-
公开(公告)号：CN101344922B
公开(公告)日：2011-11-02
申请号：CN200810198047.8
申请日：2008-08-27
IPC: G06K9/00
Abstract: 本发明实施例公开了一种人脸检测方法，包括：基于灰度统计模型对视频当前帧中的人脸进行检测，获得候选人脸区域；基于单通道肤色模型对所述候选人脸区域进行肤色过滤，获得人脸检测结果。同时，本发明实施例还公开了一种人脸检测装置。采用上述技术方案，由于人脸的灰度结构本身存在与其它事物相区分的特殊性，利用灰度信息进行人脸检测较为可靠；采用基于单通道肤色模型对候选人脸区域进行肤色过滤，去掉非肤色区域的假正样本，可排除大部分假正人脸。
-
公开(公告)号：CN101425138B
公开(公告)日：2011-05-18
申请号：CN200810226629.2
申请日：2008-11-18
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于人脸超分辨率处理的人脸老化模拟方法，该方法包括：归一化处理人脸图像；训练各年龄段超分辨率方法；降低输入图像分辨率；进行指定年龄段的人脸超分辨率处理，即利用训练好的人脸超分辨率方法，将指定年龄的脸部纹理信息填补进低分辨率输入人脸图像，从而得到人脸老化模拟图像。可以使用的人脸超分辨率方法是基于学习的人脸超分辨率方法，本发明采用本征转换Eigentransformation。本发明可以应用各种基于学习的人脸超分辨方法；本发明利用基于学习的人脸超分辨，可以真实可信的进行人脸老化模拟；且本发明仅考虑人脸纹理变化，计算速度快。
-
公开(公告)号：CN101464950B
公开(公告)日：2011-05-04
申请号：CN200910077122.X
申请日：2009-01-16
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于在线学习和贝叶斯推理的视频人脸识别与检索方法，包括以下步骤：步骤一：建立人脸识别模型的初始化模型。人脸识别初始模型采用GMM人脸识别模型。步骤二：建立人脸类别模型。使用增量学习的方式对初始化的人脸模型进行模型更新。步骤三：进行视频人脸的识别与检索。给定测试序列和类别模型，利用贝叶斯推理过程累积视频中的序列识别信息，按照时间轴信息传播身份概率密度函数，并基于MAP规则得到识别分数，并给用户提供视频人脸识别结果。本发明建立了一个完全基于非监督学习的模型训练框架，根据训练序列的空间分布，初始模型进化为形式不同的类别模型，通过调节人脸类别模型的高斯混和数以更好地拟合空间数据的分布。
-
公开(公告)号：CN101464950A
公开(公告)日：2009-06-24
申请号：CN200910077122.X
申请日：2009-01-16
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于在线学习和贝叶斯推理的视频人脸识别与检索方法，包括以下步骤：步骤一：建立人脸识别模型的初始化模型。人脸识别初始模型采用GMM人脸识别模型。步骤二：建立人脸类别模型。使用增量学习的方式对初始化的人脸模型进行模型更新。步骤三：进行视频人脸的识别与检索。给定测试序列和类别模型，利用贝叶斯推理过程累积视频中的序列识别信息，按照时间轴信息传播身份概率密度函数，并基于MAP规则得到识别分数，并给用户提供视频人脸识别结果。本发明建立了一个完全基于非监督学习的模型训练框架，根据训练序列的空间分布，初始模型进化为形式不同的类别模型，通过调节人脸类别模型的高斯混和数以更好地拟合空间数据的分布。
-
-
-
Search Results
184
records
(took 0.048 seconds)
