调外耳轮廓的作用,这通过对外耳加大权值、对内耳加小权值实现,然后再结合加权 Hausdorff距离进行图像匹配计算。仿真实验表明,提出的算法是有效的。相比传统 Hausdorff距离和平均 Hausdorff距离的匹配,人耳轮廓加权的算法更加精确。 6 基于梯度的ROI提取及人耳检测 利用人耳区域内梯度幅值较大这一特点,提出基于区域梯度的感兴趣区域(ROI)提取方法,进而利用支持向量...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

人耳检测和识别算法综述

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部