基于肤色模型和CAMShift算法的人脸检测与跟踪研究

讨论并实现一个基于肤色模型和CAMShift方法的人脸检测与跟踪原型系统。该系统采用肤色模型分割出视频帧中的肤色区域与非肤色区域以检测出人脸．利用CAMShift算法跟踪运动的人脸,完成对人脸各种姿态的跟踪,具有较好的实时性和鲁棒性。     

基于肤色与肤色矩实时视频人脸检测与跟踪

提出了一种新颖、鲁棒、实时人脸检测与跟踪算法.该方法采用背景差分法提取运动区域,对运动区域利用肤色归一化RGB和HSV色彩模型的聚类性,得到人脸候选区域.利用人脸几何信息和孔洞信息对人脸候选区域进行验证.基于肤色矩特性,对人脸区域进行跟踪与预测.通过对不同背景条件下的人脸检测与跟踪,实验结果表明,所提算法不仅检测率高,且对光照,人脸姿态的变化具有较强的鲁棒性.基于480×360图像处理速度平均为25帧/秒,可满足系统实时性要求.     

实时视频图像中的人脸检测与跟踪

视频图像目标检测与跟踪是远程协作系统中感兴趣的研究课题之一。文中提出了一种协同系统中视频序列图像人脸检测及实时跟踪的方法。该方法根据用户选定的目标(如人脸)的颜色分布特点，用多幅训练样本图像建立人脸肤色模型，然后根据该模型和人脸特征对待检测的彩色图像进行分割与匹配，从而确定候选区域是否人脸。在视频图像跟踪中用此方法可实现人脸的实时检测跟踪，为了提高跟踪速度，提出了改进的基于运动预测的快速跟踪法。该方法充分利用运动连续性规律，能较好地处理多干扰目标同时出现的情形。实验表明所提出的方法执行效率高，检测跟踪正确率高．对有旋转的非正面人脸图像也有较好的适应性。     

彩色视频序列图像中的人脸跟踪方法

针对彩色视频序列图像的人脸检测，提出了一种基于肤色的人脸跟踪方法。该方法首先在Hsu提出的肤色模型基础上，采样一种自肤色分割算法来提取复杂背景下人脸的肤色特征，与传统的采用固定肤色模型的检测算法相比，该方法具有更好的检测效果；然后，在人脸跟踪过程中采用Condensation滤波跟踪算法，并对算法做了两点改进，即在跟踪过程中采用基于Metropolis算法的重采样方法以及自适应的动态模型，实现了复杂背景下的人脸自由运动的跟踪，并从各种影片中截取了彩色视频序列图像进行了测试实验。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，且精度较高。     

彩色图像的实时人脸跟踪方法

本文提出一种彩色图像序列中的人脸跟踪方法。本文所提出的跟踪模式包括失脸肤色模型及运动模型。在人脸肤色模型中，首先将图像的ＲＧＢ空间变换到色度空间，然后利用最大能量坐标和矩表征色度空间的直方图分布。运动模型由运动检测与运动预测构成，以减少搜索区域，提高检测速度。最后，介绍根据上述技术实现的在线人脸跟踪系统。实验结果表明，本文提出的跟踪方法可以在复杂背景中实时地跟踪人脸的自由运动。     

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。     

基于多模型及SVM的单人脸跟踪系统

针对彩色视频中的人脸检测与跟踪问题，使用运动模型和自适应肤色模型，从图像中快速提取出人脸候选区，然后利用基于先验规则和SVM的方法进行确认。对于被确认的人脸，建立一个人脸状态记录表，通过位置预测，使用三步搜索法进行人脸区域色度特征匹配跟踪。实验表明，本文提出的方法，在复杂的环境中，能实时地、精度较高地跟踪自由运动的人脸。     

基于视频的运动人脸检测与跟踪算法研究

提出了一种自适应调整帧间时间差的方法来检测运动目标,并结合采用YCbCr空间及非线性分段色彩变换的肤色检测模型,对视频图像中的运动目标检测候选肤色区域,采用人脸的特征检测方法检测候选人脸区域.最后,根据在前后几帧中采用融合运动目标与肤色模型的人脸检测算法启动跟踪,获得初始运动信息,后继帧中提出一种新的运动区域预测与肤色边缘拟合椭圆匹配的算法,试验表明该算法实时、有效.     

基于彩色和运动信息的人脸检测

本文提出了一种运用图像的运动信息以及皮肤和嘴唇的彩色信息实现复杂背景下人脸自动检测的方法.该方法特别适用于图像中人脸区域和类肤色区域相连接的情况.实验结果表明,该方法具有实时性好,检测和定位精度高以及对光照等环境条件不敏感等优点,可以用于实时人脸跟踪以及实时人脸识别等应用领域.     

基于图割理论的尺度自适应人脸跟踪算法

针对连续自适应的Mean-Shift（Camshift）算法跟踪人脸时尺度过度放缩这一问题,提出了一种基于图割的Camshift人脸跟踪算法。首先,在每一帧图像的Camshift迭代结果内建立图割区域,使用高斯肤色模型作为图割权值分割出图割区域内肤色团块;然后,计算该肤色团大小得到目标真实尺度,并比较与上一帧图像跟踪框内肤色团的尺度来判断是否需要重新跟踪目标;最后,再以该团块作为下一帧跟踪目标。实验结果表明,基于图割的Camshift人脸跟踪算法有效地克服了跟踪时其他肤色区域的干扰,能有效地反映人体快速运动中人脸真实尺度变化,同时防止Camshift算法丢失跟踪目标而陷入局部最优解,具有较好的可用性和鲁棒性。     

视频监控中的一种快速人脸定位方法

根据视频监控应用的特点,结合视频图像的时域连续特性和人脸肤色特征,提出了一种应用十视频监控的快速人脸定位方法。该方法首先通过对称差分算法,提取运动区域;然后基于BP(back-error-propagation,误差反传)神经网络的肤色分割算法,对运动区域进行肤色检测,最后,经过进一步的候选人脸区域验证,定位图像中的人脸。实验结果表明,提出的方法实现简单、检测速度怏、误检率低,适合实时视频监控系统应用。     

视频图像中的快速人脸定位方法

本文给出了一种用于视频图像中的快速人脸定位方法。该方法首先利用变化检测法检测出运动目标区域，剔除静止背景的干扰，得到运动目标子图像。然后基于肤色聚类模型对运动目标子图像进行肤色分割，结合椭圆模板检测出人脸区域，投影法定位人脸边界。实验表明，该方法快速准确，能满足实时系统的需要。     

基于颜色和特征匹配的视频图像人脸检测实现技术

A face detection method using statistical skin-color model and facial feature matching is presented in this paper.According to skin-color distribution in YUV color space,we develope a statistical skin-color model through interactive sample training and learning.Using this method we convert the color image to binary image and then segment face-candidate regions in the video images.In order to improve the quality of binary image and remove unwanted noises,filtering and mathematical morphology are empolied.After these two processing,we use facial feature matching for further detection.The presence or absence of a face in each region is verified by means of mouth detector based on a template matching method.The experimental results show the proposed method has the features of high speed and high efficiency,but also robust to face variation to some extent.So it is suitable to be applied to real-time face detection and tracking in video sequences.     

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。     

视频图像中的实时人脸检测方法

给出了一种视频图像中的实时人脸检测方法，该方法综合了彩色视频图像的运动信息和颜色信息，可以快速地对图像中的人脸区域进行定位。算法通过对视频图像序列中每连续3帧图像进行对称差分，提取出运动区域；然后基于肤色聚类模型，再对运动区域进行肤色检测，经过候选人脸验证，最终定位图像中的人脸。实验表明，提出的方法检测速度快，实现简单、高效，满足实时系统的要求。     

基于肤色特征的AdaBoost人脸检测方法①

针对人脸检测准确率和实时性问题,提出了一种基于肤色特征的AdaBoost检测方法。通过将肤色特征应用到AdaBoost检测算法中,提高AdaBoost算法的检测率。实验结果表明,该算法能更好地实现多人脸检测,且减少计算量,保障了实时性的要求。     

基于肤色及轮廓信息的人耳实时跟踪

实时人耳跟踪作为人耳识别系统的前提，是一个意义重大且具有挑战性的课题。为了实现对人耳的快速实时跟踪定位，提出了一种融合肤色及灰度轮廓信息检测跟踪序列图像中人耳的新方法。该方法首先采用改进的CAMSHIFT算法在肤色概率分布基础上，初步对侧面人脸这一包含耳朵的大面积肤色区域进行粗定位，进而根据耳朵自身丰富的轮廓信息，应用轮廓提取及拟合来进一步精确定位人耳。实际应用表明，该方法具有速度快、效率高和鲁棒性好的特点，不仅能够满足实时性的要求，并且对于干扰和耳朵自身一定角度的偏转都有较好的容错性。此外，该方法在相对复杂的背景下仍能获得较好的跟踪效果。     

一种改进的快速人脸检测算法

针对AdaBoost人脸检测算法易受到纹理干扰而造成误检的情况,提出了一种结合自适应肤色验证的快速人脸检测算法CMFS。该算法首先用运动检测为前置处理减小人脸检测搜索范围,然后用AdaBoost算法检测出人脸候选区,最后根据人脸候选区的平均亮度自适应地选择是否启用肤色验证作为后处理以排除虚警。实验结果表明,提出的CMFS检测算法在保证检测率的同时,提高了检测速度,并大大降低了误检率。     

Face localization using fuzzy classifier with wavelet-localized focus color features and shape features

This paper proposes a new fuzzy classifier (FC)-based face localization approach. The FC used is a self-organizing TS-type fuzzy network with support vector learning (SOTFN-SV). The SOTFN-SV learns consequent parameters using a linear support vector machine to improve generalization ability. The FC is first applied to segment human skin pixels in scaled hue and saturation (hS) color space, after which connected skin-color regions are regarded as face candidates. The FC is then applied to detect and localize faces from the candidates. The proposed FC-based face localization approach uses shape and wavelet-localized focus color features. A best fitting ellipse of each face candidate is found to obtain shape features. Focus color features are extracted from four focus regions, including the two eyes, the mouth, and the face skin-color region. To find these focus color regions, the Haar-wavelet transformation is first applied to the face candidates in the YCb color space to localize all possible pairs of eye candidates. The mouth region is then localized according to its geometric relationship with the eyes. The hS color features of the located eyes, mouth, and face skin are extracted. These focus color features, together with shape features, serve as inputs to another FC for final face localization. Comparisons with various classifiers and face detection methods demonstrate the advantage of the FC-based skin color segmentation and face localization method.