一种快速提取人脸中心点的方法

针对安防环境下监控系统的实时性要求,本文提出了一种基于肤色分割和人体特征相结合的快速人脸检测方法.首先利用肤色信息对彩色图像进行肤色区域的分割,然后根据人体的几何特征进行迭代寻优求取人脸的中心.实验结果证明,所求出的中心可以适用于要求.     

彩色人体图像的二值化方法

为了快速有效的对彩色人体图像进行二值化处理,提出了一种新的自适应二值化处理方法.该方法根据人体肤色特征,建立人体肤色模型;根据该模型,分割出肤色和非肤色,再直接转换成二值图像.由于人体肤色受到不同光照和环境的影响,人体彩色图像中的人体肤色值会有偏移.为了改善肤色模型适应不同环境和光照,在肤色分割过程中,采用了自适应Gamma校正方法.最后,给出了该方法的实验结果.实验结果表明,提出的彩色人体图像的二值化方法快速且有效.     

基于肤色分割的视频人体检测

针对视频图像中人体运动形态多变、方向不确定等问题,提出了一种基于肤色分割的视频人体检测算法。采用改进的帧间差分方法求得自适应背景,与背景差相结合进行运动目标粗分割,在粗分割范围内进行肤色分割。在肤色分割时,利用YCbCr色彩空间的自适应亮度分段椭圆肤色模型及形态学操作、约束性条件等后处理确定人脸区域,得到人体目标。实验结果表明,该方法能有效地检测视频中的人体目标,与同类方法相比,该方法的时间复杂度更低,因而能更好地满足视频处理的实时性要求。     

基于肤色检测与卷积神经网络的手势识别

针对光照变化、背景噪声等复杂环境对手势识别的影响,提出了一种基于YCb Cr空间肤色分割去除背景结合卷积神经网络进行手势识别方法。首先根据人体肤色在YCb Cr颜色空间中的聚类效果,采用基于椭圆模型的肤色检测方法进行手势分割;然后对分割后的手势图像提取骨架与边缘相融合的手势特征图;再通过深层次的Alex Net卷积神经网络结构,对经过融合的手势特征图进行识别。实验结果表明,针对复杂的背景环境,该算法具有较强的鲁棒性,在不同数据集下对手势的平均识别率提升了4%,可以达到99.93%。     

基于线性组合预测和生物特征的人体肤色检测

针对视频监控中基于肤色特征人体目标检测中的两个棘手问题,即人体肤色受光照变化影响较大,以及复杂背景下肤色相近色的干扰,提出了一种新的肤色检测方法.首先假设视频序列每帧肤色区域像素在彩色空间的分布构成相对集中的"点云"三维几何体,光照变化时每帧"点云"几何体在彩色空间的变化可以通过平移、缩放和旋转等参数约束下的三维仿射变换来建模,提出了用线性组合预测模型来预测这三类参数的变化,进而预测并更新待检测帧的直方图分布;然后利用Bayes分类器进行肤色区域的初分割.为了克服复杂背景中肤色相近色的干扰,本文采用组合彩色空间变换凸显人体肤色生物特征,减少了肤色和非肤色在单个彩色空间时的重叠区域,在初分割的基础上进一步消除大片相近色的干扰.经过大量实验证明,该方法在帧间光照变化的情况下对肤色变化有很好的敏感性,且能有效克服大片背景相近色的干扰.     

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%。     

基于肤色模型和FloatBoost的多姿态人脸检测

多姿态人脸检测是人脸识别系统必须解决的关键问题之一。利用光照鲁棒的肤色模型来搜索待检图像的可能人脸区域并进行肤色分割,结合分割区域的几何信息确定最终的候选人脸区域,然后对人脸的关键特征进行定位,按规则计算重要特征块的中心,将这些中心点确定的符合条件的候选区域利用FloatBoost进行分类,最终实现了快速准确的多姿态人脸检测。     

基于HSV色彩空间的自适应肤色检测

针对复杂背景彩色图像提出了一种基于HSV色彩空间的自适应肤色检测算法。该算法首先使用阈值在HSV空间对人体肤色区域进行肤色分割,然后对分割出的肤色区域使用相对重要性滤波和自适应区域归并,最后将归并后的肤色区域使用人眼定位进行验证,将多人脸检测转化为单人脸检测。实验结果表明,该算法复杂度较小,对光照变化具有很好的鲁棒性。     

人体肤色区域的自适应模型分割方法

针对现有人体肤色区域分割方法在光照等环境因素变化情况下鲁棒性差、精确度不高的问题,提出一种自适应模型的人体肤色分割方法.首先通过AdaBoost实现自动人脸检测,得到包含光照等信息的脸部皮肤区域样本;然后将所取得的肤色样本在YCbCr颜色空间的y分量和CbCr分量上分别建立高斯混合模型;最后利用改进的Mahalanobis距离度量其他像素与肤色模型间的相似度,并确定阈值来对整幅图像进行肤色分割.实验结果表明,与同类融合算法、CbCr固定阈值等肤色分割方法相比,该方法实现了自动化的肤色建模,在降低误检率的同时平均可以提高10％左右的正检率,具有更好的鲁棒性.     

基于改进的肤色空间和几何特征的快速人脸检测研究

提出一种基于肤色分割和几何特征相结合的人脸检测算法。该算法对图像进行光照补偿预处理,增强图像对比度;采用YCg Cr色彩空间的人脸肤色模型,对图像进行肤色分割,得出肤色轮廓;利用人脸的几何特征筛选出人脸区域。实验结果表明,该算法检测率高,实时性好,误检率低。     

利用彩色空间肤色模型实现快速人脸检测

本文采用在彩色空间建立肤色高斯模型的方法进行人脸区域与非人脸区域的大致分离,然后在分离结果中根据每一个8连通区域的形态特点和人脸的几何特征,去除误检出的非人脸区域。本文中彩色空间选用HSI和YCbCr彩色空间,相较于RGB彩色空间,这两种彩色空间都可以将亮度信息与色彩信息分离,减小了亮度不同所造成的影响。该方法具有操作简单,计算量小,快速、不易受表情姿态影响等优点。实验结果表明该方法可以作为特征提取前,提高图像处理效率和准确度的图像预处理操作。     

利用彩色空间肤色模型实现快速人脸检测

本文采用在彩色空间建立肤色高斯模型的方法进行人脸区域与非人脸区域的大致分离,然后在分离结果中根据每一个8连通区域的形态特点和人脸的几何特征,去除误检出的非人脸区域.本文中彩色空间选用HSI和YCbCr彩色空间,相较于RGB彩色空间,这两种彩色空间都可以将亮度信息与色彩信息分离,减小了亮度不同所造成的影响.该方法具有操作简单,计算量小,快速、不易受表情姿态影响等优点.实验结果表明该方法可以作为特征提取前,提高图像处理效率和准确度的图像预处理操作.     

基于肤色检测的小区域特征点跟踪

针对跟踪系统中实时性和鲁棒性的要求,提出了一种基于肤色检测、自动筛选小区域搜寻特征点的快速跟踪方法。首先利用对彩色图像进行肤色检测,筛选出包含肤色的小区域,然后根据比例参数确定小区域的范围,计算小区域中特征点的质心与肤色检测区域中心构成反馈来实现跟踪。实验结果证明该方法可以很好地解决实时跟踪问题,并在出现肤色混淆的情况下也有相当好的鲁棒性。     

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。     

基于肤色模型和贝叶斯判别的人脸检测

构造了一个彩色图片的正面人脸检测系统。首先利用肤色在YCbCr空间中沿Y方向的集中分布特性构建肤色信息库，根据该信息库在图像中检测出肤色区域；然后在肤色区域利用贝叶斯特征判别方法进行正面多尺度人脸检测。另外，定义了一些启发式搜索规则，有效地加快了人脸目标的搜索速度。实验证明, 用较少的样本进行训练的人脸检测系统，对有复杂背景、多样化的测试集具有较好的测试效果。     

基于肤色和区域双重匹配的人脸检测

提出了一种在复杂背景的图像中自动检测彩色人脸的方法。这种方法将肤色信息与人脸区域信息相结合。先在YCbCr颜色空间中求出图像中每个像素点属于肤色的隶属度,然后求出每个像素点对于质心的区域隶属度,最后把这两个隶属度进行结合得到属于人脸的隶属度。试验结果证明这种方法能较好地在复杂背景中检测出人脸。     

基于肤色特征和遗传算法的人眼瞳孔定位算法

提出了一种单目摄像头下定位人眼瞳孔的方法,分为人脸区域检测、人眼区域检测、瞳孔中心定位三个阶段。在人脸区域检测阶段,利用人脸的肤色和唇色在不同色度空间下的特性,结合区域增长的方法分割出人脸区域;在人眼区域检测阶段,利用定位出的人脸区域,根据先验知识缩小搜索区域,再结合遗传算法搜索眼部区域;最后利用圆的几何性质定位瞳孔中心。实验结果证明了本算法在复杂背景和头部偏转情况下的有效性。     

基于肤色和几何特征的人脸检测算法

本文提出了一种可变先照条件下的人脸检测算法,该算法利用人脸的肤色和几何特征,首先对输入图像进行光照补偿,然后在YCrCb颜色空间中,分割出肤色候选区域,最后利用人脸面部的几何特征精确定位出人脸。实验结果表明,该算法可适用于较广范围的光照条件,可应用于复杂环境下的人脸检测。     

一种可变光照条件下的肤色检测算法

肤色是人体表面最为显著的特征之一,可应用于人脸检测与跟踪、手势识别等,肤色检测算法在其中居于关键地位。该文提出了一种可变光照条件下的肤色检测算法,首先在YCbCr颜色空间从大量肤色样本中统计出肤色模型,考虑了在高亮度区和低亮度区肤色色度(Cb,Cr分量)与亮度(Y分量)非线性相关;其次,使用一种彩色均衡技术消除由光照引起的色彩偏移。该算法可适用于较广范围的光照条件,可应用于复杂环境下的人脸检测、手势识别等。     

基于肤色分割和改进Gabor滤波相结合的人脸检测

针对人脸检测问题,提出了一种基于肤色分割和改进Gabor滤波相结合的方法;该方法首先基于YCbCr空间对图像中的背景区域和人脸肤色进行分割,以消除大量的背景区域提高运算速度;接着利用改进的Gabor滤波对提取出来的人脸肤色区域进行卷积得到人脸的特征向量,并和通过训练样本获得的特征向量进行比较以验证是否为人脸;最后通过实验分析,验证了所提方法能够在保证检测精度的基础上有效提高运算速度。