共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
6.
复杂背景下的人脸分割 总被引:2,自引:0,他引:2
针对复杂背景下人脸位置的不确定性和人脸轮廓边缘点的不连续性,本文提出一种新的人脸分割算法,能够在复杂背景下将人脸快速分割出来。本文算法包括三部分:首先设计了特征与模板相结合的人脸定位算法,在复杂背景中以双眼和嘴的坐标为基准确定人脸位置;其次,设计了自适应搜索算法,提取真正的人脸轮廓点,去除“假”轮廓点;最后利用人脸轮廓的平滑性通过曲线拟合来补充不确定轮廓点,完成人脸分割。本文算法综合利用了人脸的肤色、表面结构、轮廓边缘以及轮廓的平滑性等特征完成人脸分割,实验结果证明了算法的有效性。 相似文献
7.
人脸图像的预处理具有重要意义,是人脸系统走向实用化的关键一步。精度、速度和鲁棒性是算法的3个关键问题。这里的算法利用肤色的先验知识缩小搜索区域,Adaboost检测后准确定位人脸;将Sobel边缘信息结合灰度初步确定眼睛位置和眼球半径;使用眼睛模版与眼球下半边缘轮廓匹配,最终精确定位眼睛并完成标准化。算法基本满足实际系统对上述3个关键问题的要求。 相似文献
8.
人脸检测是人脸识别系统的重要组成部分,对于安全级别较高或特殊场合的门禁系统而言,高准确率的人脸识别技术尤为重要。为提高门禁系统的安全性,采用了多种特征相结合的人脸识别算法,融合了背景分离、肤色检测、人脸五官特征检测、运动物体轮廓分析、人体运动跟踪等多种技术进行人脸检测测试,有效地解决了单一特征的人脸检测方法对人脸进行漏检和误检的问题。实验结果表明,该算法在复杂背景和光照条件不足以及有遮蔽物的情况下,均能快速准确地检测出人脸,误检率低。 相似文献
9.
10.
11.
For face detection under complex background and illumination, a detection method that combines the skin color segmentation and cost-sensitive Adaboost algorithm is proposed in this paper. First, by using the characteristic of human skin color clustering in the color space, the skin color area in YCbCr color space is extracted and a large number of irrelevant backgrounds are excluded; then for remedying the deficiencies of Adaboost algorithm, the cost-sensitive function is introduced into the Adaboost algorithm; finally the skin color segmentation and cost-sensitive Adaboost algorithm are combined for the face detection. Experimental results show that the proposed detection method has a higher detection rate and detection speed, which can more adapt to the actual field environment. 相似文献
12.
13.
14.
人脸检测广泛应用到人脸识别、数字视频处理、安全访问控制、视觉监测、基于内容的检索等领域.比较众多人脸检测算法,文章提出了一种改进的基于Adaboost算法的人脸检测算法.该算法的核心是肤色分割结合基于Adaboost算法的人脸检测.首先,对彩色图像进行肤色分割,通过肤色区域的大小和长宽比等规则去除部分类肤色区域,得到可疑的人脸区域.其次,基于Adaboost算法的灰度特征得到最终的人脸.通过大量彩色图像的实验,证实了该方法的准确性和鲁棒性. 相似文献
15.
复杂背景下人脸检测的数学形态学运算方法 总被引:5,自引:0,他引:5
皮肤的颜色特性被广泛地应用于人脸检测和跟踪中,本文采用HSV空间与归一化RGB空间相结合的肤色模型,提取原始图像中的类肤色区域作为候选人脸目标;采用数学形态学算子,分别用来完成去除噪声和干扰,分离侯选目标,提取眼睛嘴巴孔洞,以及标示人脸轮廓等处理过程。大量实验表明,该方法能有效地剔除臂和手等非人脸肤色目标;能克服人脸遮挡,姿势和方向变化,大小差异,光照变化等造成的困难;该方法的计算开销较小,易于实现,适合快速人脸检测。 相似文献
16.
17.
针对传统AdaBoost算法在视频中检测人脸误检率较高的问题,文中提出了一种结合运动分析和肤色检验的改进型人脸检测算法。该方法通过运动检测来提取运动前景,并选择肤色模型对人脸肤色进行相似度求取,利用几何特征进一步缩小检测范围;采用增加新Haar特征和改进权重更新方式的改进型AdaBoost算法对人脸候选区域进行实时检测。实验结果表明,与传统AdaBoost方法和增加肤色检验的AdaBoost方法相比,该方法的误检率分别降低了18.68%和8.79%,检测时间则分别缩短约800 ms和250 ms。 相似文献
18.
19.
利用一种基于肤色的2D Gaussian模型和一定的先验知识实现了人脸快速检测。首先对一幅图像进行去噪、光线补偿等预处理,然后根据颜色空间特性建立适宜的肤色模型,检测出大致的肤色轮廓,对面部特征根据先验知识实现定位,从而剔除非脸部区域,最后对该算法进行实验验证。实验表明,该算法可以实现人脸的快速检测,降低了误报率,具有一定的优越性。 相似文献