巷道监控图像中的人脸肤色区域分割

煤矿巷道监控图像中脸部分割的难度比较大.在典型监控角度方向采集了巷道中矿工的监控图像;在HSV颜色模型的各分量中分析了矿工脸部肤色的统计特征;在色度分量空间,采用上限和下限阈值的方法分割出肤色区域像素和相似色度的背景像素;对脸部区域的二值图像进行平滑处理和分割,大幅度降低背景像素的影响,缩小脸部区域的范围.实验结果表明,此方法计算简单、速度快,能成功地分割巷道监控图像中的脸部区域.     

基于肤色和模板的人脸检测

针对彩色图像提出了一种基于肤色和模板的人脸检测方法,由肤色分割、模板匹配和人工神经网验证3部分组成.首先使用HSI空间的肤色统计模型分割出可能包含人脸的区域,然后使用平均脸模板匹配和人工神经网验证的方法在这些区域中搜索人脸.该方法将彩色图像的肤色信息和灰度图像的模板匹配及人工神经网分类模型综合起来,既极大地提高了速度,又具有较强的鲁棒性.实验结果表明,该算法是快速而有效的.     

一种基于颜色和形状特征的人脸检测方法

人脸检测在人脸识别领域有重要的应用价值。本文针对复杂背景下的彩色图像,构造了一种颜色特征人脸图像,提了一种基于眼睛的颜色特征和形状特征的人脸检测定位方法。依据肤色模型、数学形态学处理检测出肤色区域,再利用颜色特征人脸图像准确快速的分割出脸部的非肤色区域(眼睛与嘴巴),最后由眼睛模板验证。该算法适合图像质量较好的各种姿态的人脸定位,利用肤色特征和眼睛的颜色特征分两步分割出眼睛存在的区域,减少了搜索面积,因而使计算量大大降低,提高了检测速度。     

一种基于肤色和模板匹配的人脸检测方法

提出了一种基于肤色分割和模板匹配相结合的人脸检测算法.首先利用rgb色彩空间下的人脸肤色模型,对人脸图像进行肤色分割;针对图像中存在的多个肤色区域连接在一起的问题,采用SUSAN算子提取区域的边界,将连接的肤色区域分开;根据肤色区域的形状特征和欧拉数筛选人脸候选区域;最后利用建立的人脸模板和一种改进的混合匹配准则,对候选人脸区域进行匹配识别.实验结果表明,该方法能较好地从复杂背景中检测出人脸.     

基于哈达玛变换和链码角度模板匹配的人脸检测算法

首先利用统计原理检测出一幅图像的肤色区域,再通过哈达玛变换将这些区域从像素域变换到压缩域,最后通过改进和训练链码模板和角度模板来对候选肤色区域进行匹配和检测.实验结果显示,该方法在检测人脸的过程中速度快,漏检率较低,能正确地分辨人脸的肤色、胖瘦,算法设计简单可行,非常适合实时性要求高的图像检索系统.     

融合肤色信息和椭圆环模板的人脸检测

融合肤色信息和人脸轮廓信息,提出了一种新颖的基于肤色信息和人脸轮廓的人脸检测算法.首先利用改进的肤色提取算法对肤色进行分割,分析肤色区域,找出备选人脸;然后对备选人脸区域进行边缘检测,根据边缘检测点进行人脸轮廓特征的匹配,找出入脸的准确位置,并利用马赛克模板排除虚假人脸.实验结果表明,该算法具有较高的准确率,检测速度快...     

多特征融合的人脸检测①

提出了一种基于多特征融合的人脸检测新方法。该方法首先用肤色分析算法对图像进行肤色分割,得到人脸区域的初步结果;然后根据灰度特征图像用基于GA的方法找到多个模板的人脸区域;最后用基于Adaboost多模板融合算法形成最终检测结果。通过实验表明,该方法与传统方法相比,识别率得到明显提高。     

证件照片的特征提取与检索

研究描述人脸特征的有效方法,讨论身份证照片的特征提取和检索.采用自适应肤色检测技术改进通用的肤色检测算法,进行脸部区域的划分.提出DCT系数投影法对面部五官区域进行分割,在各区域中提取面部几何特征.引入描述脸颊和下颔轮廓的曲线参数作为脸形特征,得到对人脸特征更准确的描述.将面部几何特征矢量匹配、脸形曲线参数匹配和脸部图像相关匹配相结合,实现人像照片的准确检索.实验表明该方法性能优良.     

基于环形模板匹配的金属零件识别算法

针对在金属零件的模板匹配中,由于图像采集时零件摆放的位置和方向不同,使匹配图像中存在零件的不同侧面导致传统匹配方法准确率低的问题,提出了一种使用环形特征模板的模板匹配算法RT-MM.通过一组同心圆将模板分割为几个环形区域,利用环形区域相互之间的关系作为预选区域的定位特征,在匹配图像中快速筛选出若干个预选区域;通过Sob...     

基于人眼定位的人脸与检测与归一化算法

文中针对复杂背景下多姿态静态人脸图像,提出了一种通过对眼睛这一特征的自动检测与定位,从而实现对人脸检测的新方法.首先对原灰度图像做边缘灰度加强;然后结合根据人脸几何特征先验知识建立的人眼位置判定准则,在分割阈值递增的过程中,寻找能分割出双眼眼块的最优分割阈值;最后用两维相关系数作为对称相似度来检验检测出的双眼的真实性,并利用找到的双眼图像垂直方向的灰度积分投影,精确定位瞳孔中心.对彩色图像,利用肤色在YCbCr颜色空间的分布特性建立肤色模型,粗略找出肤色区域,进行灰度变换后,再采用上述方法检测人脸.最后提出一种脸相归一化方法,便于进一步的提取特征工作.实验结果证实了文中方法在速度和准确性方面具有良好的性能.     

Color Face Recognition for Degraded Face Images

In many current face-recognition (FR) applications, such as video surveillance security and content annotation in a web environment, low-resolution faces are commonly encountered and negatively impact on reliable recognition performance. In particular, the recognition accuracy of current intensity-based FR systems can significantly drop off if the resolution of facial images is smaller than a certain level (e.g., less than 20 $times$ 20 pixels). To cope with low-resolution faces, we demonstrate that facial color cue can significantly improve recognition performance compared with intensity-based features. The contribution of this paper is twofold. First, a new metric called “variation ratio gain” (VRG) is proposed to prove theoretically the significance of color effect on low-resolution faces within well-known subspace FR frameworks; VRG quantitatively characterizes how color features affect the recognition performance with respect to changes in face resolution. Second, we conduct extensive performance evaluation studies to show the effectiveness of color on low-resolution faces. In particular, more than 3000 color facial images of 341 subjects, which are collected from three standard face databases, are used to perform the comparative studies of color effect on face resolutions to be possibly confronted in real-world FR systems. The effectiveness of color on low-resolution faces has successfully been tested on three representative subspace FR methods, including the eigenfaces, the fisherfaces, and the Bayesian. Experimental results show that color features decrease the recognition error rate by at least an order of magnitude over intensity-driven features when low-resolution faces (25 $times$ 25 pixels or less) are applied to three FR methods.      

基于肤色信息和主分量分析的人脸实时检测系统

提出了一种基于肤色模型、人脸面部结构和模板匹配的人脸检测算法。该方法首先建立肤色模型来对原始图像进行肤色区域分割,再根据人脸的面部结构特征对分割区域进行过滤,最后用基于主元素分析的模板匹配算法对候选区域进行判断。实验结果表明该算法能够适应复杂背景以及多人脸的检测,而且检测速度快,能够达到实时检测的目的。     

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。     

Face detection of golden monkeys via regional color quantization and incremental self-paced curriculum learning

Animal detection plays a very vital role in wildlife protection and many other real life applications. In this paper, we focus on face detection of Golden monkeys who live in Qinling Mountains, Shaanxi province, China, and present a relatively complete face detection algorithm to detect these monkeys’ faces, which mainly includes three parts: the location of the monkeys’ bodies, the detection of th+e suspicious facial skin and the accurate detection of the true faces. Firstly, regional color quantization is proposed to quantize the HSV color space for the nature images with different sizes, and we can get the areas of the monkeys’ bodies according to the color distribution of the monkeys’ hair in the histogram of the quantized color space. Then the areas of suspicious facial skin can be extracted from these areas of the monkeys’ bodies. Further, we propose incremental self-paced curriculum learning (ISPCL) to detect the true monkeys’ faces accurately. In our method, regional color quantization can increase the color differences between the background and the monkeys’ hair, so that the segmented results have fewer background pixels. Besides, the basic idea of the incremental learning is introduced into the training process of SPCL, which is to simulate the process in which human learn something from easy samples to hard ones, this idea is able to improve the performances of face detection. The experimental results demonstrate that the proposed algorithm can locate the monkeys’ bodies in the images with different sizes, and can detect their faces effectively. This research lays a foundation for face recognition and behavior analysis of golden monkeys.     

基于肤色与模板匹配的人脸识别

本文提出了一种基于肤色与模板匹配的人脸识别算法。我们首先利用肤色在HSI空间的聚类特征对肤色加以判别,继而提取出人脸候选区域,最后通过模板匹配过程对候选区域加以识别。实验结果表明,该算法简单易实现,在执行时间及识别率上均取得了令人满意的效果。     

基于轮廓信息的人脸检测

针对彩色图像提出了一种基于肤色模型、脸部轮廓信息以及眼睛特征的人脸检测算法。采用基于YCbCr色彩空间的肤色分割模型,初步筛选人脸的候选区域;在此基础上进行边缘检测,获得人脸轮廓信息,并利用遗传算法拟合脸部的椭圆;在椭圆的水平方向根据眼睛的几何特征来检测“眼睛对”,再根据“三停五眼”来定位人脸,并利用左右对称性验证人脸。实验表明,该算法对于彩色图像的正面人脸检测具有良好的效果。     

基于肤色特征的人脸检测技术研究

文章提出一种多人脸图像中人脸检测与定位方法,将图像从RGB色彩空间转换到YCrCb色彩空间中,根据肤色点在CrCb空间中的分布情况进行肤色点检测,并滤除肤色检测后的孤立噪声,利用势函数方法获得人脸候选区域。然后,根据人脸的结构特征对候选区域进行人脸区域的判别和定位,最终实现图像中多人脸的检测功能,并通过仿真实验证明了该方法的有效性。     

基于多分类器组合的多角度彩色人脸图像检测

提出了基于神经网络和隐马尔可夫模型组合的彩色人脸图像检测方法 .根据归一化后的彩色图像的色度彩色分量直方图将图像粗分割成若干幅二值图像 ;在亮度图像上 ,以上述二值图像为掩模进行多分辨率的旋转不变性人脸检测 .在人脸检测时 ,本文分两步 :第一步先用神经网络来确定人脸的旋转角度 ,然后对旋正后的图像运用识别人脸奇异值特征的隐马尔可夫模型进行验证 .实验结果表明 ,本文算法是有效的     

监控视频下的人脸图像质量分析技术

监控场景下人脸图像质量分析技术的研究具有重要意义.由于监控视频采集到人脸模糊、头部角度不正、被其他物体遮挡等的低质量图像进入识别系统会造成识别准确率下降.为了解决上述问题,通过实验,研究了监控场景下影响图像质量的两个重要因素:人脸角度、图像清晰度.设计了基于聚类的人脸图像质量分析算法,提出了人脸图像质量分数的计算公式,实验表明该技术能够有效过滤监控视频下采集到的低质量图像,进而提高人脸识别系统的准确率.