肤色检测最优空间

在综述现存肤色检测算法所使用不同颜色空间的基础上,基于一个含有1894张图像的样本库,采用肤色内聚性和肤色一非肤色类可分离性指标以及相应的分类器性能评估准则,考查了包含所有常用颜色空间的15个3维颜色空间和15个2维色度平面,建立了一个完善的肤色空间评价体系．结果表明：线性颜色空间是最优的肤色空间类,去除亮度信息将降低肤色一非肤色的类可分离性,并导致分类性能的退化．     

基于新颜色空间YCgCr的复杂背景图像下的肤色区域检测

肤色信息在基于彩色图像的手势识别、人脸检测与跟踪和基于内容的不良图像过滤等应用中,起着非常重要的作用.为了有效地检测图像中的肤色区域,采用了类似于YCbCr颜色空间的新颜色空间YCgCr.为了说明YCgCr颜色空间的优越性,给出了该颜色空间与YCbCr颜色空间和Karhunen-Loeve （K-L）变换颜色空间中多样实验操作的比较.实验结果表明,用同样肤色样本得到的肤色阈值对相同的测试图像集进行肤色检测时,YCgCr颜色空间具有很好的肤色区域检测效果,漏检率和误检率均低于其它两个颜色空间的漏检率和误检率,并且对于不同的光照条件有较好的鲁棒性.     

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YCgCr颜色空间的肤色检测方法

提出了一种可变光照条件下的肤色检测算法.该方法分析了YCgCr颜色空间特征,使用贝叶斯规则来建立肤色分类器,在Y-Cg和Y-Cr两个子空间联合建立完整的肤色模型,分析比较了在相同方法下YCbCr和YCgCr颜色空间的优越性.实验结果表明,YCgCr颜色空间上得到的误检率和漏检率均低于YCbCr颜色空间,该算法可适用于较广范围的光照条件,可以有效地从复杂背景的彩色图像中检测出肤色区域.     

YCgCr与YCgCb颜色空间的肤色检测

自然界存在很多和肤色相似的颜色,给人脸检测带来了很多的困难。提出了结合Cg-Cb颜色空间的圆形肤色聚类分布和Cg-Cr颜色空间的平行四边形肤色聚类分布的肤色检测法。实验结果发现在人脸处于复杂背景的条件下,该方法简单易行,检测速度快,能去除大量的非肤色,并且极好地保留了肤色。     

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.     

基于YCgCr颜色空间的光照自适应的肤色区域检测*

为了校正由于光源颜色变化而引起的图像色彩的偏差,在RGB颜色空间基于Gray World假设,采用颜色平衡方法对输入的彩色图像进行颜色校正;为了有效地检测彩色图像中的肤色区域,采用了新颜色空间YCgCr,并在该颜色空间建立了联合亮度信息和Cg-Cr色度查找表的肤色模型.大量实验结果表明,该模型具有较强的光照适应性,可应用于复杂环境下的彩色图像中的人体肤色区域检测.     

YCgCr颜色空间的肤色聚类人脸检测法

由于YCgCr颜色空间好的聚类性。提出一种在YCgCr颜色空间的人脸检测,首先肤色在CgCr颜色空间进行投影,对像素点区域进行拟合,初步去除图像中的非肤色,得到肤色第一次分割的图像,实验证明这种拟合可以起到好的去除非肤色像素的作用。然后把YCgCr颜色空间作为肤色模型建立彩色空间,用高斯模型在已提取的图像上进行人脸检测。实验证明在对CgCr空间拟合的基础上,再运用高斯模型进行人脸检测,该算法提高了人脸检测的速度,并且有较高的检测率和较低的漏检率。     

基于HSV与YCrCb颜色空间进行肤色检测的研究

对肤色检测所适用的颜色空间进行研究,通过对比HSV和YCrCb颜色空间进行肤色识别的受亮度影响的程度,通过数据得出哪一种颜色空间更加适合进行肤色检测。     

基于颜色的皮肤检测综述

在系统回顾和比较了基于颜色的皮肤检测的方法和技术(其中包括:颜色空间选择、肤色建模方法、动态跟踪模型以及光照不变性与自适应模型)的基础上;基于一个包含1 894张图片的大样本库,着重比较了肤色在14个3维颜色空间和14个2维色度平面中的分布紧致性、肤色与非肤色类之间的可分辨性,以及肤色概率图(SPM)、高斯混合模型(GMM)、自组织映射图(SOM)和支持向量机(SVM)在这些颜色空间中的皮肤分类性能。比较结果表明:(1)颜色空间的变换并不能改善肤色紧致性、肤色-非肤色可分辨性以及分类等性能,但RGB及线性变换空间却具有较好的类可分辨性和分类性能;(2)去除亮度信息将明显降低肤色和非肤色之间的可分辨性和分类性能;(3)Bayes决策下的3维SPM的分类性能是最优和空间无关的,而其余分类器则普遍存在类似的“空间偏好性”;(4)同时采用肤色和非肤色模型的分类器的分类性能优于仅使用肤色模型的分类性能。     

多颜色空间取色器的设计与实现

目前常用软件使用颜色时多以RGB颜色空间为主,也有少数软件使用了HSB、Lab、CMYK等颜色空间。在肤色检测研究领域,RGB颜色空间已经满足不了研究需要,通常会采用HSI、HSV、YCbCr、YIQ、YUV等颜色空间,用于提高肤色检测的准确率和检测效率。针对常见软件的不足,给出了一款基于多颜色空间的取色器,实时抓取光标位置的颜色,并转换为HSI、HSV、YCbCr、YIQ、YUV颜色空间的表示形式,能让用户直观的看到同一颜色在不同颜色空间的各个分量值,加深用户对各种颜色的理解。     

面向视觉交互的室内肤色建模研究

肤色检测是视觉交互技术中的重要环节.本文通过分析室内光照条件下的肤色分布特性,提出了基于Ada-boost的肤色建模技术,实现了肤色建模过程与颜色空间选择的有机结合,所构建的特征空间具有良好的类别区分性,弥补了传统方法仅能针对特定颜色空间进行肤色建模的不足.多种肤色建模方法性能比较实验表明:本文所提出的方法能更好地满足视觉交互对识别率和实时性的要求.     

基于新颜色空间YCgCr的人脸区域初定位

在RGB颜色空间采用了颜色平衡方法对发生色彩偏移的输入图像进行颜色校正;在新颜色空间YCgCr上建立了亮度和Cg-Cr色度查找表联合的肤色模型,对肤色区域进行检测;引入了有效的预处理技术,进一步去除肤色分割后的二值图像中的部分非人脸区域,减少人脸定位的搜索区域。最后在两个图像测试集上进行了实验比较,实验结果表明,该肤色模型可以有效地从复杂背景的彩色图像中检测出肤色区域,光照条件适应性好,且引入的预处理技术在保证漏检率低的前提下,能够去除大部分非人脸区域。     

肤色检测技术综述

肤色检测在人脸和手势识别与跟踪、Web图像内容过滤、数据库或因特网中的人物检索和医疗诊断等方面有广泛应用,文中通过分别介绍基于统计和基于物理的两类肤色检测技术,较全面地综述了肤色检测技术,其中对颜色空间选择、静、动态肤色建模方法、肤色反射模型和肤色波谱特性等肤色检测重要环节做了分析,明确了选择颜色空间与特征提取和分类方法的联系,强调了研究肤色波谱特征对基于物理的肤色检测技术的重要性,最后探讨了肤色检测的技术难题和发展趋势。     

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.     

一种适用于人脸检测具有强聚类能力的新颜色空间YCH

利用肤色信息检测人脸是一种快速而有效的方法,但选取合适的颜色空间是一个十分棘手的问题。文中提出一种自适应颜色空间YCH,将最常用颜色空间的优点融合到一个新的简单的非线性变换,其中所有的变换系数都能根据人脸图像中每个像素自身的特性自动调整,因而可有效消除影响肤色与非肤色分类结果的各种不利因素。实验结果表明提出的颜色空间对各类人脸图像都有很强的聚类能力。     

基于支持向量机的肤色检测

根据支持向量机理论和肤色信息分布特点,提出用支持向量机方法进行肤色检测.在YCbCr、YIQ、YUV颜色空间中,去除照度分量,分别以各像素点的色度向量为输入,用像素点所属类别--皮肤区域与非皮肤区域为输出,建立各颜色空间的支持向量机肤色检测器.实验表明,该方法具有良好的肤色检测效果.     

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.     

基于边缘跟踪方法的肤色区域检测

常用的肤色模型只针对肤色的颜色信息,在较复杂的光照情况下检测效果不理想。为此,结合肤色在HSV颜色空间的分布特点以及肤色区域的边缘信息,提出一种应用于肤色区域检测的边缘跟踪方法。实验结果表明,该方法能准确检测图像中的肤色区域,检测结果优于传统的肤色模型,且对侧光、阴影等具有较好的鲁棒性。     

自适应的快速人脸肤色转移

目的 图像之间的颜色迁移技术是近些年来研究的热点,如今社会这种技术更多地应用于生活中相片的颜色调节,而传统的颜色迁移技术都是面向图像一般化处理。提出了一种针对于肤色的自适应颜色迁移算法。方法 首先,用户通过人机交互指定图像需要肤色变换的区域,在YCbCr空间内,初次获得肤色区域,实现肤色数据的粗提取。其次,利用在lɑβ空间中肤色分量的分布特性,实现对纯肤色信息的精确提取。最后,通过对应的转换规则,实现对肤色的转换。结果 实验数据显示,该算法实现的转换后的肤色相比于其他算法,肤色特征更自然,在人脸区域避开改变非肤色区域的色彩信息,并且保持了处理前图像的清晰度,具有很强的应用性。结论 该算法只对选择的肤色信息进行处理,避开非肤色数据,保持了其他事物的原有色彩,实现对肤色的自适应选取,实现自动肤色迁移,在差别很大的肤色之间实现的转换也取得了较好的效果。