基于混合肤色模型的快速人脸检测算法

提出了一种基于混合肤色模型的复杂背景彩色图像的快速人脸检测算法.为了克服环境光照变化及光照不均的影响,引入了自适应光线补偿算法;在RGB颜色空间中运用多项式模型对光线补偿后的彩色图像进行肤色区域粗检测;采用RGB颜色空间中的多项式模型和颜色空间中的高斯模型相结合,对先前所提取的肤色区域做进一步精确的肤色区域提取;最后,对二值图像的连通区域进行预处理,输出人脸区域.实验结果表明,该算法能快速有效地从复杂背景的彩色图像中检测出人脸,对光照变化具有较好的鲁棒性.     

基于新颜色空间YCgCr的复杂背景图像下的肤色区域检测

肤色信息在基于彩色图像的手势识别、人脸检测与跟踪和基于内容的不良图像过滤等应用中,起着非常重要的作用.为了有效地检测图像中的肤色区域,采用了类似于YCbCr颜色空间的新颜色空间YCgCr.为了说明YCgCr颜色空间的优越性,给出了该颜色空间与YCbCr颜色空间和Karhunen-Loeve （K-L）变换颜色空间中多样实验操作的比较.实验结果表明,用同样肤色样本得到的肤色阈值对相同的测试图像集进行肤色检测时,YCgCr颜色空间具有很好的肤色区域检测效果,漏检率和误检率均低于其它两个颜色空间的漏检率和误检率,并且对于不同的光照条件有较好的鲁棒性.     

基于新颜色空间YCgCr的人脸区域初定位

在RGB颜色空间采用了颜色平衡方法对发生色彩偏移的输入图像进行颜色校正；在新颜色空间YCgCr上建立了亮度和Cg-Cr色度查找表联合的肤色模型，对肤色区域进行检测；引入了有效的预处理技术，进一步去除肤色分割后的二值图像中的部分非人脸区域，减少人脸定位的搜索区域。最后在两个图像测试集上进行了实验比较，实验结果表明，该肤色模型可以有效地从复杂背景的彩色图像中检测出肤色区域，光照条件适应性好，且引入的预处理技术在保证漏检率低的前提下，能够去除大部分非人脸区域。     

基于YCgCr颜色空间的肤色检测方法

提出了一种可变光照条件下的肤色检测算法.该方法分析了YCgCr颜色空间特征,使用贝叶斯规则来建立肤色分类器,在Y-Cg和Y-Cr两个子空间联合建立完整的肤色模型,分析比较了在相同方法下YCbCr和YCgCr颜色空间的优越性.实验结果表明,YCgCr颜色空间上得到的误检率和漏检率均低于YCbCr颜色空间,该算法可适用于较广范围的光照条件,可以有效地从复杂背景的彩色图像中检测出肤色区域.     

基于YCgCb颜色空间的高斯肤色模型的人脸检测

人脸检测是模式识别与计算机视觉领域内一个重要的研究热点。人脸是一个常见而复杂的视觉模式,易受干扰。目前常见的人脸检测算法一般具有计算量大、运行速度慢、误检率高等弱点。基于一种新的颜色空间YCgCb的高斯肤色模型,利用颜色信息把彩色图像分割为肤色区域和非肤色区域,并对肤色区域进行去噪处理,实现脸部区域的具体定位,最后标记出来。实验表明该肤色模型可以有效地检测出人脸,误检率低。     

人脸彩色图像光照校正方法研究

对人脸彩色图像的高光和阴影部分进行研究.对于高光区域,利用人脸肤色与像素空间分布特征进行检测,根据在rgb空间中各分量颜色偏移率实现高光区域自动校正,通过边缘拟合方法校正超出显示范围的图像.对于阴影区域,采用Retinex方法进行光照增强.实验结果表明,该方法处理速度快,且能提高图像对比度.     

利用多颜色信息融合的自适应肤色建模

客观世界中存在不同的光照、肤色和人种等因素,通常情况下难以建立一个通用的肤色模型进行各种裸露皮肤的检测。研究了一种自适应肤色建模方法,即利用AdaBoost算法检测人脸,通过这些人脸区域进行肤色建模。为了取得较好的肤色建模效果,适当缩小了由AdaBoost算法检测到的人脸区域;利用多颜色空间信息融合技术,即通过选取多个颜色空间的若干颜色分量,计算待检测图像中这些分量的各自SPM（肤色概率图）,经过“与”运算融合获得最终检测的肤色区域。该算法不需要考虑光照、肤色和人种等因素,是一种自适应的建模过程。实验表明,该算法可以有效解决绝大多数情况下的彩色图像肤色检测问题。     

基于边缘跟踪方法的肤色区域检测

常用的肤色模型只针对肤色的颜色信息,在较复杂的光照情况下检测效果不理想。为此,结合肤色在HSV颜色空间的分布特点以及肤色区域的边缘信息,提出一种应用于肤色区域检测的边缘跟踪方法。实验结果表明,该方法能准确检测图像中的肤色区域,检测结果优于传统的肤色模型,且对侧光、阴影等具有较好的鲁棒性。     

基于改进YCbCr空间的肤色检测模式分析

研究了人脸检测中的肤色检测问题,针对广泛使用的YCbCr 颜色空间存在受色差以背景干扰影响检测率的缺点,为提高人脸肤色的检测率和检测速度,提出了结合人脸肤色在RGB三个维度上的分配比例而对传统的YCbCr 空间分量进行改进的方法,得出YCrCg平面,提取肤色分量,进而引入高斯密度函数估计和直方图统计的方法构建肤色模型,使肤色区域从非肤色区域当中准确地分离出来.在确定人脸区域范围之后,从该图像区域中提取出唇色信息,考虑到人脸的旋转角度,得到检测之后的人脸图像区域.通过自建式网络人脸肤色图库进行仿真,结果证明改进的肤色检测模式取得到较好的效果.     

一种基于H-CrCb颜色空间的肤色检测算法研究

针对不同人种和光线变化对肤色像素在颜色空间上分布的影响,提出一种基于H-CrCb颜色空间的肤色检测模型。该模型综合了肤色像素在YCrCb和HSV颜色空间上的分布特征,结合强光下使用"灰度世界假设"彩色均衡法进行光照补偿辨别肤色与非肤色像素点。实验表明,该方法能有效检测人体肤色,提高肤色检测的准确率。     

自适应模型和固定模型结合的肤色分割算法

由于受环境、光照、人种等因素影响,不同图像中的肤色分布并不一样。在复杂背景情况下,采用固定的阈值边界模型进行肤色分割将导致较大的漏检或误检。基于YCbCr颜色空间,在固定阈值边界模型分割的基础上,运用简化的期望最大化(EM)算法计算出针对特定图像的自适应肤色高斯模型;然后综合考虑固定阈值边界模型以及自适应肤色高斯模型在不同颜色区域上划分的准确性,给出最终的肤色分割结果。实验结果表明,该方法相比固定阈值边界模型的分割方法,能同时降低误检率和漏检率,从而提高肤色识别的准确率。     

基于彩色人脸模板的人脸检测算法

针对目前基于色彩的人脸检测只能用于人脸区域的粗检这一不足,提出一种利用人脸的五官位置及色彩信息建立彩色人脸模板的算法。采用光照补偿对图像进行预处理,利用YCbCr空间中的肤色模型进行粗检,确定出人脸候选区域,利用建构好的模板进行搜索比对定位出人脸。实验结果表明该方法对不同光照环境和复杂背景的图片均有较好的适应性,检测精度也得到了提高。     

基于肤色的复杂环境下人脸检测

对由光源颜色变化引起的图像色彩偏差,进行了校正,并在YCbCr颜色空间建立了Cb-Cr色度查找表和亮度信息联合的肤色模型,应用预处理技术,去除部分非人脸区域,减少人脸检测的搜索空间,并采用模板匹配方法在人脸候选区域检测人脸.实验表明,该方法能够有效的从复杂环境的彩色图像中检测出左右旋转不超过45°的人脸,且不受人脸表情、尺度和数目的影响,且错误率较低.     

一种新的基于颜色恒常性的肤色分割算法

为了解决不同光照条件下的肤色分割问题,提出了一种新颖并且行之有效的解决方法。该方法先应用颜色恒常性算法对图像光照进行估计,根据光照估计的结果,在YCbCr颜色空间采用不同分布的高斯肤色模型,并利用动态阈值对图像进行分割。试验结果证明了算法的可行性和优越性。     

复杂光照下的人脸肤色检测方法

复杂光照对人脸肤色检测具有重要影响。在YCbCr颜色空间建立复杂光照条件下的人脸肤色模型,然后利用该模型检测人脸图像的肤色区域,并对检测结果利用4-连通区域的几何特征消除非人脸区域,最后利用连通元复原误检的人脸肤色区域。实验结果表明,该方法可以实现复杂光照下人脸肤色区域的准确检测。     

三种基于空间转换的彩色图象分割算法比较研究

本文讨论了彩色图象在空间转换中的分割方法。在RGB空间中,由于R、G、B分量之间有很高的相关性,直接利用这些分量不能得到所需的效果,探讨了经过正交变换后的分割,实验结果表明分割效果较好。HSI彩色空间和YCbCr彩色空间都具有把亮度分量与其它分量分离的优点。在样本集协方差矩阵的特征向量构成的空间中进行分割效果更好,表明肤色点经转换后在这一肤色空间中具有良好的聚类特性,在YCbCr空间中分割效果较差。在三种分割方法中,如果图象中含有大面积的与肤色十分相似的区域,分割的结果将不尽如人意,这可与人脸的其它特征相结合,最终实现肤色的正确分割。     

基于双边遍历扫描的手指指尖精确定位

采用双边遍历扫描(Double—Side Traversal Scanning)方法针对图像平面中手指指尖定位问题进行了研究。文中通过在线肤色训练．在HSV色彩空间中对训练区中的彩色图像进行去噪．得到针对当前应用环境下终端用户的肤色统计模型。然后对采集图像进行肤色分割处理．利用得到的二值化图像的零阶矩、一阶矩和二阶矩等参数计算出手部图像重心坐标和方向，使用双边遍历扫描方法对二值化图像进行扫描分析．进而得到了手指指尖坐标位置。不同应用环境下的实验结果表明．这种方法和以往基于长轴长度进行指尖定位的方法相比．不仅具有更高的定位精度．同时对强噪声背景下的抗干扰性也有较大改善。     

基于三维肤色模型的人脸检测预处理方法

为了改善在光照变化和复杂背景影响下的人脸检测效果,在预处理阶段提出一种基于直接最小二乘拟合的三维肤色聚类模型算法。该算法首先将肤色在CbCrCg空间中的三个平面投影分布作为拟合对象,然后使用中值滤波和Sobel算子获取平滑边缘,最后通过直接最小二乘拟合法获取最佳三维肤色模型。在实验中分别将公共人脸库和户外拍摄的人脸图像作为实验对象,实验结果表明,该算法较传统肤色预处理算法具有更好的肤色分割效果,并且能够有效地提高人脸检测率。