利用彩色空间肤色模型实现快速人脸检测

本文采用在彩色空间建立肤色高斯模型的方法进行人脸区域与非人脸区域的大致分离,然后在分离结果中根据每一个8连通区域的形态特点和人脸的几何特征,去除误检出的非人脸区域。本文中彩色空间选用HSI和YCbCr彩色空间,相较于RGB彩色空间,这两种彩色空间都可以将亮度信息与色彩信息分离,减小了亮度不同所造成的影响。该方法具有操作简单,计算量小,快速、不易受表情姿态影响等优点。实验结果表明该方法可以作为特征提取前,提高图像处理效率和准确度的图像预处理操作。     

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YCbCr肤色模型和SNOW分类器的人脸检测

人脸检测是人脸识别的首要步骤,在人脸识别领域有重要的应用价值。基于YCbCr彩色空间,提出一种RGB彩色图像的人脸检测方法。该方法利用YCbCr肤色模型进行肤色分割,得到类肤色区域作为侯选人脸区域;结合split up Sparse Network OfWinnows（SNOW）分类器准确定位人脸的位置应用matlab编程技术对多组图像进行实验,结果表明,该方法适用于复杂条件下的人脸检测,并且不受人脸表情的限制,对于多人脸检测同样适用。     

基于肤色与结构特征的人脸检测与跟踪

首先使用基于YCbCr色彩空间的肤色高斯概率模型，对彩色图像进行肤色分割，得到候选人脸区域，接着提取候选区域的几何结构特征形成特征向量，利用bp神经网络进行候选人脸的判决，以此获得人脸的初始跟踪位置；后续的跟踪使用帧间差分法来确定人脸的移动方向和位置。该方法提高了人脸的检测速度和正确率。     

一种面向肤色检测的最优彩色空间描述方法

提出一种面向肤色检测的最优彩色空间描述方法。该方法将肤色和非肤色看作两类模式,先后采用基于Fisher的特征提取准则,基于均值可分性信息以及协方差可分性信息的特征提取方法提取一个面向肤色检测的最优彩色空间描述。实验中,从主观和客观评价两个方面验证了该彩色空间描述比其他经典彩色空间具有更优异的性能,并更有利于肤色检测。     

肤色模型快速人脸检测算法研究

为提高人脸检测效率．研究实现采用肤色模型的低分辨率视频快速人脸检测算法。主要步骤包括采用Gray World方法的图像预处理、图像二值化和形态学处理等,从而实现快速人脸定位。实验结果证明该方法的正确性、快速性和有效性。该算法可以为后期人脸特征检测的精确定位奠定基础。     

基于YCbCr空间的高斯肤色模型的人脸检测

主要研究人脸检测算法,分析了现有人脸检测算法的特点和不足之处。采用基于YCbCr空间的高斯肤色模型,利用颜色信息把彩色图像分割成皮肤区、头发区和背景区。对皮肤区进行去噪处理,实现脸部区域的具体定位,然后对人脸上的眼睛、嘴巴和鼻子定位。给出了人脸检测的模块设计和算法流程。     

基于新的肤色模型的人脸检测方法

基于灰度信息的人脸检测方法在转换过程中会损失原图像中部分有用信息。通过对肤色在YCbCr色彩空间分布的统计分析,提出一种在彩色域中建立肤色模型的方法,并建立了较为准确的肤色模型。在此基础上,根据人脸几何结构特征进一步识别人脸。利用芬兰奥卢大学的基于物理学人脸数据库等一些图像数据检验方法的性能,实验结果表明该方法在较大的光照变化条件下均具有较好的检测率。     

基于三维肤色模型的人脸检测预处理方法

为了改善在光照变化和复杂背景影响下的人脸检测效果,在预处理阶段提出一种基于直接最小二乘拟合的三维肤色聚类模型算法。该算法首先将肤色在CbCrCg空间中的三个平面投影分布作为拟合对象,然后使用中值滤波和Sobel算子获取平滑边缘,最后通过直接最小二乘拟合法获取最佳三维肤色模型。在实验中分别将公共人脸库和户外拍摄的人脸图像作为实验对象,实验结果表明,该算法较传统肤色预处理算法具有更好的肤色分割效果,并且能够有效地提高人脸检测率。     

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．     

复杂背景下基于模糊集的快速人脸检测

针对如何在复杂背景下快速定位人脸并对其进行确认的问题,提出了一种基于模糊集的快速人脸检测方法.该方法利用肤色模型对图像进行肤色检测,获得肤色分割区域后,并利用数学形态学算子对分割区域进行处理并获得人脸候选区域,再结合模糊集理论,融合人脸的特征进行模糊事件的判断,确定人脸候选区域是否包含真正的人脸.实验结果表明,该算法具有较强的鲁棒性和高的正确检测率,并能满足实时应用的要求.     

改进基于HSV空间的阴影检测算法

为实现复杂视频中前景目标的分割,需要解决前景目标准确提取难题,但在光照情况下,会受到阴影影响。为解决这一难题,提出一种结合高斯混合模型的HSV颜色空间阴影检测算法。对HSV颜色空间阴影检测进行修正,消除对非运动目标区域阴影的误检,加入运动目标轮廓检测,消除运动目标边缘阴影误检,得到运动目标阴影的准确检测。实验结果表明,该算法能有效检测复杂背景下的阴影目标,为获得准确分割前景目标奠定基础。     

自适应肤色检测算法的研究

针对Hsu提出的椭圆肤色检测模型的局限性,提出了一种自适应肤色检测模型。在Hsu的统计模型基础上,根据光照条件自适应改变其椭圆模型的长短轴,以取得最好的肤色检测效果。实验结果表明,本文算法有较强的光照适应性,所提出的自适应肤色检测模型效果优于Hsu的椭圆模型。     

基于颜色和纹理的皮肤检测方法

提出一种新的基于颜色和纹理特征的皮肤检测方法,应用JSEG算法将图像分割成任意形状的相似图像区域集,然后从中提取颜色特征和纹理特征,最后应用高斯混合模型（Gaussian Mixture Model,GMM）,并根据一定的判断准则（综合考虑颜色特征和纹理特征）进行皮肤和非皮肤区域分类．     

基于YUV颜色空间的视频运动检测

给出了一种结合YUV颜色空间色度和亮度进行运动检测的算法,该算法首先采用单高斯背景建模,然后利用当前帧和背景帧像素的色度分量差分进行运动检测,并将膨胀后的色度检测结果和亮度检测结果进行与运算,得到色度和亮度联合检测结果.最后利用数学形态学闭运算和连通区域面积阈值化的方法对检测结果进行后处理,实现运动物体内部空洞的填充和周围较大噪声点的消除.实验结果表明,该算法能克服亮度变化和阴影的影响,取得较好的检测结果.     

基于肤色与肤色矩实时视频人脸检测与跟踪

提出了一种新颖、鲁棒、实时人脸检测与跟踪算法.该方法采用背景差分法提取运动区域,对运动区域利用肤色归一化RGB和HSV色彩模型的聚类性,得到人脸候选区域.利用人脸几何信息和孔洞信息对人脸候选区域进行验证.基于肤色矩特性,对人脸区域进行跟踪与预测.通过对不同背景条件下的人脸检测与跟踪,实验结果表明,所提算法不仅检测率高,且对光照,人脸姿态的变化具有较强的鲁棒性.基于480×360图像处理速度平均为25帧/秒,可满足系统实时性要求.     

基于均匀颜色空间的木材分类研究

木材材色在各种颜色空间中的分布范围都比较窄,而利用CIEl976L*a*b*均匀颜色空间的等距性和色差高分辨力的特点可以很好地对其进行测量与辨别.在l*a*b*颜色空间中,提取了东北常见的5种树种的径切和弦切木材图像的颜色特征,然后采用模拟退火算法对这些特征进行了选择,并结合BP神经网络和k-近邻两种分类方法进行了仿真试验,得到了满意的分类结果.     

自适应搜索目标的快速彩色复合人脸检测方法

针对AdaBoost人脸检测方法搜索时间较长,不利于在手机等嵌入式平台上应用的现状,提出了一种结合肤色分割、人脸几何特征和AdaBoost的自适应搜索窗口和搜索步长的快速人脸检测方法。该算法在HSV颜色空间对图像进行分割,结合人脸几何特征对分割后的灰度图像进行面积滤波。最后提取滤波后的图像轮廓,结合经验系数得到自适应搜索窗口和搜索步长。实验结果表明,自适应算法不仅能检测出不同尺寸的人脸,而且检测速度快,能节省51.17%的搜索时间。