基于混合肤色模型的快速人脸检测算法

提出了一种基于混合肤色模型的复杂背景彩色图像的快速人脸检测算法.为了克服环境光照变化及光照不均的影响,引入了自适应光线补偿算法;在RGB颜色空间中运用多项式模型对光线补偿后的彩色图像进行肤色区域粗检测;采用RGB颜色空间中的多项式模型和颜色空间中的高斯模型相结合,对先前所提取的肤色区域做进一步精确的肤色区域提取;最后,对二值图像的连通区域进行预处理,输出人脸区域.实验结果表明,该算法能快速有效地从复杂背景的彩色图像中检测出人脸,对光照变化具有较好的鲁棒性.     

基于YCgCb颜色空间的高斯肤色模型的人脸检测

人脸检测是模式识别与计算机视觉领域内一个重要的研究热点。人脸是一个常见而复杂的视觉模式,易受干扰。目前常见的人脸检测算法一般具有计算量大、运行速度慢、误检率高等弱点。基于一种新的颜色空间YCgCb的高斯肤色模型,利用颜色信息把彩色图像分割为肤色区域和非肤色区域,并对肤色区域进行去噪处理,实现脸部区域的具体定位,最后标记出来。实验表明该肤色模型可以有效地检测出人脸,误检率低。     

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。     

基于颜色的皮肤区域探测

提出了一种新的色系坐标系r'g'b',在这种坐标系下,无须对色度信息进行经验公式修正;并推导说明了在无法估计非肤色条件样本的概率分布情况下,用肤色分布先验概率来表征肤色点后验概率的原理。     

一种可变光照条件下的肤色检测算法

肤色是人体表面最为显著的特征之一,可应用于人脸检测与跟踪、手势识别等,肤色检测算法在其中居于关键地位。该文提出了一种可变光照条件下的肤色检测算法,首先在YCbCr颜色空间从大量肤色样本中统计出肤色模型,考虑了在高亮度区和低亮度区肤色色度(Cb,Cr分量)与亮度(Y分量)非线性相关;其次,使用一种彩色均衡技术消除由光照引起的色彩偏移。该算法可适用于较广范围的光照条件,可应用于复杂环境下的人脸检测、手势识别等。     

人脸检测中的肤色提取算法

肤色提取是人脸检测中的一个重要环节,本文提出了一种适合于在复杂背景下的人脸肤色提取算法,使人脸检测更具实际操作性.     

基于改进YCbCr空间的肤色检测模式分析

研究了人脸检测中的肤色检测问题,针对广泛使用的YCbCr 颜色空间存在受色差以背景干扰影响检测率的缺点,为提高人脸肤色的检测率和检测速度,提出了结合人脸肤色在RGB三个维度上的分配比例而对传统的YCbCr 空间分量进行改进的方法,得出YCrCg平面,提取肤色分量,进而引入高斯密度函数估计和直方图统计的方法构建肤色模型,使肤色区域从非肤色区域当中准确地分离出来.在确定人脸区域范围之后,从该图像区域中提取出唇色信息,考虑到人脸的旋转角度,得到检测之后的人脸图像区域.通过自建式网络人脸肤色图库进行仿真,结果证明改进的肤色检测模式取得到较好的效果.     

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.     

基于新的肤色模型的人脸检测方法

基于灰度信息的人脸检测方法在转换过程中会损失原图像中部分有用信息。通过对肤色在YCbCr色彩空间分布的统计分析,提出一种在彩色域中建立肤色模型的方法,并建立了较为准确的肤色模型。在此基础上,根据人脸几何结构特征进一步识别人脸。利用芬兰奥卢大学的基于物理学人脸数据库等一些图像数据检验方法的性能,实验结果表明该方法在较大的光照变化条件下均具有较好的检测率。     

基于YCbCr空间的高斯肤色模型的人脸检测

主要研究人脸检测算法,分析了现有人脸检测算法的特点和不足之处。采用基于YCbCr空间的高斯肤色模型,利用颜色信息把彩色图像分割成皮肤区、头发区和背景区。对皮肤区进行去噪处理,实现脸部区域的具体定位,然后对人脸上的眼睛、嘴巴和鼻子定位。给出了人脸检测的模块设计和算法流程。     

肤色模型快速人脸检测算法研究

为提高人脸检测效率．研究实现采用肤色模型的低分辨率视频快速人脸检测算法。主要步骤包括采用Gray World方法的图像预处理、图像二值化和形态学处理等,从而实现快速人脸定位。实验结果证明该方法的正确性、快速性和有效性。该算法可以为后期人脸特征检测的精确定位奠定基础。     

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。     

基于肤色及脸部特征的脸像检测及其应用

第二代居民身份证的普及势在必行，由于办证数量多、质量要求高、时间安排紧以及为了方便群众，需要制定数字相片的相关规范标准。按照身份证制件要求，本文提出了一种将肤色和脸部特征相结合的方法来检测人脸及定位眼睛位置．并进一步检测及调整人脸色彩，从而根据检测结果来判定该证件相片是否符合制作标准。另外还根据要求对检测出的人脸部分在Lab色彩空间下进行色彩调整，具体步骤包括先对数字相片的颜色空间进行归一化调整以消除偏黄、偏绿和过亮或过暗的现象，再变换色彩空间为Lab空间，最后根据标准判断人脸部分的色彩是否符合要求并进行调整。实验证明该方法具有良好的枪测效果．     

多颜色空间取色器的设计与实现

目前常用软件使用颜色时多以RGB颜色空间为主,也有少数软件使用了HSB、Lab、CMYK等颜色空间。在肤色检测研究领域,RGB颜色空间已经满足不了研究需要,通常会采用HSI、HSV、YCbCr、YIQ、YUV等颜色空间,用于提高肤色检测的准确率和检测效率。针对常见软件的不足,给出了一款基于多颜色空间的取色器,实时抓取光标位置的颜色,并转换为HSI、HSV、YCbCr、YIQ、YUV颜色空间的表示形式,能让用户直观的看到同一颜色在不同颜色空间的各个分量值,加深用户对各种颜色的理解。     

基于肤色和AdaBoost算法的人脸检测

本文介绍了一种将肤色信息和AdaBoost算法相结合的人脸检测方法。先用肤色分割法排除掉非肤色区域的干扰,然后用AdaBoost算法训练的分类器对肤色区域进行检测,该方法在保证检测率的同时,大大减少了目标区域的误检率,提高了人脸检测准确率。     

基于HSV与YCrCb颜色空间进行肤色检测的研究

对肤色检测所适用的颜色空间进行研究,通过对比HSV和YCrCb颜色空间进行肤色识别的受亮度影响的程度,通过数据得出哪一种颜色空间更加适合进行肤色检测。     

一种有效的皮肤检测算法

肤色特征是人体表面的重要特征,在人脸检测与识别、基于内容的不良图像过滤系统中有着重要的地位。分析了YUV颜色空间系统的特点,提出了一种基于椭圆区域的皮肤模型,将该模型应用于基于内容的不良图像过滤系统的皮肤检测部分中。实验表明,利用该模型进行皮肤检测能够达到很好的效果。     

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。     

基于肤色信息与宽度优先搜索的AAM人脸特征定位算法

提出了一种结合肤色信息与宽度优先搜索的AAM(Active Appearcance Models)人脸检测算法。该算法充分利用彩色人脸图像中的肤色信息,建立肤色模型,结合形态学运算和宽度优先搜索算法,定位人脸重心,有效地缩小了搜索窗口。实验表明,和AAM算法相比,该算法不仅检测率提高,而且速度提高60%以上。     

基于肤色特征的人脸检测算法的研究

通过对比面部识别技术的各种算法,本文重点研究了基于肤色特征的人脸检测算法。首先通过两种方法实现人脸的区域分割：基于相似度的方法和基于皮肤区域、头发区域的方法。前者通过相似度计算、二值化之后标记出人脸区域,后者利用颜色来检测人脸区域。人脸区域检测完毕之后再对其进行人脸特征的标注,最终实现面部检测。