基于YCgCr颜色空间的光照自适应的肤色区域检测

为了校正由于光源颜色变化而引起的图像色彩的偏差,在RGB颜色空间基于Gray World假设,采用颜色平衡方法对输入的彩色图像进行颜色校正;为了有效地检测彩色图像中的肤色区域,采用了新颜色空间YCgCr,并在该颜色空间建立了联合亮度信息和Cg-Cr色度查找表的肤色模型.大量实验结果表明,该模型具有较强的光照适应性,可应用于复杂环境下的彩色图像中的人体肤色区域检测.     

肤色模型的面部肤色区域提取

面部肤色区域提取是数字图像处理和模式识别领域的研究热点。研究了采用OpenCV分类器实现人脸检测的方法,并基于肤色区域的聚类特性,构造出一个肤色模型查找表,进而实现了面部肤色区域的提取。实验证明,这种方法具有良好的适应性和实时性。     

一种基于肤色与边缘轮廓的人脸检测方法

本文提出了一种基于肤色和边缘轮廓相结合的人脸检测算法。其算法首先采用人脸肤色模板对图像当中的类人脸肤色区域进行初定位,再利用以人脸边缘轮廓为特征训练得到的支撑向量机对这些区域进行分类,最终得到人脸区域。实验证明,此算法保证了检测率的基础上获得了较好的检测速度。     

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。     

肤色检测最优空间

在综述现存肤色检测算法所使用不同颜色空间的基础上,基于一个含有1894张图像的样本库,采用肤色内聚性和肤色一非肤色类可分离性指标以及相应的分类器性能评估准则,考查了包含所有常用颜色空间的15个3维颜色空间和15个2维色度平面,建立了一个完善的肤色空间评价体系．结果表明：线性颜色空间是最优的肤色空间类,去除亮度信息将降低肤色一非肤色的类可分离性,并导致分类性能的退化．     

一种改进的自适应肤色检测算法

针对Hsu R L的肤色检测方法的不足,提出了一种改进的自适应肤色检测算法。用白平衡算法取代了Hsu R L的光线补偿方法,从而较好地解决了由光照引起的图像彩色偏移,使得检测结果更加稳健。在Hsu R L的统计模型的基础上,提出了一种自适应检测算法,该算法根据肤色值在非线性变换后的色度空间的二维直方图分布,自动确定肤色模型的位置,从而能更加准确地描述肤色在一幅图像中的分布情况。并将该算法用于彩色视频图像中的人脸检测,实验结果表明,该算法比Hsu R L的方法更能取得满意的检测效果。     

自适应肤色检测算法的研究

针对Hsu提出的椭圆肤色检测模型的局限性,提出了一种自适应肤色检测模型。在Hsu的统计模型基础上,根据光照条件自适应改变其椭圆模型的长短轴,以取得最好的肤色检测效果。实验结果表明,本文算法有较强的光照适应性,所提出的自适应肤色检测模型效果优于Hsu的椭圆模型。     

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。     

基于肤色与肤色矩实时视频人脸检测与跟踪

提出了一种新颖、鲁棒、实时人脸检测与跟踪算法.该方法采用背景差分法提取运动区域,对运动区域利用肤色归一化RGB和HSV色彩模型的聚类性,得到人脸候选区域.利用人脸几何信息和孔洞信息对人脸候选区域进行验证.基于肤色矩特性,对人脸区域进行跟踪与预测.通过对不同背景条件下的人脸检测与跟踪,实验结果表明,所提算法不仅检测率高,且对光照,人脸姿态的变化具有较强的鲁棒性.基于480×360图像处理速度平均为25帧/秒,可满足系统实时性要求.     

基于肤色信息的实时人脸跟踪方法

提出一种基于人脸检测与肤色信息相结合的人脸实时跟踪方法。该方法先用Adaboost算法进行人脸检测，在此基础上，CAMSHIFT算法跟据人脸肤色信息实现对人脸的自动跟踪。实验表明，该算法具有快速、鲁棒的特点，能够满足实时系统的需要。     

基于方向区域距离测度的彩色边缘检测方法

文中给出了一种彩色边缘的定义，阐述了彩色边缘的特点，提出了一种在HSI彩色空间使用的基于彩色图像方向区域距离测试的彩色边缘检测新方法。该方法定义的方向区域距离测度充分考虑了边缘的方向性和滤波尺度对边缘检测的影响，通过选择不同的权重，可分别求取色调边缘，色度边缘，饱和度边缘，亮度边缘以及它们的组合边缘，能满足不同应用的需要，实验表明，该方法能提取更多的彩色边缘信息并具有很好的抗噪性能。     

一种基于形态学的有噪彩色图像边缘检测方法

边缘检测技术是图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理的基础,也是图像处理领域研究的热点问题。本文提出基于HSI颜色空间形态学的有噪彩色图像边缘检测方法。在传统形态学梯度检测边缘的基础上进行改进,计算H、S、I三个分量的边缘信息,然后根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘。实验结果表明,这种方法所检测的边缘符合视觉边缘,在抗噪声方面的效果比传统方法更佳,能够更完整地保留原彩色图像的轮廓,有更好的实用性和通用性。     

基于肤色的人脸检测研究

对于有背景的彩色图像,肤色是人体表面最显著的特征之一,所以肤色特征是人脸检测中一个重要的特征[1～2]。肤色特征主要由肤色模型描述,检测方法可以分为颜色选择,肤色区域分割和人脸检测三个步骤。文章提出的肤色模型可以较好的适应光照变化,采用肤色分割的方法,可以快速检测不同大小,不同平面以及一定侧面旋转角度的人脸。对简单背景下的人脸检测的检测率达到95.65%,复杂背景下的人脸检测的检测率达到85.22%。     

基于HSI颜色空间的彩色图像边缘检测

为得到质量较高的彩色图像边缘信息,基于符合人眼视觉特性的 HSI颜色空间,提出一种新的彩色图像边缘检测算法。融合色度、饱和度和亮度分量得到新分量V,根据色度和饱和度的相关性改进色差度量方法,设计边缘生长方法以保证边缘连续性,结合4个分量的边缘信息得到最终边缘检测结果。实验结果表明,该算法可有效消除噪声影响,提高边缘信息的准确性。     

基于HSV色彩空间的自适应肤色检测

针对复杂背景彩色图像提出了一种基于HSV色彩空间的自适应肤色检测算法。该算法首先使用阈值在HSV空间对人体肤色区域进行肤色分割,然后对分割出的肤色区域使用相对重要性滤波和自适应区域归并,最后将归并后的肤色区域使用人眼定位进行验证,将多人脸检测转化为单人脸检测。实验结果表明,该算法复杂度较小,对光照变化具有很好的鲁棒性。     

基于YCbCr肤色模型和SNOW分类器的人脸检测

人脸检测是人脸识别的首要步骤,在人脸识别领域有重要的应用价值。基于YCbCr彩色空间,提出一种RGB彩色图像的人脸检测方法。该方法利用YCbCr肤色模型进行肤色分割,得到类肤色区域作为侯选人脸区域;结合split up Sparse Network OfWinnows（SNOW）分类器准确定位人脸的位置应用matlab编程技术对多组图像进行实验,结果表明,该方法适用于复杂条件下的人脸检测,并且不受人脸表情的限制,对于多人脸检测同样适用。     

基于肤色分割、区域分析和模板分布的人脸检测研究

提出了一种基于肤色分割、区域分析和模板分布的彩色图像人脸检测算法。首先对输入的彩色图像利用混合高斯模型和亮度模型进行分割,然后根据人脸五官的结构特征对得到的区域进一步分析处理,获得所有可能的候选人脸。接着构造了一种基于双眼和人脸模板的概率模型并利用其对候选人脸进行最终检测。实验结果表明,文章提出的算法具有较高的检测正确率和自适应能力;同时具有快速的检测速度。     

基于肤色和区域双重匹配的人脸检测

提出了一种在复杂背景的图像中自动检测彩色人脸的方法。这种方法将肤色信息与人脸区域信息相结合。先在YCbCr颜色空间中求出图像中每个像素点属于肤色的隶属度,然后求出每个像素点对于质心的区域隶属度,最后把这两个隶属度进行结合得到属于人脸的隶属度。试验结果证明这种方法能较好地在复杂背景中检测出人脸。     

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。