复杂背景的快速人脸检测研究

对于彩色图片,为了能够快速地在复杂背景中检测出多姿态人脸,解决肤色分割后大量粘连的类肤色和肤色区域等问题,在阐述光照和色彩补偿、肤色分割等算法的同时,提出了利用投影法和GLV法相结合的改进算法及利用人的头发来定位人脸的方法.实验结果表明,该方法能够在很短的时间内较为准确地检测出复杂环境中旋转不超过45°的多姿态人脸.因...     

一种复杂背景下快速人脸检测算法

论文针对彩色图片的人脸检测在复杂的背景下检测难度大、检测时间长的问题,提出一种将非线性分段色彩变化的肤色模型、Gabor特征提取和多层感知机MLP分类决策相结合的人脸检测算法。该算法首先对输入图像进行自适应的光照补偿,根据非线性分段色彩变化建立的YCb＇Cr＇肤色模型筛选出潜在的人脸区域;然后对潜在人脸区域进行Gabor小波特征分析,利用MLP网络进行分类判别。通过计算机仿真得出此算法计算复杂度低、检测时间短。     

一种采用混合高斯模型与贝叶斯判别的彩色图像人脸检测方法

介绍了一种采用混合高斯模型与贝叶斯判别的彩色人脸检测方法。该方法首先利用图像的彩色信息以及人脸的基本特征信息来进行人脸粗检测,得到图像中的多个候选人脸区域;然后对训练图像集中的全部候选人脸区域进行判别特征分析和混合高斯建模;最后采用贝叶斯判别方法对候选人脸区域进行判决,得到人脸检测结果。实验结果显示该方法具有较好的推广效率和工程应用前景。     

复杂背景下的人脸分割

针对复杂背景下人脸位置的不确定性和人脸轮廓边缘点的不连续性,本文提出一种新的人脸分割算法,能够在复杂背景下将人脸快速分割出来。本文算法包括三部分:首先设计了特征与模板相结合的人脸定位算法,在复杂背景中以双眼和嘴的坐标为基准确定人脸位置;其次,设计了自适应搜索算法,提取真正的人脸轮廓点,去除“假”轮廓点;最后利用人脸轮廓的平滑性通过曲线拟合来补充不确定轮廓点,完成人脸分割。本文算法综合利用了人脸的肤色、表面结构、轮廓边缘以及轮廓的平滑性等特征完成人脸分割,实验结果证明了算法的有效性。     

复杂背景下的人脸检测算法研究与实现

人脸检测是指能够在一幅图像中找到其中存在的人脸,并能够确定其位置和大小等信息的过程。人脸是一个信息极丰富的模式集合,其是人类互相判别、认识、记忆的主要标志,人脸检测在人脸图像处理和计算机视觉领域占有极为重要的地位。针对复杂背景下的彩色图像,对目前主流的几种人脸检测算法进行了介绍,在系统设计中提出了一种基于肤色和特征融合的人脸检测算法。该算法是一种层次化、由粗到精的检测方法,通过一步步减小检测区域,从而实现多个人脸的检测与定位。     

基于小波分析与神经网络的人脸检测方法

本文设计了一种结合小波分析与神经网络优点的人脸检测方法.该方法主要包括两个阶段.在训练阶段首先借鉴图形学中的背景生成方法对AR人脸数据库中的人脸样本进行背景叠加;然后对经过预处理的训练样本进行小波分解,并将得到的小波系数输入精心设计的神经网络进行训练.在人脸检测阶段,通过将缩放后的图像的各个区域输入神经网络,由神经网络判断输入区域中是否包含人脸:在得到检测结果后,本文通过基于规则的方法以及基于SUSAN的方法进行人脸区域验证取舍与合并;最后通过实验结果的分析比较可以发现本文的方法不仅可以实现人脸区域的快速检测,而且不受光照变化以及噪声的影响.     

一种结合人脸检测的小波图像编码方法

本文基于人脸检测的基础上，提出了一种结合矢量量化（ＶＱ）的小波图像编码方法。该方法充分利用人眼的视觉特性，高压缩比时恢复图像仍能保持较好的主观质量。     

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。     

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%.     

复杂背景中人脸位置的检测及其分割方法

人脸是一个复杂的模式，在图像中自动地对其进行定位和分割是进行识别的首条条件，本文提出了一种新的复杂背景下对未知大小，位置和数目人脸进行定位和分割的算法，它利用了基于知识的金字塔方法，主要由三部分组成：较高的两级是在多尺度脊边缘检测的基础上，利用Ｂ－样条二进小波变换通过检测在不同分辨率下的极小值（对应眼睛）和极大值点（对应人脸）利用尺度，包含和对称等关系进行初步筛选，最后利用人眼的特点最终确定其位置     

Face Detection under Complex Background and Illumination

For face detection under complex background and illumination, a detection method that combines the skin color segmentation and cost-sensitive Adaboost algorithm is proposed in this paper. First, by using the characteristic of human skin color clustering in the color space, the skin color area in YCbCr color space is extracted and a large number of irrelevant backgrounds are excluded; then for remedying the deficiencies of Adaboost algorithm, the cost-sensitive function is introduced into the Adaboost algorithm; finally the skin color segmentation and cost-sensitive Adaboost algorithm are combined for the face detection. Experimental results show that the proposed detection method has a higher detection rate and detection speed, which can more adapt to the actual field environment.     

一种基于肤色和边缘信息的人脸检测

人脸的检测是一个非常复杂的问题,对它的许多规律和规则进行显性的描述是相当困难的.文中提出一种基于肤色和边缘信息的人脸检测方法.该方法充分利用了人脸肤色的统计知识,首先利用肤色模型和边缘信息对人脸进行初定位,形成肤色区域,然后利用区域的特性例如紧凑性、坚固性、长宽比等来验证该肤色区域是否存在人脸.实验证明,该方法可以有效地运用于多人脸、不同尺寸、表情姿态和复杂背景的情况,具有较好的检测结果,还可以用于实时的人脸跟踪中.     

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。     

基于U-V空间的人脸检测方法

本文提出了一种基于U-V空间的人脸检测方法。此方法首先根据YUV彩色空间进行肤色模型建立,忽略了其非主要的亮度分量来对肤色进行分割,其次建立了唇色模型,提高了肤色和嘴唇的检测正确率。     

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。     

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 …     

基于肤色模型的人脸检测算法研究

利用一种基于肤色的2D Gaussian模型和一定的先验知识实现了人脸快速检测。首先对一幅图像进行去噪、光线补偿等预处理,然后根据颜色空间特性建立适宜的肤色模型,检测出大致的肤色轮廓,对面部特征根据先验知识实现定位,从而剔除非脸部区域,最后对该算法进行实验验证。实验表明,该算法可以实现人脸的快速检测,降低了误报率,具有一定的优越性。     

Fast and Efficient Method for Fire Detection Using Image Processing

Conventional fire detection systems use physical sensors to detect fire. Chemical properties of particles in the air are acquired by sensors and are used by conventional fire detection systems to raise an alarm. However, this can also cause false alarms; for example, a person smoking in a room may trigger a typical fire alarm system. In order to manage false alarms of conventional fire detection systems, a computer vision‐based fire detection algorithm is proposed in this paper. The proposed fire detection algorithm consists of two main parts: fire color modeling and motion detection. The algorithm can be used in parallel with conventional fire detection systems to reduce false alarms. It can also be deployed as a stand‐alone system to detect fire by using video frames acquired through a video acquisition device. A novel fire color model is developed in CIE L*a*b* color space to identify fire pixels. The proposed fire color model is tested with ten diverse video sequences including different types of fire. The experimental results are quite encouraging in terms of correctly classifying fire pixels according to color information only. The overall fire detection system's performance is tested over a benchmark fire video database, and its performance is compared with the state‐of‐the‐art fire detection method.