基于自适应光线补偿的人脸检测算法

人脸检测是计算机视觉、模式识别、人机交互中一个很受关注的研究热点.一般的肤色检测算法假定待测图像是在均匀光照下获得的,环境光照变化、光照不均必会影响图像的柔和度,进而影响人脸的正确检测.针对这一问题,提出一种自适应光线补偿的人脸检测算法,应用不同光照情况下拍摄的69幅彩色图像进行对比实验研究.实验结果表明:该方法有效可行,检测率达96.64%,比单纯应用肤色模型法提高检测率7个百分点,降低误检率5个百分点.     

基于改进的肤色空间和几何特征的快速人脸检测研究

提出一种基于肤色分割和几何特征相结合的人脸检测算法。该算法对图像进行光照补偿预处理,增强图像对比度;采用YCg Cr色彩空间的人脸肤色模型,对图像进行肤色分割,得出肤色轮廓;利用人脸的几何特征筛选出人脸区域。实验结果表明,该算法检测率高,实时性好,误检率低。     

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。     

针对机动车驾驶员的人脸检测方法

为了正确检测人脸区域、提高驾驶室内光照不足情况下人脸检测与定位方法的准确性和实时性,采用了肤色聚类的人脸检测方法,利用肤色聚类性将彩色图像分割成皮肤区和非皮肤区。同时,提出一种基于多尺度Retinex算法的改进算法,其能够在人脸检测之前对图像进行光照补偿处理。将改进后的算法应用到新建立的人脸图像库中进行仿真实验,并与传统的肤色聚类人脸检测方法进行对比,其正确率提高了4.7%。实验结果表明:改进后的肤色聚类人脸检测算法可实现对不同光照变化和旋转角度的人脸进行检测,且具有很强的实用价值。     

基于双肤色模型和改进的SNoW算法的人脸检测方法

针对环境与光照对面部肤色提取的影响,提出一种基于双肤色模型和改进的SNo W算法相结合的人脸检测方法。首先,利用自适应光照补偿方法对图像进行预处理,减少光照变化导致的色彩偏差;然后,综合利用YCbCr和HSI肤色模型提取预处理后图像中的人脸信息;最后,结合改进的SNoW算法检测人脸位置。实验结果表明,在复杂背景和光照变化的情况下,该方法可以准确检测和定位人脸,提升了检测效率和提高了算法对于复杂背景、光照、表情的鲁棒性。     

较强光照下肤色结合发色检测人脸的方法研究

研究了基于不同颜色空间的人脸检测算法,并在此基础上针对较强光照条件下或肤色与背景色比较接近时检测算法可能会将人脸检测为背景的情况,提出了一种新的基于肤色和发色的人脸检测自适应算法。实验结果表明,即使在较强光照条件下或肤色与背景比较接近时,该算法一样能准确地检测到正面或略有倾斜的人脸。     

基于YCgCr颜色空间的不良图像肤色检测

针对目前互联网图像内容过滤系统识别率低的情况,提出了一种基于YCgCr空间的不良图像肤色检测方法。首先检测图像中可能存在的人脸区域,利用人脸肤色像素来检测获得人体肤色,其次对不含人脸图像,则利用离线构建的肤色模型来实现肤色检测。实验结果证明,在不同光照以及复杂背景下,该算法能够较好地提高不良图像的肤色检测率和背景检测率。     

利用多颜色信息融合的自适应肤色建模

客观世界中存在不同的光照、肤色和人种等因素,通常情况下难以建立一个通用的肤色模型进行各种裸露皮肤的检测。研究了一种自适应肤色建模方法,即利用AdaBoost算法检测人脸,通过这些人脸区域进行肤色建模。为了取得较好的肤色建模效果,适当缩小了由AdaBoost算法检测到的人脸区域;利用多颜色空间信息融合技术,即通过选取多个颜色空间的若干颜色分量,计算待检测图像中这些分量的各自SPM（肤色概率图）,经过“与”运算融合获得最终检测的肤色区域。该算法不需要考虑光照、肤色和人种等因素,是一种自适应的建模过程。实验表明,该算法可以有效解决绝大多数情况下的彩色图像肤色检测问题。     

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。     

复杂背景彩色图像中多角度人脸检测

提出一种针对复杂背景彩色图像中的人脸检测方法。基于Gray World假设,在RGB颜色空间采用颜色平衡的方法对偏色图像进行颜色校正,在YES颜色空间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。在物体区域方向计算的基础上,提出能够检测任意旋转角度人脸的方法,在人脸候选区域采用模板脸匹配方法定位人脸。实验表明,该方法对不同光照环境、不同尺寸、任意旋转的人脸有较好的检测效果。     

基于多方法融合的人脸图像光照纠正算法

提出了一种人脸识别图像的光照纠正预处理算法.该算法首先将均衡化引入仿射变换算法和光照补偿算法中,改进它们的处理效果;然后采用一种基于直方图灰度重心分布统计的方法,将多种预处理算法有效地融合在一起,得到新的光照纠正预处理算法.实验表明该算法具有光照无关性,能取得良好的光照纠正效果,并可大幅度提高复杂光照环境下的人脸识别率.     

利用色彩直方图特征进行偏色图象的自动检测和校正

在肤色检测、人脸识别、图象和视频检索的研究中，大量算法都是基于对图象色彩特征进行分析的，然而当图象发生偏色时，这些算法的性能会明显下降，甚至无效，而且由于现有的偏色校正算法，引入了其他关于偏色图象的先验性信息，具有很大的使用局限性，为此，提出了一种在只给出偏色图象的条件下，进行偏色检测和自动校正的算法．该算法首先获取并分析偏色图象在RGB各通道内的直方图特征，然后参照这些特征检测偏色通道，并通过调整偏色或非偏色通道强度分布来达到各个通道之间色彩平衡．实验表明，在较大程度的偏色情况下，该算法校正恢复出的图象与原始无偏色图象能达到视觉上基本一致的效果，并具有普遍的适用性．     

基于Adaboost的红外视频图像疲劳检测算法

针对以往疲劳检测算法普遍存在的受光照条件影响大、检测测速度慢以及可靠性差等问题,本文提出了一种基于Adaboost的疲劳表情快速检测算法。本文算法在不同环境光照的情况下,利用红外光源照明采集获得大量人脸红外图像样本。经过人脸检测定位以后,将人脸区域中眼睛、嘴巴这两个表情信息最集中的关键部位分割出来,用PCA方法分别提取两个子图块的形变特征,分别输入Adaboost训练得到两个分类器。检测时,待检测图像眼、嘴的特征分别通过相应分类器进行判别,将两个分类器的输出进行或运算得到最终的检测结果。该方法正确率高,速度快,具有很好的泛化能力和较强的鲁棒性,能够满足实时应用要求。     

复杂背景和光照多变的人脸检测方法

复杂背景和光照多变的人脸检测是自动人脸识别系统需要解决的重要问题之一,首先利用YCbCr空间进行肤色分割,获取候选人脸区域,然后提取相应区块的LSMQT特征,并利用SNoW分类器进行特征分类,最终获取人脸在图像中的准确位置。实验证明,该方法对复杂背景和光照多变的图像中的人脸具有较高的正确检测率。     

基于层次支持向量机的人脸检测

针对彩色图像人脸检测,提出了肤色模型和层次支持向量机相结合的人脸检测方法。检测时首先利用调节的肤色模型提取出人脸候选区域,然后对这些候选区域用线性支持向量机和主成分与非线性支持向量机相结合的层次支持向量机进行验证,获得真正的人脸区域。实验表明,该方法对图像偏色有一定的鲁棒性并可以用于灰度图像的人脸检测,而且检测正确率和速度比基于肤色和模板匹配的方法有了一定的改进。     

一种新的基于MSRCR光照补偿算法

对质量较差的人脸图像进行光照补偿,多尺度Retinex算法是传统的算法中比较有效的一种,但是Retinex算法处理的人脸图像会产生"泛白、颜色失真、对比度低"现象,为了提高人脸识别率,为此提出了一种新的带色彩恢复的多尺度Retinex算法(MSRCR)对彩色图像进行光照补偿.在对MSRCR理论进行研究的基础上,对原有算法进行改进,使用了快速傅里叶变换,运行速度快于已有传统方法.经过实验证明,改进算法使图像的对比度,亮度,隐藏的细节等方面都有很大的增强.论述了该算法的原理和实现方法,同时通过实验将其与直方图均衡,Gamma变换等方法进行比较.实验结果表明:该算法对彩色图像光照补偿有很好的效果.     

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.     

结构化低秩字典学习的人脸识别

目的 现实中采集到的人脸图像通常受到光照、遮挡等环境因素的影响,使得同一类的人脸图像具有不同程度的差异性,不同类的人脸图像又具有不同程度的相似性,这极大地影响了人脸识别的准确性。为了解决上述问题对人脸识别造成的影响,在低秩矩阵恢复理论的基础上提出了具有识别力的结构化低秩字典学习的人脸识别算法。方法 该算法基于训练样本的标签信息将低秩正则化以及结构化稀疏同时引入到学习的具有识别力的字典上。在字典学习过程中,首先利用样本的重建误差约束样本与字典之间的关系;其次将Fisher准则应用到稀疏编码过程中,使其编码系数具有识别能力;由于训练样本中的噪声信息会影响字典的识别力,所以在低秩矩阵恢复理论的基础上将低秩正则化应用到字典学习过程中;接着,在字典学习过程中加入了结构化稀疏使其不丢失结构信息以保证对样本进行最优分类;最后再利用误差重构法对测试样本进行分类识别。结果 本文算法在AR以及ORL人脸数据库上分别进行了实验仿真。在AR人脸数据库中,为了分析样本不同维数对实验结果造成的影响,选取了第一时期拍摄的每人6幅图像,包括1幅围巾遮挡,2幅墨镜遮挡以及3幅脸部表情变化以及光照变化（未被遮挡）的图像作为训练样本,同时选取相同组合的样本图像作为测试样本,无论哪种方法,图像的维度越高识别率越高。对比SRC （sparse representation based on classification）算法与DKSVD （discriminative K-means singular value decomposition）算法的识别率可知,DKSVD算法通过字典学习减缓了训练样本中的不确定因素对识别结果的影响;对比DLRD_SR （discriminative low-rank dictionary learning for sparse representation）算法与FDDL （Fisher discriminative dictionary learning）算法的识别率可知,当图像有遮挡等噪声信息存在时,字典低秩化可以提高至少5.8%的识别率;对比本文算法与DLRD_SR算法可知,在字典学习的过程中加入Fisher准则后识别率显著提高,同时理想稀疏值能保证对样本进行最优的分类。当样本图像的维度达到500维时人脸图像在有围巾、墨镜遮挡的情况下识别率可达到85.2%;其中墨镜和围巾的遮挡程度分别可以看成是人脸图像的20%和40%,为了验证本文算法在不同脸部表情变化、光照改变以及遮挡情况下的有效性,根据训练样本的具体图像组合情况进行实验。无论哪种样本图像组合,本文算法在有遮挡存在的样本识别中具有显著优势。在训练样本只包含脸部表情变化、光照变化以及墨镜遮挡图像的情况下,本文算法的识别率高于其他算法至少2.7%,在训练样本只包含脸部表情变化、光照变化以及围巾遮挡图像的情况下,本文算法的识别率高于其他算法至少3.6%,在训练样本包含脸部表情变化、光照变化、围巾遮挡以及墨镜遮挡图像的情况下,其识别率高于其他算法至少1.9%。在ORL人脸数据库中,人脸图像在无遮挡的情况下识别率达到95.2%,稍低于FDDL算法的识别率;在随机块遮挡程度达到20%时,相比较于SRC算法、DKSVD算法、FDDL算法以及DLRD_SR算法,本文算法的识别率最高;当随机块遮挡程度达到50%时,以上算法的识别率均不高,但本文算法的其识别率仍然最高。结论 本文算法在人脸图像受到遮挡等因素的影响时具有一定的鲁棒性,实验结果表明该算法在人脸识别方面具有可行性。