基于YCgCr色彩空间的人脸检测技术研究

讨论一种复杂背景下彩色图像的人脸检测方法。在RGB色彩空间对输入图像进行光照补偿,采用YCgCr色彩空间的高斯肤色模型来分割肤色区域,对肤色分割后的二值图像进行数学形态学和连通区域的分析和处理,尽可能去除大部分非人脸区域,最终定位出人脸区域。实验证明,该方法对不同光照条件和复杂背景下的图像有较好的适应性和检测效果。     

基于肤色模型和FCM动态聚类的人脸检测

针对复杂背景下彩色图像中的人脸检测,研究一种基于非线性分段色彩变换、肤色模型和FCM动态聚类算法的检测方法．算法首先进行颜色空间映射及非线性分段色彩变换,再利用肤色分布模型,对肤色似然度图像进行自适应的肤色分割,进一步采用线段编码从分割后的图像中提取区域特征向量,最后利用FCM动态聚类方法,从复杂背景中检测出人脸区域．实验证明,该方法具有较高的准确性和适应性．     

基于肤色及改进的Adaboost算法的人脸检测

为提高人脸检测的实时性和准确率,提出一种基于肤色与改进的Adaboost算法结合的人脸检测新方法。首先在YCbCr色彩空间下建立混合高斯肤色模型处理待检测图像,分割出肤色区域得到候选人脸区域。然后通过Harr矩形特征扩展与样本权值更新改进Adaboost算法,进行人脸检测。实验表明,该方法较好地处理了复杂背景下彩色图像人脸检测的漏检、错检问题,提高了检测速度和精度。     

基于肤色和Adaboost算法的人脸检测

人脸检测是人脸识别的第一环节,也是非常关键的环节。试验中主要针对静态彩色图像进行人脸检测,研究肤色在人脸检测中的应用。不同图像背景、人脸的可变性和光照条件变化都增加了人脸检测的难度。因此,从一幅图像中检测人脸是一项具有挑战性的任务。采用Adaboost的人脸检测,并提出肤色与Adaboost算法相结合的人脸检测方法。对输入的彩色图像进行从RGB空间到YCbCr空间的转换,然后进行肤色分割,排除背景干扰,最后用Adaboost算法对可能区域进行检测,得到人脸位置。实验表明,该方法误检率低,鲁棒性好,对人脸检测有较强的实用性。     

基于肤色分割与Adaboost融合鲁棒人脸检测方法

人脸检测广泛应用到人脸识别、数字视频处理、安全访问控制、视觉监测、基于内容的检索等领域.比较众多人脸检测算法,文章提出了一种改进的基于Adaboost算法的人脸检测算法.该算法的核心是肤色分割结合基于Adaboost算法的人脸检测.首先,对彩色图像进行肤色分割,通过肤色区域的大小和长宽比等规则去除部分类肤色区域,得到可疑的人脸区域.其次,基于Adaboost算法的灰度特征得到最终的人脸.通过大量彩色图像的实验,证实了该方法的准确性和鲁棒性.     

彩色图像特征空间变换的新算法及其应用

本文提出了一种彩色图像特征空间变换算法.该算法基于高维形象几何与仿生信息学理论,根据人眼特性,利用彩色图像中彩色信息的变化进行特征空间变换,能够提取出不受光源影响的图像特征.在彩色图像人脸检测应用中,与常见的肤色分割方法不同,该算法不需对肤色建模,不对彩色图像进行非线性彩色空间变换,而是直接将彩色原图变换到特征空间,在特征空间中定位平均脸特征数据的最佳匹配点.本文最后将该算法应用于复杂光源彩色图像的人脸检测中,实验结果验证了算法的有效性和鲁棒性,具有明显的应用价值.     

一种肤色定位的人脸检测算法

进行人脸识别前,首先要精确定位出一幅图像中人脸的位置,为了快速定位人脸位置,本文提出一种肤色定位的人脸检测算法。首先将实际获取的彩色图像转换为YCbCr和HSI空间图像,并将Cb和Cr图像中的数值进行四舍五入处理,结合Cb、Cr、H和S的阈值去除大部分背景,再统计当前图像中的彩色部分的Cb和Cr值,分别取最多2个数值来共同确定肤色位置,最后由当前位置的亮度信息图像排除手等纯肤色部分,准确定位人脸。本文算法能提高正检率并降低误检率,有利于人脸检测。     

一种基于肤色分割的彩色图像人脸检测算法

针对复杂背景下的彩色图像,提出了一种基于肤色分割、几何特征相结合的人脸检测算法。利用肤色模型通过最大类间方差法自动优选阈值分割图像,得到肤色区域;通过分析肤色区域的特征,用椭圆面积准则方法最终确定人脸位置。     

复杂背景下的人脸检测新算法

提出了一种适用于复杂背景下的人脸检测新算法.首先对彩色图像进行光线补偿,减小由光源等因素影响引起的色彩偏差;然后对YCrCb色彩格式进行分段线性色彩变换,通过在此基础上建立的肤色模型得到候选人脸区域;最后通过对图像进行总体投影来分离候选人脸区域,再对分离出的区域进行局部投影来确定人脸位置.实验结果表明,该算法可以有效运用于多人脸、不同姿态、不同肤色及复杂背景的情况,对不同的测试图像,检测正确率达到94.7%.     

基于HS-CbCrCg肤色模型的人脸检测算法

传统的人脸检测方法对于复杂背景彩色图像中人脸区域检测效果不理想。本文首先对不同光照条件下的输入图像进行光补偿和图像增强的预处理,然后利用HS-CbCrCg颜色空间建立肤色模型对图像进行肤色判别,之后用改进的Adaboost算法检测肤色区域的人脸信息,最后对重点区域重检测判别出确信人脸。实验数据表明,此方法对比传统的人脸检测方法,处理速度更快同时能够降低人脸漏检率和误检率。     

复杂背景下人脸检测的数学形态学运算方法

皮肤的颜色特性被广泛地应用于人脸检测和跟踪中,本文采用HSV空间与归一化RGB空间相结合的肤色模型,提取原始图像中的类肤色区域作为候选人脸目标;采用数学形态学算子,分别用来完成去除噪声和干扰,分离侯选目标,提取眼睛嘴巴孔洞,以及标示人脸轮廓等处理过程。大量实验表明,该方法能有效地剔除臂和手等非人脸肤色目标;能克服人脸遮挡,姿势和方向变化,大小差异,光照变化等造成的困难;该方法的计算开销较小,易于实现,适合快速人脸检测。     

基于肤色分割和改进AdaBoost算法的人脸检测

为解决当被检测图像中具有复杂背景或者含有多人脸时,不能够快速准确的进行人脸检测的问题,本文提出一种基于肤色分割和改进AdaBoost算法的人脸检测方法。首先利用肤色分割方法对样本图像实现图像的预处理,排除样本图像的复杂背景和人体非肤色区域,简化后续的人脸检测工作。然后对AdaBoost算法的弱分类器使用双阈值判决方法,以减少弱分类器个数,提升训练速度;改进权值更新规则,防止训练过程中出现过分配现象。最后对基于肤色分割得到的区域图像利用改进后的Adaboost算法进行最后的精确人脸检测。仿真试验表明,两种算法结合后在训练速度上提升,在检测速度和检测率上有明显提高。     

Real-time Face Detection using Skin Color Model

1　Introduction　Facedetectionandrecognitionarestilltoughtasksofpatternrecognition ,in particularinreal timeapplica tions ,e .g .,securitysystems ,humanandmachinein teraction ,smartmediasystems,andsoon .Thediffi cultiesaremainlyduetothevariationsofilluminationconditions,viewpoints,pose ,imagesize ,etc ..Facedetectionisthecrucialstepinfacerecognition .Ifthepresenceofhumanfaceisdetected ,thelocationandsizeofthefaceregionarereturned .Overthelastthreedecades,manyfacedetectionmethodshavebeendevel …     

基于肤色的实时人脸检测算法研究

研究了一种基于肤色的人脸检测算法的设计与实现过程。在YIQ颜色空间中,进行了有效的肤色提取,把提取到的肤色与背景图像信息转为二值图像进行形态学降噪处理,再采用质心定位法进行准确的眼睛定位,最后对检测到的人脸图像进行缩放、旋转、移位校正,以提高输出人脸图像的质量。实验结果表明,本文所提的算法具有很高的准确率与检测速度,能够适用于实时人脸检测系统。     

基于L^＊a^＊b^＊肤色模型和数学形态学的人脸检测

提出利用L*a*b*肤色模型和数学形态学相结合的方法,实现彩色图像人脸检测.建立L*a*b*颜色空间的肤色模型,利用该模型提取肤色区域;然后,用数学形态学算子,完成去除噪声和干扰,分割候选目标等处理过程;最后,利用人脸的比例关系框选出人脸区域.实验表明,该方法计算开销较小,易于实现,准确率较高,速度快.     

视频图像中人脸自动检测与统计算法

针对视频中人脸检测由于成像角度、天气状况、遮挡等因素造成检测准确率偏低以及深度学习模型计算复杂度高的问题,文中提出了一种基于椭圆肤色模型与AdaBoost的人脸检测算法。算法通过选取Haar-like特征作为弱分类器,以裁剪过的CAS_PEAL数据集中的人脸图像作为训练集,利用AdaBoost算法将多个弱分类器组合成一个强分类器,最后将若干强分类器以级联的结构组成最终的分类器模型。为解决将非人脸区域检测为人脸的问题,引入椭圆肤色模型,利用椭圆肤色模型对视频帧进行处理使得图像中与肤色相似的区域进入后续的人脸检测过程以降低误检率。实验结果表明,算法能以平均26 ms(单人脸视频)和平均34 ms(多人脸视频)的检测速度进行实时的人脸检测,且达到了87.2%的检测准确率,具有较大的应用推广价值。     

基于特征点定位与肤色分割的胡子检测算法

针对具有一定程度偏转和模糊的人脸图像难以实现胡子检测的问题,提出基于人脸特征点定位与肤色分割的胡子检测算法.该算法的设计思路是首先使用主动形状模型(ASM)算法定位人脸特征点进而获取下巴区域,然后利用提出的自动选择聚类中心(ASCC)的肤色分割算法分离出下巴的非肤色区域,最后在下巴非肤色区域中使用胡子颜色判别法检测得到胡子.在LFW人脸库上的实验表明,该算法能够准确地检测出入脸的胡子,特别地,对有一定程度偏转和模糊的人脸图像,算法依然能获取良好的检测效果.