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。     

运用自适应球体模型实现肤色动态分割

提出一种用于变化光照、多姿态和复杂背景条件下人脸识别的肤色区域动态分割算法。对彩色人脸输入图进行色偏校正和亮度调节预处理,利用肤色聚类特性构建一种自适应球体肤色模型,并基于该模型计算自适应肤色相似度,利用肤色相似度,采用自适应的动态阈值进行肤色区域目标的分割和提取。实验结果表明,对于变化光照、多姿态和复杂背景的彩色人脸图像,该算法有良好的分割精度和自适应性。     

基于双高斯平均似然度和帧间差分的人脸视频图像肤色提取

针对有色光照和复杂背景的人脸视频图像,该文提出一种基于CbCr-CgCr双高斯平均似然度和YIQ颜色空间的I分量帧间差分的肤色提取算法。该算法对色偏调整预处理后的人脸视频输入图,计算CbCr-CgCr双高斯平均似然度,并利用平均似然度值和I分量对平均似然图进行粗分割,然后结合平均似然度分割图及I分量帧间差分图,提取图像肤色区域。实验证明该算法有较好的肤色提取效果。     

鲁棒的肤色检测方法

肤色检测常用的方法有颜色空间阈值法,肤色统计模型和基于分割的方法.然而,上述方法对于光照不好的图片往往得不到很好的效果,而且在背景颜色与肤色相近时,往往误判背景为肤色.为此,提出了一个综合的方法,它对图片光照和背景颜色具有鲁棒性:先作图像预处理,通过阈值法选出肤色像素,再对肤色密度分布进行估计,最后使用改进的分水岭算法进行肤色区域生长.实验结果表明,该方法可以有效降低背景颜色的干扰,提高了肤色轮廓的精确度.     

智能视频监控中的人体检测与识别

针对传统的单点视频检测,提出了一种智能的视频人体检测与识别方法.该方法首先通过彩色空间的降维,在线更新背景模型,消除时间变化引起的阳光、天气等因素对背景图像的影响.然后对视频图像当前帧和背景帧差分检测和当前帧Canny边缘检测,得到视频人体初始差分边缘模板.最后对人体进行分割、测量,融合形状比例特征和人体区域比对法识别人体,进而更新差分边缘模板.实验证明了视频人体检测与识别方法准确率高,处理时间短,存储量小.     

基于混合肤色模型的快速人脸检测算法

提出了一种基于混合肤色模型的复杂背景彩色图像的快速人脸检测算法.为了克服环境光照变化及光照不均的影响,引入了自适应光线补偿算法;在RGB颜色空间中运用多项式模型对光线补偿后的彩色图像进行肤色区域粗检测;采用RGB颜色空间中的多项式模型和颜色空间中的高斯模型相结合,对先前所提取的肤色区域做进一步精确的肤色区域提取;最后,对二值图像的连通区域进行预处理,输出人脸区域.实验结果表明,该算法能快速有效地从复杂背景的彩色图像中检测出人脸,对光照变化具有较好的鲁棒性.     

一种基于H-CrCb颜色空间的肤色检测算法研究

针对不同人种和光线变化对肤色像素在颜色空间上分布的影响,提出一种基于H-CrCb颜色空间的肤色检测模型。该模型综合了肤色像素在YCrCb和HSV颜色空间上的分布特征,结合强光下使用"灰度世界假设"彩色均衡法进行光照补偿辨别肤色与非肤色像素点。实验表明,该方法能有效检测人体肤色,提高肤色检测的准确率。     

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。     

基于改进的OTSU算法的视频处理

针对跳水运动视频中的人体运动目标分割问题,提出利用颜色信息进行运动目标检测和分割的算法。首先采用色相和亮度两个彩色分量加强图像中的颜色差异,使用OTSU算法对图像进行阈值分割,同时结合RGB颜色空间启发式肤色聚类,确定运动目标所在的连通区域,从而完成首帧运动目标的自动检测。在后续帧的处理中,以数学形态学方法进行自适应运动区域预测,运用改进的OTSU算法,提高了分割速度。实验表明,本方法有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速运动有较强的鲁棒性。     

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.     

一种双聚类模型自适应肤色检测算法

当处于照明变化较大的条件下时,即使采用动态阈值技术,也不会使肤色检测结果有较大的改善.为此提出了一种双聚类肤色检测模型及基于该模型的自适应肤色检测算法,在保证肤色聚类效果的前提下,使用双聚类模型及其分布特征,对动态阈值高斯模型的检测结果自动评估,并根据评估结果,在必要时动态地调整肤色区域,以自适应地提高肤色检测性能.实验表明,在图象肤色区域中存在高光或阴影效应、皮肤处于强或弱照明、以及发生轻微色偏等情况下,该算法对肤色检测和分割的结果依然很好,显著地优于动态阈值高斯模型算法的性能.     

Skin photoplethysmography--a review

The photoplethysmograph has been used for over 50 years but there are still misconceptions in how and what is the information obtained. A photoplethysmograph signal from any site on the skin can be separated into an oscillating (a.c.) and a steady-state (d.c.) component, their amplitudes dependent upon the structure and flow in the vascular bed. Many simple applications are available: pulse counters, using the a.c. component, skin colour and haemoglobin saturation meters, using the d.c. component. The d.c. component of the photoplethysmograph signal is a function of the blood flux beneath the device. A good emitter for use in a photoplethysmograph of skin blood flow is one in the frequency range 600-700 nm and the best signal for a.c. analysis is obtained from the finger pulp. The frequency range of the electronic circuitry should be from 0.01 to 15 Hz, then all the information in the signal can be extracted about the autonomic nervous system control of the cardiovascular system, particularly between 0.01 and 2 Hz. Comparative studies may be drawn between similar skin sites on a subject or between subjects if the afferent inputs to the brain stem are controlled or driven at a known frequency. These afferents, inputs, will modulate the efferents, outputs, which generate variations in the a.c. component of the detected photoplethysmograph signal.     

基于纹理的皮肤检测

实时敏感图像检测可以有效地控制国际互连网中的色情图像传播。它的检测手段主要是对皮肤区域进行辨识,而皮肤纹理检测又是皮肤区域辨识中的重要内容。该文采用基于DCT变换和Gabor小波变换两种方法进行皮肤纹理的特征提取,提取的特征作为高斯混合模型(GMM)输入向量,然后通过GMM进行皮肤纹理检测。实验是在360幅敏感图像以及2400幅经过分类的非敏感图像的测试集进行,结果表明基于Gabor小波变换的皮肤纹理检测取得了比基于DCT变换更好的效果,其正检率可以达到95%。     

A Hyperspectral Space of Skin Tones for Inverse Rendering of Biophysical Skin Properties

We present a method for estimating the main properties of human skin, leveraging a hyperspectral dataset of skin tones synthetically generated through a biophysical layered skin model and Monte Carlo light transport simulations. Our approach learns the mapping between the skin parameters and diffuse skin reflectance in such space through an encoder-decoder network. We assess the performance of RGB and spectral reflectance up to 1 μm, allowing the model to retrieve visible and near-infrared. Instead of restricting the parameters to values in the ranges reported in medical literature, we allow the model to exceed such ranges to gain expressiveness to recover outliers like beard, eyebrows, rushes and other imperfections. The continuity of our albedo space allows to recover smooth textures of skin properties, enabling reflectance manipulations by meaningful edits of the skin properties. The space is robust under different illumination conditions, and presents high spectral similarity with the current largest datasets of spectral measurements of real human skin while expanding its gamut.     

皮肤显微图像的自适应分割

提出了一种针对皮肤显微图像进行自适应分割的方法，其思想是：首先将RGB图像变化到HSI（Hue／Saturation/Intensity）空间；计算图像的S域标准差σ，以σ为判据，当σ较大时，采用最大类间方差法确定分割阈值，当口较小时，采用修正均值法确定分割阈值，最后用数学形态法进行图像后处理完成图像分割，从而解决了大动态范围图像标准差的图像分割。该方法算法简单、实用，实现了不同症状的皮肤显微图像的自适应分割。     

人体的肤色特征

肤色特征在MPEG4、基于内容的图像检索、虚拟现实等领域有着广泛的应用.目前肤色聚类的方法有很多,结果各异,但都没有涉及颜色现象的本质.探讨了人体肤色的基本问题:影响肤色聚类的颜色空间、光源颜色对聚类的影响以及颜色恒常性.提出了用于肤色聚类的新的颜色空间,给出了光源变化和图像数据之间的关系,证明了图像中高光和阴影只影响肤色的饱和度.在此基础上,还给出了人体肤色的聚类结果以及肤色特征在复杂环境中的人脸检测和手势识别中的应用.     

iPhone应用可以为皮肤做检查

<正>据国外消息称,苹果应用程序商店上上架了一款软件iPone应用程序Skin Scan,可以利用它对皮肤进行扫描,它可以检查皮肤黑色素瘤,可以提醒用户皮肤上的哪些痣可能不太健康。Skin Scan通过拍下皮肤上痣的照片,经过一定程序来检查痣在皮肤中的分形形状,依此来诊断该痣的是否健康。如果该痣发育异常,那么它很有可能成为一个致癌的黑色素瘤。Skin Scan是一个非常智能的应用,它可以根据全球各地的人们的痣的情况,实时生成一张地图,因而我们可以看到全球皮肤癌发病率的分布图。     

一种基于降维的肤色特征提取和肤色检测方法

本文提出了一种综合多个颜色空间分量的肤色特征提取方法,并通过SVM分类器进行肤色和非肤色的分类,从而实现肤色检测。特征提取先后采用了PFA和KPCA算法。肤色检测的实质是肤色和非肤色分类问题。针对先前提取的特征,采用基于SVM分类器进行分类。实验结果表明,基于PFA、KPCA特征提取和SVM分类的肤色检测正确率可以达到87.76%,误判率仅为14.62%。     

几种皮肤检测算法的仿真

论文将两种传统的皮肤检测算法,基于RGB颜色空间的肤色检测法和基于椭圆皮肤模型的肤色检测,以及一种新的基于机器学习的皮肤检测算法进行了仿真与比较.