排序方式: 共有5条查询结果,搜索用时 109 毫秒
1
1.
2.
提出一种基于高清面部图像的人脸疲劳检测方法,针对现有疲劳检测技术的不足,提出将面部彩色图像处理与纹理特征相结合的一种新型疲劳分析方法。采集不同测试者早(健康状态)、晚(疲劳状态)大量面部图像,据此建立面部图像数据库,数据库划分为P(疲劳图)、Z(正常图)、R(结果)3类。根据数据库数据颜色特征向量和纹理特征向量构建疲劳判定标准,即量化疲劳程度评价标准和分类标准。将标准与分析方法及处理算法融合,利用MATLAB设计图形用户界面,再将其编译成完全独立于MATLAB环境的可执行程序(EXE文件)。该用户界面可以方便大众及时进行疲劳检测,预防亚健康,及时提醒身体疲劳情况,并为就医提供参考依据。该系统应用于智能手机,能够大大减少就医压力,促进便携式医疗检测设备的发展,具有很好的应用前景。 相似文献
3.
面部彩色图像特征检测方法研究 总被引:1,自引:0,他引:1
传统面部图像的特征检测主要针对灰度图像和二值图像,对于彩色图像特征分类及识别的研究急需突破与发展。针对面部区域彩色图像特征,通过采集不同测试者早(健康状态)、晚(疲劳状态)的面部彩色研发图像,建立面部图像数据库,划分数据库为P(疲劳图)、Z(正常图)、R(结果)三类。根据对多个测试者早晚面部图像的HSI空间分量进行掩膜、滤波处理计算的特征值和对比统计得到的数据来测定正常与疲劳面部图像差别大小,返回正常与疲劳状态时最大特征区域和区域的颜色、色差,形成颜色特征向量。实验结果表明,亮度对于彩色图像特征检测影响很大,需要消除因为不同背景亮度对彩色图像特征检测的干扰。 相似文献
4.
5.
传统面部图像的特征检测主要针对于灰度图像和二值图像,目前国内对于面部彩色图像(尤其是高清面部彩色图像)纹理特征的研究还处于起步阶段。针对于面部区域彩色图像特征,通过采集不同测试者早(健康状态)、晚(疲劳状态)大量面部彩色图像,据此建立面部图像数据库,划分数据库为P(疲劳图)、Z(正常图)、R(结果)三类。利用共生矩阵算法求得最大特征区域的纹理特征向量,用对比统计得到的数据测定正常与疲劳面部图像特征值的差别。实验结果表明,面部彩色图像的纹理特征反映了图像本身的属性,进一步描述了图像的细节信息,具有计算量小的特点。 相似文献
1