一种不良图片快速过滤方法

本文提出了一种不良图片快速过滤的方法,该方法通过建立不同颜色空间上的混合肤色模型,用Adaboost算法进行人脸的准确定位,分析典型的肤色区域的几何特征等技术,能实现对包含不良信息图片的快速而准确的检测.实验结果显示,该方法对不良图片的检测平均可以达到80%以上的准确率,对于能够检测出人脸区域的图片,准确率可以达到98%.     

基于肤色模型和贝叶斯判别的人脸检测

构造了一个彩色图片的正面人脸检测系统。首先利用肤色在YCbCr空间中沿Y方向的集中分布特性构建肤色信息库,根据该信息库在图像中检测出肤色区域;然后在肤色区域利用贝叶斯特征判别方法进行正面多尺度人脸检测。另外,定义了一些启发式搜索规则,有效地加快了人脸目标的搜索速度。实验证明, 用较少的样本进行训练的人脸检测系统,对有复杂背景、多样化的测试集具有较好的测试效果。     

基于肤色检测的小区域特征点跟踪

针对跟踪系统中实时性和鲁棒性的要求,提出了一种基于肤色检测、自动筛选小区域搜寻特征点的快速跟踪方法。首先利用对彩色图像进行肤色检测,筛选出包含肤色的小区域,然后根据比例参数确定小区域的范围,计算小区域中特征点的质心与肤色检测区域中心构成反馈来实现跟踪。实验结果证明该方法可以很好地解决实时跟踪问题,并在出现肤色混淆的情况下也有相当好的鲁棒性。     

基于人体关键部位检测的敏感图像过滤方法

目前多数敏感图像过滤方法对皮肤裸露较多或类肤色区域较多的图像容易产生误检。为降低对这类图像的误检率,提出一种基于人体关键部位检测的敏感图像过滤方法。该方法提取肤色特征、表征局部对象外观和形状的HOG(Histograms of Orien-ted Gradient)特征、空间分布特征及描述区域灰度分布的Haar-like等特征,利用Adaboost学习算法,训练得到人体关键部位的分类器,通过此分类器实现敏感图像的过滤。实验表明,该方法能够准确地检测关键部位,可以有效地降低敏感图像的误检率。     

基于支持向量机的手势识别研究

针对传统神经网络算法普遍存在识别准别率不高、运算量较大的问题,以手势分类识别为目标,通过人体肤色特征和SVM模型,设计一种手势识别检测模型。方法采用椭圆傅里叶算子算法提取出手势区域的轮廓,构成手势的特征向量。将肤色空间从RGB空间转到HSV空间下,从背景中将手势区域分离出来,在手势完整性方面引入形态学处理技术,有效填补手势图片中的黑洞区域和去除白点区域,直接对手势图片进行边缘处理。利用Qt制作客户端实现了基本数字手势的快速识别,并进行验证实验。实验结果表明,该方法在手势识别的准确率方面相比于传统算法都有所提高。     

光照自适应的肤色检测方法

通过在颜色空间YCgCr里对不同光照环境下的肤色特征进行研究,发现不同光照环境下的肤色像素高度聚集在不同的Cg、Cr区域。对此,提出了利用相关矩阵法对图片的光照环境进行估计,然后针对图片的光照环境检测结果采用不同的肤色分割方法,并采用一种基于类间方差和类内离散度相结合的动态阈值方法来确定分割阈值。该方法与传统的肤色检测方法相比,能够充分减少不同光照环境下带来的颜色失真的影响,是一种光照自适应的肤色检测方法。实验表明,该方法对肤色检测具有较高的准确率和较低的误检率。     

基于SEED-DTK6437的肤色检测系统设计

本肤色检测系统采用基于TMS320DM6437处理器的SEED-DEC6437EVM板作为主要硬件平台,在DSP集成开发环境CCS3.3中采用C语言和汇编语言混合编程实现肤色检测算法,并成功完成了将检测算法从软件到硬件平台的移植,搭建了一个应用于肤色检测的DSP系统,并实现了对肤色区域的实时性检测、定位与跟踪,提高了肤色识别精度。实验结果表明,该系统具有算法简单、性能稳定和实时性良好的特点。     

基于肤色模型和CAMShift算法的人脸检测与跟踪研究

讨论并实现一个基于肤色模型和CAMShift方法的人脸检测与跟踪原型系统。该系统采用肤色模型分割出视频帧中的肤色区域与非肤色区域以检测出人脸．利用CAMShift算法跟踪运动的人脸,完成对人脸各种姿态的跟踪,具有较好的实时性和鲁棒性。     

复杂光照下的人脸肤色检测方法

复杂光照对人脸肤色检测具有重要影响。在YCbCr颜色空间建立复杂光照条件下的人脸肤色模型,然后利用该模型检测人脸图像的肤色区域,并对检测结果利用4-连通区域的几何特征消除非人脸区域,最后利用连通元复原误检的人脸肤色区域。实验结果表明,该方法可以实现复杂光照下人脸肤色区域的准确检测。     

基于肤色模型和区域特征的人脸检测方法

精度和速度是人脸检测系统的两个衡量标准。针对传统人脸检测方法两者不能兼优的问题,该文提出一种结合颜色空间和特征区域的人脸检测方法。该方法采用肤色模型提取肤色像素,利用拓展的马赛克方法获取人脸区域,构建模型并提取嘴唇和眼睛,结合区域特征定位中心点。实验结果表明,该方法简单易行、定位精确。     

基于人体姿态检测的体感滑板控制系统设计

为改善电动滑板的易操纵性,设计了基于人体姿态检测的体感滑板控制系统.该系统由人体姿态检测与滑板主控两大部分组成.首先,通过实验,分析了人体以不同姿态驾驶滑板时MPU6050传感器采集到的加速度和角度的数据变化规律.在此基础上,确定了驾驶滑板时,识别人体姿态改变的方法.最后,制作了人体姿态检测与滑板控制电路,并编写了相应的控制程序.调试结果表明,该系统响应准确,达到了设计要求.     

Systematic skin segmentation: merging spatial and non-spatial data

Skin detection is used in applications ranging from face detection, tracking of body parts, hand gesture analysis, to retrieval and blocking objectionable content. We present a systematic approach for robust skin segmentation using graph cuts. The skin segmentation process starts by exploiting the local skin information of detected faces. The detected faces are used as foreground seeds for calculating the foreground weights of the graph. If local skin information is not available, we opt for the universal seed. To increase the robustness, the decision tree based classifier is used to augment the universal seed weights when no local information is available in the image. With this setup, we achieve robust skin segmentation, outperforming off-line trained classifiers. The setup also provides a generic skin detection system, using positive training data only. With face detection, we take advantage of the contextual information present in the scene. With the weight augmentation, we provide a setup for merging spatial and non-spatial data. Experiments on two datasets with annotated pixel-level ground truth show that the systematic skin segmentation approach outperforms other approaches and provides robust skin detection.     

Optimizing human model reconstruction from RGB-D images based on skin detection

This paper reconstructs human model from multi-view RGB-D images of an Xbox One Kinect. We preprocess the depth images by implicit surface de-noising and then part-wisely register them into a point cloud. A template model is selected from the human model database to fit the registered point cloud of a human body by Laplacian deformation. Skin detection of RGB-D images helps to tightly constrain the skin parts of human body in template fitting step in order to get more precise and lifelike human model. We propose a robust skin detection method that is not affected by clothing pattern and background. Experiments demonstrate the effectiveness of our method.     

基于显微视觉的微小型零件边缘检测技术研究

针对显微视场下微小型零件边缘检测精度要求高的问题,设计了一套微小型零件实时检测系统,给出了系统总体设计,完成了图像实时传输和处理;提出一种微小型零件亚像素级边缘检测算法：采用非正交二次B样条小波变换得到微小型零件的像素级边缘,利用Zernike矩算法的矩不变性对像素级边缘进行亚像素级精确定位,给出了算法原理,分析了像素级和亚像素级的边缘检测结果。实验数据表明：该系统检测零件尺寸可以达到0.01~10 mm,检测精度可以达到0.01%~0.1%,可准确识别出微小型零件的边缘,将检测精度提高到亚像素级,能够满足显微视场下微小型零件检测需要。     

一种快速提取人脸中心点的方法

针对安防环境下监控系统的实时性要求,本文提出了一种基于肤色分割和人体特征相结合的快速人脸检测方法。首先利用肤色信息对彩色图像进行肤色区域的分割,然后根据人体的几何特征进行迭代寻优求取人脸的中心。实验结果证明,所求出的中心可以适用于要求。     

Real-time hands,face and facial features detection and tracking: Application to cognitive rehabilitation tests monitoring

In this paper, a marker-free computer vision system for cognitive rehabilitation tests monitoring is presented. The system monitors and analyzes the correct and incorrect realization of a set of psicomotricity exercises in which a hand has to touch a facial feature. The monitoring requires different human body parts detection and tracking. Detection of face, eyes, nose, and hands is achieved with a set of classifiers built independently based on the AdaBoost algorithm. Comparisons with other detection approaches, regarding performance and applicability to the monitoring system, are presented. Face and hands tracking is accomplished through the CAMShift algorithm with independent and adaptive two-dimensional histograms of the chromaticity components of the TSL color space for the pixels inside these three regions. The TSL color space was selected after a study of five color spaces regarding skin color characterization. The system is easily implemented with a consumer-grade computer and a camera, unconstrained background and illumination and runs at more than 23 frames per second. The system was tested and achieved a successful monitoring percentage of 97.62%. The automation of the human body parts motion monitoring, its analysis in relation to the psicomotricity exercise indicated to the patient and the storage of the result of the realization of a set of exercises free the rehabilitation experts of doing such demanding tasks. The vision-based system is potentially applicable to other human–computer interface tasks with minor changes.     

LC谐振传感器的信号检测系统研究

根据LC谐振传感器互感耦合系统的理论模型,设计了一种LC谐振传感器信号检测系统。该系统包括模拟部分、数字部分以及解算方法。模拟部分是通过混频器提取谐振信息,再用低通滤波器( LPF)直流化输出信号以方便数据采集。数字部分是完成信号采集及传给上位机处理。解算方法是通过同步模拟部分的线性扫频源与数字部分的数据采集,实现从携带谐振信息的直流信号中获取谐振频率。实验结果表明：该系统能够完整获得LC谐振传感器的测试信号,其性能稳定,测量精度高,谐振频率测量误差小于3.5%。该系统有望运用于LC传感器信号无线测量的领域。     

YCbCr空间中一种基于贝叶斯判决的肤色检测方法

皮肤颜色是人脸检测、定位、跟踪时的一种十分有效的特征,而且裸露的皮肤区域也是色情图像的最重要特征之一.为了有效地进行图像的皮肤检测,提出了一种新的肤色检测方法.该方法首先通过统计1809 502个肤色像素点和1763682个非肤色像素点,并使用贝叶斯规则来建立肤色分类器;然后考虑亮度对肤色的影响,采用Y-Cb和Y-Cr两个子空间的查询表来建立肤色模型.为了联合使用两个查询表,先采用高斯归一化和线性化方法来将阈值范围调整至[0,1];同时对查询表进行中值滤波处理,以除去离散孤立点.实验表明,与其他3种方法相比,该方法不仅有着较低的漏检率（9.814%）和误检率（3.5%）,而且对于不同光照条件也有较好的检测效果.     

人体姿态识别算法在视觉人机交互中的应用

针对当下视觉人机交互应用中所面临的识别过程复杂,交互效率低等一系列问题,提出了一种基于人体构造的姿态识别算法。利用该算法和软硬协同的设计思想,在FPGA平台上实现了一套运用视觉感知进行交互的机器人控制系统。图像采集模块获取双摄像头的画面,图像预处理模块完成降噪和冗余帧的去除,关节识别模块实现对人体皮肤和关节处颜色标记的检测;得到的关节位置信息送入软核,运用空间向量模型识别出肢体动作。最终将识别结果编码后通过蓝牙传输给远端机器人。实际测试表明,该算法能快速准确地识别出绝大部分基本的肢体动作,机器人能实时跟随人体简单运动。     

A multiobject tracking framework for interactive multimedia applications

Automatic initialization and tracking of multiple people and their body parts is one of the first steps in designing interactive multimedia applications. The key problems in this context are robust detection and tracking of people and their body parts in an unconstrained environment. This paper presents an integrated framework to address detection and tracking of multiple objects in a computationally efficient manner. In particular, a neural network-based face detector was employed to detect faces and compute person specific statistical model for skin color from the face regions. A probabilistic model was proposed to fuse the color and motion information to localize the moving body parts (hands). Multiple hypothesis tracking (MHT) algorithm was adopted to track face and hands. In real world scenes extracted features (face and hands) usually contain spurious measurements that create unconvincing trajectories and needless computations. To deal with this problem a path coherence function was incorporated along with MHT to reduce the number of hypotheses, which in turn reduces the computational cost and improves the structure of trajectories. The performance of the framework was validated using experiments on synthetic and real sequence of images.