基于肤色分割和AdaBoost算法的彩色图像的人脸检测

文章提出了肤色分割和AdaBoost算法结合的人脸检测算法。首先,对彩色图像进行肤色分割,通过人脸肤色的统计特征得到候选人脸区域：然后,基于AdaBoost算法,使用由强分类器组成的级联分类器对候选人脸区域进行扫描,最终得到精确定位的人脸。实验证明,该方法具有肤色检测快速和AdaBoost算法误检率低的优点,可以有效的运用于多姿态、多人脸和复杂背景的情况。     

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.     

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。     

基于颜色和几何关系的人脸检测方法

针对复杂背景下的彩色图像提出了一种基于颜色和几何关系的人脸检测方法.选择YCbCr色彩空间进行肤色分割,在候选人脸区域的灰度图像中进行图像复杂度的计算以确定眼睛区域的大致位置,并利用嘴巴的红色特性在候选人脸区域的YIQ色彩空间中确定嘴巴的大致位置,最后利用眼睛、嘴巴的几何关系精确定位人脸.实验结果表明,该方法速度快、检测率高,与其它算法相比有很好的检测效果.     

一种快速而精确的多人脸检测与定位算法

根据由粗到精的思路，综合利用了眼睛器官的特征、人脸模板以及基于人脸区域象素分布的统计信息等线索．首先用基于AdaBoost学习算法的级联模型发现可疑人脸区域，然后在可疑人脸区域内发现可疑眼睛区域并组合可疑眼睛区域对得到候选人脸区域，最后用人脸模板验证候选人脸区域，精化人脸定位．实验表明．本算法能快速而精确地实现多人脸检测与定位，且对彩色图像和灰度图像都适用．     

基于肤色与模板匹配的人脸检测方法研究

利用肤色信息在彩色图像中检测人脸速度快、易于实现,但准确率不高。本文提出首先应用人脸肤色信息在彩色图像中进行人脸粗略检测,得到候选人脸区域,再以基于梯度模板匹配的方法进行人脸精确定位,从候选区中准确地找到人脸。将这两种方法结合在保证精确的人脸检测的前提下,可有效提高检测速度。     

融合双肤色模型及AdaBoost算法的人脸检测

为提高人脸检测的精度,提出一种融合双肤色模型与Adaboost算法的人脸检测方法。首先采用YCbCr颜色空间的固定阈值模型初次分割图像,利用分割结果修正高斯肤色模型的参数并对图像进行肤色二次分割,对两次分割的结果进行逻辑运算,粗定位人脸区域。结合Adaboost算法,实现对候选人脸区域的精确定位。实验结果表明,该方法提高了人脸检测率,降低了误检率,具有较好的鲁棒性。     

基于肤色和模板匹配的人眼定位

提出了一种基于肤色和模板匹配的彩色图像人眼定位方法。首先利用YCbCr空间的肤色模型粗定位可能的人脸区域,然后在候选人脸区域用平均眼模板作基于金字塔结构的模板匹配定位眼睛。实验结果表明该方法在复杂背景下极大地提高了眼睛定位速度和精确度,具有较好的光照鲁棒性。     

基于多姿态知识模型和模板的快速人脸检测

提出了一种多姿态知识模型,并以之从人脸器官梯度图中获得候选脸的大小、位置、姿态类别和眼、嘴重心坐标,然后按姿态类别将候选脸与对应的模板进行匹配确认人脸.该人脸检测算法集人脸检测、姿态估计和眼、嘴定位于一体,具有检测速度快的特点,适于多姿态多人脸场合的人脸检测.该算法只利用了图像的灰度信息,因此对灰度图像和彩色图像的人脸检测均适用.     

基于半监督聚类的人脸检测方法

将肤色与连续AdaBoost算法相结合进行人脸检测,并引入半监督策略指导肤色聚类从而建立肤色模型。在肤色聚类过程中,提出一种基于半监督的SKDK算法引导肤色聚类,依据各个像素簇的概率统计分布特性得到肤色模型。在此基础上利用数学形态学等知识对图像进行处理,得到人脸候选区域,将其作为连续AdaBoost分类器的输入进行人脸检测。实验结果表明,在多人脸的场景下,该方法的检测效果优于直接使用连续AdaBoost方法进行人脸检测的检测效果。     

Effective detection of exposed target regions based on deep learning from multimedia data

With the development of high-performance visual sensors, it has been very easy to obtain a variety of image data. Of these image data, human face regions contain personal information to distinguish one from the others. Therefore, it is important to accurately detect unhidden face regions from an input image. This paper proposes a method of robustly detecting human face regions from an input color image with the use of a deep learning algorithm, one of the machine learning algorithms. The proposed method first transforms the RGB color model of an input image to the YC_bC_r color model, and then removes other regions than face regions to segment skin regions with the use of the pre-learned elliptical skin color distribution model. Subsequently, a CNN model-based deep learning algorithm was applied to robustly detect human face regions from the detected skin regions in the previous step. As a result, the proposed method segments face regions more efficiently than an existing method. The face region detection method proposed in this paper is expected to be usefully applied to practical areas related to multimedia data processing, such as video surveillance, target blocking, image security, visual data analysis, and object recognition and tracking.

     

基于肤色和独立成分的人脸检测*

人脸检测是计算机视觉中非常活跃的研究课题,目前大多数人脸检测算法都是依靠灰度信息,而忽略了彩色信息。研究表明,肤色检测在诸多计算机视觉算法中,是一个重要的处理步骤。为了提高检测速度和性能,通过对肤色在H,S空间分布的分析,建立了新的肤色分割公式,并且在Aapo Hyvrinen和Erkki Oja［1］所提算法的基础上,提出了一种新的结合肤色和独立成分分析的人脸检测算法。实验结果表明了该算法的有效性。     

新闻视频显著人脸检索系统

该文针对新闻视频设计并实现了一个显著人脸检索系统。首先将新闻视频分割成镜头序列,利用训练好的CascadeAdaboost人脸检测器对每个镜头检测出一定数目的候选人脸,按照一些规则选取可信度高的作为样本,用于提取该镜头内的肤色模型。接着对肤色分割后的区域进行位置、大小分析和模板匹配,以淘汰非人脸区域,确定待跟踪的对象列表。为了做精确的跟踪和识别,系统对每个跟踪对象建立更细致的肤色模型。跟踪过程中每间隔一定帧数重新进行人脸检测,以减少误差积累和探测是否有新人脸出现。最后从每个人脸序列挑选最适合进行人脸识别的图像建立其特征脸空间,结合肤色信息和PCA算法判断其是否为要检索的目标人脸。     

基于肤色模型和中线定位的人脸检测算法

由于外貌、肤色、表情等不同,会导致较高的人脸检测漏检率和误检率。为此,提出一种基于肤色模型和中线定位的多姿态人脸检测算法。利用肤色特征快速排除大部分背景区域,根据人脸的显性特征分割出人脸候选区域,并对边缘检测后的图像进行投影,使用中线定位法实现多姿态人脸的检测与定位。实验结果表明,该算法能实现多姿态人脸的快速检测,黑发单个人脸检测的检测率达93.3%,鲁棒性较强。     

基于肤色和AdaBoost算法的彩色人脸图像检测

针对肤色检测对复杂背景下的图像误检率高和AdaBoost算法对多姿态、多人脸图像检测效果不理想的问题,将基于肤色的人脸检测与基于AdaBoost算法的人脸检测结合起来,提出一种新的人脸检测方法,即首先利用肤色和形态学操作分割肤色区域,再根据人脸区域的统计特性筛选出人脸候选区域,然后用AdaBoost级联分类器对候选区域扫描,以精确定位人脸.实验表明,该方法同时具有肤色检测正确率高与AdaBoost算法误检率低的优点,可以有效地运用于多姿态、多人脸和复杂背景的情况,具有较好的检测效果.     

复杂背景中的人脸检测与定位

基于人类视觉机制,描述了一种由粗到细的复杂背景中的人脸检测方法。其基本思想是首先粗略定出人脸可能存在的区域,然后在可能的区域内进一步细致匹配,以证实人脸的存在并对其进行准确定位。在粗略检测中利用人脸的肤色分布统计模型将人脸从背景中分割出来;在准确定位中联合人脸的肤色分布统计模型、发色分布统计模型以及不同方向的头部模型,用模糊模式匹配的方法进行准确定位。实验结果表明该方法比在复杂背景中直接利用肤色信息检测人脸的方法速度快,准确率高,鲁棒性好。     

A statistic approach to the detection of human faces in color nature scene

In this paper, a novel algorithm for oriental face detection is presented to locate multiple faces in color scenery images. A binary skin color map is first obtained by applying the skin/non-skin color classification algorithm. Then, color regions corresponding to the facial and non-facial areas in the color map are separated with a clustering-based splitting algorithm. Thereafter, an elliptic face model is devised to crop the real human faces through the shape location procedure. Last, local thresholding technique and a statistic-based verification procedure are utilized to confirm the human faces. The proposed detection algorithm combines both the color and shape properties of faces. In this work, the color span of human face can be expanded as wilder as possible to cover different faces by using the clustering-based splitting algorithm. Experimental results reveal the feasibility of our proposed approach in solving face detection problem.     

彩色图像人脸高光区域的自动检测与校正方法

人脸检测和识别受不同环境照明的影响很大,彩色图像中人脸高光区域的自动检测和辐射校正有助于对人脸的正确分析和识别.提出了一种在TSL(tint-saturation-luminance)彩色空间基于双色反射模型进行高光检测和辐射校正的新方法.通过考察肤色在各种不同彩色空间中的分布形态,以及对皮肤光谱反射特性的分析,采用关键的2维平面代替3维彩色空间进行高光分析.一方面降低了算法复杂度,另一方面又可以在序贯主分量分析中提出特征值比值,迅速而准确地自动检测是否有皮肤高光区域的存在,同时还可以鲁棒地确定皮肤双色反射矢量,应用双色反射模型进行肤色高光区域的辐射校正.