基于肤色分割的复杂背景图像的人脸检测

提出了一种基于肤色分割和KL变换相结合的检测人脸的方法。首先利用肤色模型将彩色图像分割成肤色区域和非肤色区域，然后对肤色区域进行预处理，剔除一些不包含人脸的区域，最后对肤色区域进行KL变换，通过椭圆面积；位则．确认人脸区域。实验结果表明这种方法能较好地在复杂背景中检测出人脸。     

基于肤色分割的复杂背景图像的人脸检测

提出了一种基于肤色分割和KL变换相结合的检测人脸的方法。首先利用肤色模型将彩色图像分割成肤色区域和非肤色区域,然后对肤色区域进行预处理,剔除一些不包含人脸的区域,最后对肤色区域进行KL变换,通过椭圆面积准则,确认人脸区域。实验结果表明这种方法能较好地在复杂背景中检测出人脸。     

一种基于KL变换和镶嵌图模型的人脸检测方法

提出了一种基于KL变换和镶嵌图模型的人脸检测方法。该方法首先采用KL变换将整个图像空间划分为主元子空间和次元子空间，利用人脸图像大部分能量集中在主元子空间、小部分能量分散到次元子空间这一特点，将人脸从复杂背景中初步检测出来。在此基础上，采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析足够多的人脸图像样本的基础上，针对人脸图像的灰度和边缘信息，建立了一种较为合适的知识库。实验结果表明，该方法能够较好地解决复杂背景下的正面人脸的检测问题。     

基于YCbCr空间与KL变换结合在人脸检测中的应用

本文针对简单背景下的彩色单人脸图像,将YCbCr色彩空间与KL变换结合起来构成一个基于实际应用的人脸检测系统,并对复杂背景和多人脸图像的情况下的检测进行了一定的探讨。     

基于肤色分割和改进Gabor滤波相结合的人脸检测

针对人脸检测问题,提出了一种基于肤色分割和改进Gabor滤波相结合的方法;该方法首先基于YCbCr空间对图像中的背景区域和人脸肤色进行分割,以消除大量的背景区域提高运算速度;接着利用改进的Gabor滤波对提取出来的人脸肤色区域进行卷积得到人脸的特征向量,并和通过训练样本获得的特征向量进行比较以验证是否为人脸;最后通过实验分析,验证了所提方法能够在保证检测精度的基础上有效提高运算速度。     

基于特征组合的人脸跟踪方法

针对复杂背景下的彩色视频序列图像,提出一种基于多特征组合的人脸跟踪方法.该方法采用肤色特征与运动特征来描述视频序列图像中的人脸,分别构造特征似然作为区分人脸目标与背景的置信度,并利用粒子滤波框架原理,用组合的特征似然来表征粒子权重.该方法中提出的自肤色检测算法避免了光线与类肤色像素对肤色特征的影响.在跟踪过程中根据分类...     

一种基于肤色模型和眼睛定位的人脸检测方法

提出了一种基于肤色模型和眼睛定位的人脸检测方法。首先利用肤色模型和掩膜进行粗定位,确定人脸可能区域,然后通过基于方向模板的眼睛定位进行人脸存在的确认和精确定位。实验证明了该方法对于复杂背景下人脸检测的有效性。     

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。     

基于新颜色空间YCgCr的人脸检测与定位

提出了一种基于肤色的复杂背景彩色图像中人脸检测的方法。首先在新颜色空间YCgCr上对输入图像进行肤色检测并应用预处理技术缩小人脸检测的搜索区域;然后在物体区域方向计算的基础上,提出了能够检测任意旋转角度人脸的方法;最后对人脸候选区域采用模板匹配方法检测人脸,去除非人脸区域,降低误检率。实验结果表明,提出的方法对不同尺寸、任意旋转的人脸有较好的检测效果。     

一种基于AdaBoost的人脸检测算法

针对常规基于肤色检测的AdaBoost算法的不足, 提出了一种改进的AdaBoost人脸检测算法,算法包括人体肤色模型、人脸运动检测模型、改进的背景提取方法、针对人脸区域的光照增强方法。算法综合利用了人体肤色信息和人脸运动信息,能有效缩小搜索范围。实验结果表明,该方法与常规基于肤色检测的AdaBoost方法相比,在保证检测性能的基础上,有效提高了检测速度。     

基于小波的纹理合成方法

将KL变换与小波变换相结合提出了一种新的纹理合成方法,利用KL变换克服了合成彩色图时存在的颜色失真;对样图进行二维小波分解使得最佳匹配块的搜索仅在原样图的低频部分进行,从而提高了合成速度。在搜索最佳匹配块时,使用多尺度小波变换后的小波系数的差异作为误差度量,并在比较匹配误差时增加高频系数的权重,突出了纹理结构的匹配。实验结果表明,该方法不仅得到了较好的合成质量,而且在很大程度上减少了合成时间。     

基于无参数Markov随机场模型的彩色纹理综合方法

提出一种基于多尺度、无参数Markov随机场模型和KL变换的彩色纹理综合方法。该方法能捕捉原始纹理的高阶统计特性,综合出与原始纹理视觉一致的彩色纹理图像。实验结果证明该方法对彩色纹理图像的综合非常有效。     

基于神经网络的图像KL变换方法的改进

KL变换作为最优变换在图像压缩中很有应用潜力.传统的基于神经网络的图像KL变换方法存在一些不足.本文提出了一种基于神经网络的图像KL变换的改进方法.该方法的特点是:通过对图像进行行列两次分割得到两组学习样本,分别对两个神经网络进行训练,用训练好的两个网络对原图像进行二次KL变换.对新方法进行仿真,结果表明所提的方法图像压缩效果较好,有效的消除了变换对于分割方向性的依赖.     

基于形状和纹理的人脸自动识别

人脸识别技术在商业和法律上有广泛的应用前景，在安全监控中也大有用武之地。其主要任务是利用已有的人脸图像库，识别静止的或视频图像中的一张或多张人脸．实验首先提取人脸图像的形状和纹理特征，运用广义KL变换降低形状和纹理空间的维数，避开入脸识别小样本集的局限,同时，通过运用具有统计不相关性的最佳鉴别变换，来抽取人脸图像的有效鉴别特征．在包含960幅人脸图像的NUST603人脸图像库上进行识别实验，得到的识别错误率低于4％，且这种方法对人脸的姿态、表情等条件有一定的不敏感性．     

一种用于静态图像车辆检测的颜色变换模型

充分利用车辆的颜色特征,提出了一种新的基于Karhunen-Loeve（KL）变换的颜色变换模型。利用该模型可将所有像素颜色由RGB三维颜色空间变换到一个二维颜色空间上。在这个二维颜色空间上,车辆像素和非车辆像素分别集中在具有较好分离程度的两个区域。在此基础上,利用分类器可实现静态图像车辆的识别。实验结果表明,该颜色变换模型具有较好的车辆分割能力,准确性较高。     

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。     

基于肤色和几何关系的人眼快速定位方法

人眼检测是人脸检测与识别、驾驶员行为分析或MPEG4压缩中的关键技术,为了提高处理速度和检测结果的鲁棒性,提出了一种基于肤色检测和几何特征人眼快速定位方法;通过比较,选用YIQ空间和KL变换联合的方法检测肤色区域,然后运用面积阈值检测出备选人脸区域,并在备选人脸区域中通过灰度特征确定人脸特征区域的位置,并根据人眼的几何位置关系检测出其大致位置;通过对称性和相似性校验所得位置是否为真正的人眼位置,最后运用Hough变换确定人眼瞳孔中心的精确位置;试验表明,该方法操作简单,速度较快,能满足实时处理的要求,对不同的光照条件、姿态以及干扰背景具有较强的适应性。     

基于肤色检测和人眼定位的人脸检测方法

提出了一种基于肤色检测和人眼定位的人脸检测方法。使用基于“基准白色”的色彩平衡方法归一化彩色图像,将图像在HSV空间进行肤色分割,确定候选人脸,采用形态学滤波器对其降噪。在获得虹膜位置的基础上,使用Susan算子定位两个眼角点,从而实现眼睛的精确定位。实验证明提出的方法能够很好的检测人脸、定位人眼,尤其对存在人脸旋转和光照异常的人脸图像有很高的精确度和鲁棒性.