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.     

基于肤色和区域形态的视频图像人脸检测

本文针对复杂背景下的视频图像系列，提出了基于肤色和区域形态相结合的人脸检测算法。其算法首先采用高斯模型来模拟肤色分布并构造出肤色概率图进行人脸的初定位，再利用区域生长对其进行分割初步达到潜在脸区和非脸区分离，最后对潜在脸区采用形状分析的准则进行排除。实验证明，此算法对一些外部影响如姿势变化、人脸旋转和脸部表情具有一定的鲁棒性。     

视频安保系统中人脸的快速检测和定位

文章提出了一种在实时视频安保系统图像中快速检测人脸和定位人脸的方案．并利用VC 6．0设计了一套基于PC机的软件将其实现。对摄像机实时采集的图像．首先利用差分检测的方法，剔除大部分背景区域，然后利用肤色检测准确定位人脸。实验证明该方法快速、有效适用于实际的视频安保系统。     

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。     

复杂背景下视频序列中的人脸定位算法

视频序列中的人脸定位是利用视频图像进行人脸识别的关键技术.为提高视频序列中人脸定位的准确性,通过分析彩色视频序列中的人脸特点,提出一种采用背景去除、肤色区域探测、水平亮度投影和垂直梯度运算、特征点拟合等人脸模板特征的方法,对视频序列中的人脸进行定位.实验结果表明,该方法定位的人脸能够满足实际应用,已利用本方法开发了人脸门禁系统.     

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。     

视频监控中人的运动检测方法研究与实现

为了提高视频监控的实时性、准确性和可靠性,引入运动目标检测非常必要,而在此基础上的人运动检测更是后续各种高级处理的基础。根据视频监控的特点,采用一种基于自适应背景图像估计与当前多帧图像的混合差的算法来实现快速精确地检测和提取运动目标区域,并充分利用视频图像的时域连续特性和人脸肤色信息,实现快速可靠的人脸定位,从而准确定位人运动区域。实验表明,该算法对人的运动检测在光线、姿势变化等情况下具有良好的鲁棒性,适于实时监控系统的应用。     

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。     

信息视频图像人脸检测算法研究

本文首先采用运动信息检测算法,根据帧图像中是否包含运动信息判断图像中是否包含人脸区域,决定是否对该帧进行肤色分割,然后依据非线性的YCbCr肤色模型对需要检测的帧进行分割,进一步确定人脸区域的大致位置,并进行了仿真实验,实验结果表明该算法能够对视频图像序列中的人脸进行检测,具有良好的性能和一定的研究参考价值。     

视频中的多视角人脸检测与姿态判别

提出了一种基于多种信息融合的多视角人脸检测方法.对视频图像通过对称差分算法检测运动区域,利用神经网络肤色模型对运动区域进行肤色识别,将多视角多人脸检测简化在候选区域内;最后通过集成多神经网络,其中每个神经网络负责一定视角的图像,实现了人脸验证,同时可以粗略地判定人脸姿态.实验结果表明该算法可适应不同的光照环境,检测不同大小,不同视角的人脸.     

光照鲁棒性较强的肤色检测算法

针对人脸肤色检测效果受光照影响较大的不足,提出了一种稳定性好的肤色检测算法。首先根据人脸左右对称的特性,采用像素修正算法将人脸区域上的过亮或过暗像素点替换为正常亮度下的像素点;然后采用一种根据像素点亮度的不同动态地确定色度阈值的自适应方法进行肤色检测。实验结果表明,相比YCbCr单高斯模型肤色检测等算法,所提算法在强弱不同的光照情况下提高的正检率超过了10%,误检率降低了5%,而且稳定性明显增强。     

基于单环和肤色选择的FGS视频编码

提出了一种在增强层中引入肤色选择的检测算法,利用该算法定位出人脸区域,并将其作为感兴趣区域,进行位平面提升、优先编码和传输。由于该算法会在一定程度上降低整体的编码效率,因此在基本层上引入了单环算法来提高整体的编码效率。试验结果表明,基于单环和肤色选择的FGS视频编码算法能够很好地改善视频的主观质量,也能够较大程度地提高FGS的编码效率。     

基于肤色动态手势区域的标定

针对视频序列中的运动手势,提出一种基于肤色和运动特征的快速标定方法。首先采用帧间差分法提取出运动手势目标;在YCbCr色彩空间中,利用肤色的Cb和Cr分量的高斯分布特性,检测出运动手势目标的肤色区域;经过阈值分割得到手势二值图,利用矩形框将手势区域标定出来。并在实验中证明该方法的有效性。     

监控摄像机视频去隔行和CUDA加速

监控摄像机的隔行扫描是造成视频降质的重要因素,因此需要在进一步处理前对其进行去隔行。针对典型的视频监控场景,提出了一种快速有效的运动自适应去隔行算法。采用同极性4场运动检测法提取运动信息,将图像分为静止区域、运动区域和混合区域;对静止区域采用直接的场合并,对于运动区域采用改进的基于边缘的插值,混合区域则采用基于运动向量的加权平均。为提高算法的实时性,基于Nvid ia的CUDA技术对算法进行了GPU加速。实验结果表明,本文提出的去隔行算法插值精度高,边缘处理效果好,经过GPU加速后,处理速度也得到了大幅提高。     

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.