基于肤色模型、神经网络和人脸结构模型和平面旋转人脸检测

人脸检测是智能人机接口的关键技术之一,它在人脸识别、表情识别、人脸合成和人脸编码等领域具有重要的应用价值,该文针对复杂背景下的彩色图像,提出了一种基于肤色模型,人脸平面旋转角度检测和正面人脸结构特征的人脸检测算法,该方法首先建立了一个人脸肤色分布模型,其次采用神经网络计算和瞳孔定位操作,实现了由粗到精的人脸平面旋转角检测,最后提出了一种基于结构的正面人脸检测策略,实验结果表明,所提出的算法能够适应不同的光照环境,可以检测不同大小,不同平面旋转角的人脸。     

基于YCbCr空间与KL变换结合在人脸检测中的应用

本文针对简单背景下的彩色单人脸图像,将YCbCr色彩空间与KL变换结合起来构成一个基于实际应用的人脸检测系统,并对复杂背景和多人脸图像的情况下的检测进行了一定的探讨。     

一种基于KL变换和镶嵌图模型的人脸检测方法

提出了一种基于KL变换和镶嵌图模型的人脸检测方法。该方法首先采用KL变换将整个图像空间划分为主元子空间和次元子空间,利用人脸图像大部分能量集中在主元子空间、小部分能量分散到次元子空间这一特点,将人脸从复杂背景中初步检测出来。在此基础上,采用符合人脸生理结构特征的人脸镶嵌图模型,并在分析足够多的人脸图像样本的基础上,针对人脸图像的灰度和边缘信息,建立了一种较为合适的知识库。实验结果表明,该方法能够较好地解决复杂背景下的正面人脸的检测问题。     

基于肤色的人脸检测研究

对于有背景的彩色图像,肤色是人体表面最显著的特征之一,所以肤色特征是人脸检测中一个重要的特征[1～2]。肤色特征主要由肤色模型描述,检测方法可以分为颜色选择,肤色区域分割和人脸检测三个步骤。文章提出的肤色模型可以较好的适应光照变化,采用肤色分割的方法,可以快速检测不同大小,不同平面以及一定侧面旋转角度的人脸。对简单背景下的人脸检测的检测率达到95.65%,复杂背景下的人脸检测的检测率达到85.22%。     

一种基于肤色的人脸检测与定位方法

结合肤色信息与人脸几何分布特征,提出了一种快速的基于人脸特征的检测与定位方法。在标准RGB彩色空间,通过肤色轨迹进行肤色像素与嘴唇像素提取,根据提取的肤色区域是否有嘴唇像素可初步排除一些非人脸区域;利用人眼较高的蓝色分量及瞳孔反光形成的亮斑,在标准RGB色彩空间的B分量图中通过区域增长法产生潜在眼睛区域,利用人眼与嘴唇的面部几何分布特征,提出一些新的规则判断提取的肤色区域是否为人脸,如果是人脸,则对眼睛进行定位。实验结果表明,提出的方法是健壮的、有效的。     

基于肤色与模板匹配的人脸识别

本文提出了一种基于肤色与模板匹配的人脸识别算法。我们首先利用肤色在HSI空间的聚类特征对肤色加以判别,继而提取出人脸候选区域,最后通过模板匹配过程对候选区域加以识别。实验结果表明,该算法简单易实现,在执行时间及识别率上均取得了令人满意的效果。     

基于肤色分割的人脸检测算法研究

提出一种自适应光照补偿算法对图像进行补偿,根据肤色点在YCbCr色彩空间中的聚类性分别建立了肤色的区域模型和简单高斯模型,利用区域模型分割结果消除高斯似然图中类人脸的影响,采用自适应阈值对图像进行肤色分割,得到肤色候选区域.对分割出来的二值图像进行形态学处理后用基于先验知识的检测算法对肤色候选区域进行筛选,确定出人脸的位置.实验结果表明,提出的方法综合检测效果好.     

基于肤色信息的实时人脸跟踪方法

提出一种基于人脸检测与肤色信息相结合的人脸实时跟踪方法。该方法先用Adaboost算法进行人脸检测，在此基础上，CAMSHIFT算法跟据人脸肤色信息实现对人脸的自动跟踪。实验表明，该算法具有快速、鲁棒的特点，能够满足实时系统的需要。     

一种基于肤色模型和眼睛定位的人脸检测方法

提出了一种基于肤色模型和眼睛定位的人脸检测方法。首先利用肤色模型和掩膜进行粗定位,确定人脸可能区域,然后通过基于方向模板的眼睛定位进行人脸存在的确认和精确定位。实验证明了该方法对于复杂背景下人脸检测的有效性。     

基于肤色和器官定位的实时人脸检测

基于肤色和器官的人脸检测是视觉监控领域中广泛应用的经典方法,但是辨别每个肤色像素和提取候选区域非常耗时且对噪声敏感,很多时候不能满足实时人脸检测的需要。通过引入肤色单元的概念,提高了该方法的快速性和鲁棒性,最终将其应用于实时视频序列中。首先,采用单元化的方法进行肤色分割,提取出人的肤色部分;接着,根据人脸长宽比例的范围,确定出候选人脸;然后,再对候选人脸区域分别进行眼睛和嘴巴的定位;对眼睛和嘴巴定位之后,我们可以利用眼睛和嘴巴呈倒三角关系的几何特征反过来进行人脸的精确定位。实验结果表明,该方法的识别率较高,并能满足实时视频人脸检测的快速性要求。     

基于肤色和人脸特征的人眼定位方法

描述了一种能够对不同背景下彩色图像快速定位人眼的框架。首先,对图像进行光照补偿,然后,根据Ycbcr颜色空间肤色聚类的特点分割图像,检测人脸区域,并利用基于像素＂密度＂的滤波方法去除大面积的噪声。最后,利用人脸的结构特征和对称信息准确定位人眼。实验结果表明,该方法能够准确定位人眼,并且对于具有不同背景、带眼镜的、表情变化的图像都能有很好的鲁棒性。     

基于肤色和几何特性的人脸特征区域定位方法

首先利用人脸的色彩特征和自适应阈值法实现特征候选区域和人脸肤色区域的分离，然后利用人脸的几何特性将连通的特征候选区域保留下来作为人脸特征区域。后续的特征提取可以在这些人脸特征区域中完成。一般的人脸特征提取方法都可以将该方法作为提高效率的预处理操作。实验证明，该方法具有高效率、低计算量的特点，并且受人脸表情、图像角度和背景的影响较小。     

一种结合肤色特征的人脸跟踪算法

将CAMSHIFT算法用于人脸跟踪时,当跟踪目标被其它人脸遮挡时会发生跟踪失败,针对这一不足,提出一种结合肤色区域特征的连续自适应均值移动算法(SCCAMSHIFT):提取目标的肤色区域作为已知特征,通过跟踪窗口的变化来判断遮挡的发生,并在遮挡发生后利用已知特征来寻找丢失的目标.实验结果表明,SCCAMSHIFT算法能够较好的解决跟踪过程中类肤色物体的遮挡问题.     

一种基于频谱脸和Fisherface的人脸识别新方法

频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的,所以对人脸图像使用二维小波变换,提取人脸图像的低频部分。再对人脸图像的低频部分使用傅立叶变换,从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高,所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征,降低特征的维数,提高识别效率。利用ORL人脸库进行了实验,实验结果表明该识别系统具有较好的识别能力。     

一种基于光流场的复杂背景下人脸定位方法

图像中人脸的自动定位和提取是进行人脸识别的首要条件。文章提出了一种基于光流场的复杂背景下人脸定位方法。通过改进的光流场约束方程与帧间差法的结合,确定运动人脸的所在区域。并对所在区域进行图像的操作和处理,提取出人脸图像,最后采用基于Karhunen-Loeve变换的人脸识别技术进行识别。该方法具有快速和准确的特点。     

基于肤色的实时人脸跟踪新方法

提出一种基于混合肤色模型的实时人脸跟踪方法。该方法采用基于点的运动预测来减少搜索区域并使用MJSEG算法进一步分离人脸和其他类肤色区域。实验结果表明，该方法有效地解决了复杂背景下人脸自由运动、光照变化及部分遮挡的问题。系统跟踪速度达到实时，并给出精确的人脸边界。     

一种改进的特征脸方法

在实际应用中,我们发现,已有的一些人脸识别方法对于每人一个样本的识别来说,效果不太理想。鉴于此,本文将在传统的特征脸方法理论基础上提出一种改进的特征脸方法——特征半脸方法。所谓特征半脸方法,就是把人脸图像分成上下两个部分,分别应用特征脸方法,最后在识别计算距离时上部采用较大的权重,下部采用较小的权重,求得综合距离最小的人脸图像序号,从而完成人脸识别的方法。我们把特征脸和特征半脸方法进行了对比实验,结果表明:新的特征半脸方法优于传统的特征脸方法。     

基于支持向量机的人脸分类

提出了一种基于支持向量机的人脸分类方法,首先对人脸图像作二维离散余弦变换,取离散余弦变换系数作为特征,然后用支持向量机进行分类。用Essex人脸图像数据库进行性别分类,取得了很好的分类效果。     

基于KL变换的烟叶信号阈值优化方法

物料阈值空间的建立是图像识别的一个关键问题。在分析烟叶特性的基础上,对烟叶三基色信号进行KL变换,消除烟叶信号各元素之间的相关性,经过量化编码后,重新建立烟叶信号的三维阈值空间。与传统的建立阈值空间方法相比,新的阈值空间体积显著减小,有效地提高了烟叶检测和分级的精度。该方法简单方便,同样适用其它具有相关特性的物料的识别。