摘要：haar-like特征主要用于人脸等目标识别领域,然而因行人流动方向不确定,监控视频拍摄到的行人有正面、侧面和背面三种情况,因此文中提出一种根据三种特征设计的多分类器集成算法。在训练其中一面样本分类器时,将另外两面样本和背景图像作为负样本,从而得到三个分类器,分别检测识别后再筛选统计目标。实验证明该算法具有良好的检测识别效果。

摘要：针对聚合通道特征(ACF)在人体检测中对人体轮廓特征描述不够充分的问题,提出基于先验知识的haar-like特征来增强检测器对人体轮廓特征的描述能力。设计了一组haar-like特征,利用了人体上半身轮廓特点的先验知识,将头部、上半身以及背景视为3个不同的部分。实验结果表明:相比于ACF等算法,所提方法能够提高检测器检测精度,在INRIA数据集上召回率为94. 57%。

摘要：为解决高铁建设大型装备作业时因为视觉盲区大而产生的人员安全问题,以高铁建设装备运行的典型场所,各工况下不同作业人员典型姿态图像为样本,采用haar-like特征与Adaboost算法结合的训练方法,构建人员图像识别分类器,为提高分类器的准确性,在训练方法加入正样本自更新的方法以作改进。利用OpenCV分类器训练框架和Python语言,构建了高铁建设装备作业区域内人员的防入侵在线检测系统。试验和现场的运行验证了正样本自更新方法的可行性及系统的可靠性。

摘要：热成像适合低照度行人检测,车载热成像背景灰度分布变化大,行人目标易与背景干扰物混淆,捕捉远距离行人困难,以双阈值分割方法提取RoI(region of interest)很难满足系统召回率和虚警率要求.针对车载热成像行人检测,提出新的RoI提取方法,包括图像预处理、RoI提取和后处理.设计膨胀最大值滤波器进行图像增强;利用haar-like特征来改进自适应双阈值分割法进行RoI提取,设计增量计算模型以提高计算效率;设计目标时序特性和空间对称性过滤器来排除虚假RoI.与基准方法相比,当虚警率不高于40时,本文方法提高召回率49%,且RoI提取速率不低于18帧/s.

摘要：图像特征提取对于图像处理有着十分重要的地位,其对图像分类等方面也有着重要的作用。本文了解图像特征提取的相关内涵,并研究了其典型算子,就LBP特征、haar-like特征和HOG特征进行了学习和阐述,为后期算法设计和实现学习做准备。

摘要：肤色过滤不良图像的方法对于皮肤裸露较多但不含关键部位或类肤色区域较多的图像容易产生误检,为此设计了一种基于人体关键部位的不良图像过滤系统.首先提取人体关键部位灰度分布的haar-like特征,采用Adaboost学习算法训练得到人体关键部位分类器;然后通过此分类器得到人体关键部位候选区域,提取其梯度直方图特征、基于灰度共生矩阵的纹理特征和基于颜色矩的颜色特征,使用支持向量机(support vector machine,SVM)进行训练;最后将训练得到的SVM分类器二次过滤人体关键部位,以提高系统整体的精度.实验结果表明,该系统能准确地检测出人体关键部位,有效地降低不良图像的误检率.

摘要：进行人脸跟踪时,人脸出现快速移动、姿态大幅偏转及被遮挡的情况会导致人脸跟踪失败。针对以上问题,结合haar-like特征与Adaboost算法对正面人脸进行跟踪,当人脸姿态出现大幅度偏转或被遮挡时,使用人脸肤色的直方图特征与Camshift算法对人脸进行跟踪。为提高人脸跟踪算法的运行效率,使用强跟踪Kalman滤波算法对人脸在下一帧图像中可能出现的位置进行预测,缩小人脸检测的搜索区域,提高人脸跟踪算法的实时性。实验验证了该算法在视频人脸跟踪方面具有较好的鲁棒性和实时性。

摘要：提出一种基于计算机视觉的驾驶员疲劳状态检测方法,依据驾驶员双眼状态来辨别驾驶员是否疲劳。采用一种时空约束的Adaboost方法,快速检测驾驶员视频中的面部区域;在先验知识确定的可能眼睛区域,采用haar-like特征和Adaboost分类器快速定位双眼区域;采用卷积神经网络的LeNet5网络架构,训练眼睛状态分类器和检测双眼状态,依据双眼是否闭合的特性判别驾驶员是否疲劳。实验结果表明,该方法能够可靠检测驾驶员的疲劳状态,检测效率高。

摘要：针对交通标志中禁令标志和指示标志的检测和分类难题,提出一种基于Twin-SVM和Twin-KSVC的交通标志检测与分类方法。对交通标志图像的红色、蓝色和亮度3个通道进行光照归一化处理;在这3个通道上提取haar-like特征,构建特征向量;采用Twin-SVM方法进行交通标志检测过程的特征训练与验证,采用Twin-KSVC方法进行交通标志分类过程的特征训练与验证。实验采用实测数据对算法进行测试与评价,实验结果表明,该方法可以有效地检测和识别常见的20类禁令和指示交通标志。

摘要：本文研究一种多角度人脸检测与识别方法,采用一种改进的haar-like特征,调用OpenCV计算机视觉库实现人脸的多角度检测和人脸图像的存储。通过分析PCA和2DLDA的相关理论,结合两者优势设计并实现一种多角度人脸识别方法,提出了一种解决人脸角度因素对人脸识别系统影响的方法。