复杂背景下的人脸检测算法研究与实现

人脸检测是指能够在一幅图像中找到其中存在的人脸,并能够确定其位置和大小等信息的过程。人脸是一个信息极丰富的模式集合,其是人类互相判别、认识、记忆的主要标志,人脸检测在人脸图像处理和计算机视觉领域占有极为重要的地位。针对复杂背景下的彩色图像,对目前主流的几种人脸检测算法进行了介绍,在系统设计中提出了一种基于肤色和特征融合的人脸检测算法。该算法是一种层次化、由粗到精的检测方法,通过一步步减小检测区域,从而实现多个人脸的检测与定位。     

一种快速彩色图像中复杂背景下人脸检测方法

本文提出了一种快速的彩色图像中复杂背景下人脸检测方法.该方法首先利用进化Agent计算对彩色图像中与人的肤色相似的像素进行聚类和区域分割.然后利用小波分解对每一个侯选区域进行人脸特征分析,如所检测到的区域特征分布相似于某一预先定义的人脸模型,则确认该区域代表人脸.实验结果表明,该方法不仅速度快、效率高,而且正确检测率高.     

复杂背景下的人脸检测新算法

提出了一种适用于复杂背景下的人脸检测新算法.首先对彩色图像进行光线补偿,减小由光源等因素影响引起的色彩偏差;然后对YCrCb色彩格式进行分段线性色彩变换,通过在此基础上建立的肤色模型得到候选人脸区域;最后通过对图像进行总体投影来分离候选人脸区域,再对分离出的区域进行局部投影来确定人脸位置.实验结果表明,该算法可以有效运用于多人脸、不同姿态、不同肤色及复杂背景的情况,对不同的测试图像,检测正确率达到94.7%.     

复杂背景的快速人脸检测研究

对于彩色图片,为了能够快速地在复杂背景中检测出多姿态人脸,解决肤色分割后大量粘连的类肤色和肤色区域等问题,在阐述光照和色彩补偿、肤色分割等算法的同时,提出了利用投影法和GLV法相结合的改进算法及利用人的头发来定位人脸的方法.实验结果表明,该方法能够在很短的时间内较为准确地检测出复杂环境中旋转不超过45°的多姿态人脸.因...     

一种复杂光照下的人脸检测预处理算法

在人脸检测系统中,人脸图像预处理是提高检测率的重要环节。为了改善基于光照经验模型的仿射变换AT算法在侧光条件下处理效果不佳的情况,提出了一种人脸图像增强算法。实验结果表明本算法不仅能较好地改善侧光现象,而且对大部分不同方向的光照情况都可以有很好的处理效果。     

复杂背景下的人脸分割

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。     

复杂背景下彩色人脸的快速预处理算法

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。     

一种稳健的人脸检测算法

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。     

基于特征分析的人脸检测算法的DSP实现

由于监控视频中人脸影像的多角度性和多尺度性,实时视频中人脸的实时检测成为智能监控系统中的关键技术之一。算法首先根据MATLAB统计好的肤色模型确定候选肤色区域,然后依据人脸的形状特征排除非人脸区域,可以实现所有人脸的精确定位;同时采用区域增长的连通域方法来确定人脸候选块,代替了边缘检测等方法,减少了DSP的运算量。算法在ICETEK-DM6437-B评估板上实现。经过测试,该算法可以很好的满足实时人脸检测的要求。     

一种肤色定位的人脸检测算法

进行人脸识别前,首先要精确定位出一幅图像中人脸的位置,为了快速定位人脸位置,本文提出一种肤色定位的人脸检测算法。首先将实际获取的彩色图像转换为YCbCr和HSI空间图像,并将Cb和Cr图像中的数值进行四舍五入处理,结合Cb、Cr、H和S的阈值去除大部分背景,再统计当前图像中的彩色部分的Cb和Cr值,分别取最多2个数值来共同确定肤色位置,最后由当前位置的亮度信息图像排除手等纯肤色部分,准确定位人脸。本文算法能提高正检率并降低误检率,有利于人脸检测。     

Face Detection under Complex Background and Illumination

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.     

基于多数据融合的快速人脸检测与特征定位算法

针对彩色图像提出了基于肤色和特征验证的人脸检测算法,由肤色分割、排除假区域、特征验证3部分组成。在肤色分割部分,提出自适应阈值法,再通过几何特征排除一些假区域,运用边缘检测、模板匹配和投影法精确定位眼睛和嘴巴,从而验证确认人脸,最后通过投影法定位出鼻子。实验证明该算法检测速度快、准确率高,具有较好的鲁棒性。     

快速图像序列人脸提取算法

主要针对背景静止的新闻视频序列进行处理,首先对序列图像做运动检测,接着得出运动目标的投影定位,然后仅在定位区域利用马氏距离进行肤色相似度检测,继而通过闭运算填充部分缝隙与空洞,并用区域标记及人脸结构过滤剔除非人脸区域,最后采用横向填充复原图中的人脸,实现人脸的快速提取。     

基于肤色分割与Adaboost融合鲁棒人脸检测方法

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.     

复杂背景下人脸检测的数学形态学运算方法

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。     

复杂背景下的运动目标检测方法

提出了一种复杂背景下的运动目标检测新方法,利用仿射变换进行全局运动估计,并利用双线性内插进行背景补偿,然后采用3帧对称差分相乘的方法增强运动目标的像素点,拉大目标与背景残留噪声的差异,最后利用区域生长法进行目标分割。用复杂的城市交通序列图像进行测试,并与经典的动目标检测算法进行对比,说明了算法的有效性。     

基于视频的人脸检测算法研究

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。     

一种基于肤色和边缘信息的人脸检测

人脸的检测是一个非常复杂的问题,对它的许多规律和规则进行显性的描述是相当困难的.文中提出一种基于肤色和边缘信息的人脸检测方法.该方法充分利用了人脸肤色的统计知识,首先利用肤色模型和边缘信息对人脸进行初定位,形成肤色区域,然后利用区域的特性例如紧凑性、坚固性、长宽比等来验证该肤色区域是否存在人脸.实验证明,该方法可以有效地运用于多人脸、不同尺寸、表情姿态和复杂背景的情况,具有较好的检测结果,还可以用于实时的人脸跟踪中.     

基于肤色模型的人脸检测算法研究

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。