摘要：提出了一种基于车载相机的前向车辆检测方法。首先联合车底阴影和车辆垂直边缘产生车辆假设,针对阴影分割易受光照和路面灰度突变的影响,提出了直方图峰谷分析法(HVAM)来获得自适应阴影分割阈值;采用类haar特征来检测车辆垂直边缘,以局部区域统计学方法克服了传统边缘检测算子易受外界因素影响的缺点;然后使用基于V-HOG特征结合SVM的车辆分类器对假设区域进行验证;最后推算检测到的车辆目标航迹,建立加速度模型,对多个车辆目标进行跟踪以提高整体性能。多种交通场景试验表明:该方法能够稳定准确地检测到前方车辆,每帧平均检测时间仅需35 ms,跟踪7 ms,远远满足实时性要求。

摘要：针对实时视频中的多姿态人脸检测问题,应用扩展的类haar特征,训练能有效检测多种姿态和多种旋转角度人脸的分类器;并使用该分类器实现了一个实时视频的多姿态人脸检测系统。该系统分为训练和检测两个子系统,训练系统应用大量包含正反例子的图片进行训练,得到分类器;检测系统首先使用DirectShow从USB摄像头获取图像,然后读入分类器,对图像进行检测并显示。实验结果表明,该系统能够快速准确地在视频中检测出多种姿态的人脸,有较强的实用价值。

摘要：人脸检测是人脸识别的第一步，人脸检测的速度直接影响到人脸识别的精度和速度。Adaboost算法是一种快速人脸检测算法，其主要思想是训练若干个弱分类器，将弱分类器集成为一个低于一定错误率的强分类器。对样本图像进行haarLike特征提取，并用积分图快速计算haar_Like特征值，利用Adaboost算法实现人脸分类器，最终实现一个能快速进行人脸检测的系统。实验证明，此设计方法的精确度高。