基于深度信息的弱光条件下人脸检测
CSTR:
作者:
作者单位:

1. 广东警官学院刑事技术系,广州510320;
2. 华南理工大学a. 自动化科学与工程学院, b. 精密电子制造装备教育部工程研究中心,c. 机械与汽车工程学院,广州510640.

作者简介:

廖广军

通讯作者:

中图分类号:

TP391

基金项目:

国家自然科学基金项目(61203060);公安部应用创新课题项目(2012YYCXGDST081);广东省战略新兴产业项目(2010A081002007);中央高校基本科研业务费专项资金项目(2013ZM0098, 2013ZG010);广东省省部产学研合作专项资金项目.


Human face detection under weak light based on depth information
Author:
Affiliation:

1. Faculty of Forensic Science and Technology,Guangdong Police College,Guangzhou 510320,China;
2a. School of Automation Science and Engineering,2b. Engineering Research Center for Precision Electronic Manufacturing Equipments of the Ministry of Education,2c. School of Mechanical and Automotive Engineering,South China University of Technology,Guangzhou 510640,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了解决弱光环境下人脸检测问题, 研究基于深度信息的人脸快速定位方法. 首先, 使用2D Chamfer Match 方法实现人脸的快速预定位, 并对定位人脸进行区域增长和增强运算; 然后, 使用AdaBoost 算法结合扩展的Harr 特征训练出弱光条件下人脸检测的强分类器, 以实现准确的人脸定位. 实验表明, 在弱光条件下, 基于深度信息实现人脸定位和过滤, 可以减小搜索范围, 加快检测速度, 具有较强的鲁棒性和时效性.

    Abstract:

    :In order to solve the problem of human face detection under weak light, a quick locating method based on the depth information by Kinect device is proposed. Firstly, 2D Chamfer Match method is used to rapidly preliminary locate the human face, and region-growing algorithm is applied on the preliminary locating face. Then, combined with extended Harr features, the AdaBoost algorithm is used to train the strong classifier under weak light, which realizes the precise face detection. The experiments show that rationally utilizing the depth information to detect the human face under the normal light can reduce the scope of the search window, which accelerates the detection speed, and the proposed method has strong robustness and timeliness.

    参考文献
    相似文献
    引证文献
引用本文

廖广军 李致富 刘屿 胡跃明.基于深度信息的弱光条件下人脸检测[J].控制与决策,2014,29(10):1866-1870

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2013-06-19
  • 最后修改日期:2013-09-19
  • 录用日期:
  • 在线发布日期: 2014-10-20
  • 出版日期:
文章二维码