针对目前视线定位方法在驾驶员头部姿态和光照变化时,易出现定位精度低的问题,提出了一种残差网络辅助的驾驶员视线定位方法。首先在基础的残差网络模型上,改进残差网络结构来控制参数数量,采用激活函数FReLU代替ReLU,解决负值消失的问题;其次构建数据集,预训练检测模型,利用模型对驾驶员进行人脸检测,在人脸检测基础上使用dlib库提取面部特征点并计算头部姿态;最后根据头部姿态和虹膜中心位置信息融合确定视线方向。实验结果表明该方法降低了头部运动姿态和光照变化对视线定位精度的影响,能够实现头部活动范围直径在22cm内的视线定位,视线定位误差为0.7°。

针对传统的AdaBoost人脸检测算法需要对整张图像进行穷举,时间成本比较高,文中采用Kinect v2传感器获得的深度信息对人脸进行初定位,将人脸区域从背景中分割出来,再利用AdaBoost人脸检测算法对人脸进行检测。经实验验证该人脸检测算法能有效提高人脸检出率,缩短人脸检测时间。

文章设计了一种新型的数码相机自拍系统。该系统在现有数码相机的基础上，利用二自由度云台，在以人为基准的自拍模式中，采用人脸检测技术，实现数码相机的自拍。文章着重介绍了该系统的工作原理、人脸的检测方法及基于DSP的云台软硬件控制系统。实验表明，该系统能有效解决自拍时拍摄视角无法自动调整的问题，从而满足摄影者的要求，有比较广阔的应用前景和实用价值。

提出了一种在人脸检测的基础上自动消除数码照片中红眼的方法。该方法前先在类哈尔特征的基础上，运用AdaBoost学习算法的目标检测办法得到照片中的人脸区域。然后根据人脸区域红色度分布，将检测到的区域分为典型红眼和弱红眼两种不同的类型进行红眼区域的检测。最后在找到的红眼区域进行色彩的修正和边界的平滑，使修正后的照片恢复正常的色彩。实验结果表明，该方法能有效地消除数码照片中的红眼现象，并且具有较好的鲁棒性和快速性，适合于嵌入式应用。

针对人脸检测的特点,深入分析了基于Haar-Like小波特征和AdaBoost算法构造强分类器的人脸检测算法,并将此算法应用于ORL人脸库。在VisualC＋＋6.0平台下,首先利用AdaBoost算法训练得到用于人脸检测的强分类器,然后利用该分类器进行人脸检测。实验表明,提出的算法在保证检测精度的同时,极大的提高了人脸检测速度,且受光照变化影响小。

文章提出了一种在实时视频图像国快速检测人脸并检测司机工作状态的的方案。利用VC设计了软件其实现。对摄像机采集的日间图像，先进行光线补偿和中值滤波，然后采用肤色检测定位人脸，最后运用双眼模板判断司机的工作状态；对于夜间图像，采用差分方法进行处理。实验证明该方法快速，准确率高，有效适用于实际工作环境。