基于肤色分割的复杂背景图像的人脸检测

提出了一种基于肤色分割和KL变换相结合的检测人脸的方法。首先利用肤色模型将彩色图像分割成肤色区域和非肤色区域，然后对肤色区域进行预处理，剔除一些不包含人脸的区域，最后对肤色区域进行KL变换，通过椭圆面积；位则．确认人脸区域。实验结果表明这种方法能较好地在复杂背景中检测出人脸。     

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.     

复杂背景下基于模糊集的快速人脸检测

针对如何在复杂背景下快速定位人脸并对其进行确认的问题,提出了一种基于模糊集的快速人脸检测方法.该方法利用肤色模型对图像进行肤色检测,获得肤色分割区域后,并利用数学形态学算子对分割区域进行处理并获得人脸候选区域,再结合模糊集理论,融合人脸的特征进行模糊事件的判断,确定人脸候选区域是否包含真正的人脸.实验结果表明,该算法具有较强的鲁棒性和高的正确检测率,并能满足实时应用的要求.     

基于肤色分割和改进Gabor滤波相结合的人脸检测

针对人脸检测问题,提出了一种基于肤色分割和改进Gabor滤波相结合的方法;该方法首先基于YCbCr空间对图像中的背景区域和人脸肤色进行分割,以消除大量的背景区域提高运算速度;接着利用改进的Gabor滤波对提取出来的人脸肤色区域进行卷积得到人脸的特征向量,并和通过训练样本获得的特征向量进行比较以验证是否为人脸;最后通过实验分析,验证了所提方法能够在保证检测精度的基础上有效提高运算速度。     

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。     

基于肤色和几何关系的人眼快速定位方法

人眼检测是人脸检测与识别、驾驶员行为分析或MPEG4压缩中的关键技术,为了提高处理速度和检测结果的鲁棒性,提出了一种基于肤色检测和几何特征人眼快速定位方法;通过比较,选用YIQ空间和KL变换联合的方法检测肤色区域,然后运用面积阈值检测出备选人脸区域,并在备选人脸区域中通过灰度特征确定人脸特征区域的位置,并根据人眼的几何位置关系检测出其大致位置;通过对称性和相似性校验所得位置是否为真正的人眼位置,最后运用Hough变换确定人眼瞳孔中心的精确位置;试验表明,该方法操作简单,速度较快,能满足实时处理的要求,对不同的光照条件、姿态以及干扰背景具有较强的适应性。     

基于肤色和Haar方差特征的人脸检测

为了在提高复杂背景下的人脸检测率的同时减少检测时间,将肤色分割和Haar方差特征相结合,在YCbCr颜色空间通过椭圆肤色模型和logistic回归分析确定每一点的肤色概率,生成肤色概率图,从而将每一点的像素值映射到[0,1],在Ostu方法的基础上采用并行的遗传算法确定肤色分割的阈值,快速分割出人脸区域;最后用少量的Haar方差特征取代原来的Haar特征,并采用SVM训练分类方法对分割出的人脸区域进行验证。实验表明,该方法不仅提高了人脸检测的正确率,而且具有较快的人脸检测速度。     

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KL肤色的人脸初定位

提出了一种基于KL肤色的复杂背景中的人脸初定位方法,将KL变换应用到色系坐标系的转换中,提出了一种新的基于KL肤色的人脸快速初定位方法,并且讨论了这种定位方法在复背景的图象中的应用。     

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。     

基于肤色分割的人脸检测算法研究

提出一种自适应光照补偿算法对图像进行补偿,根据肤色点在YCbCr色彩空间中的聚类性分别建立了肤色的区域模型和简单高斯模型,利用区域模型分割结果消除高斯似然图中类人脸的影响,采用自适应阈值对图像进行肤色分割,得到肤色候选区域.对分割出来的二值图像进行形态学处理后用基于先验知识的检测算法对肤色候选区域进行筛选,确定出人脸的位置.实验结果表明,提出的方法综合检测效果好.     

基于改进的肤色空间和几何特征的快速人脸检测研究

提出一种基于肤色分割和几何特征相结合的人脸检测算法。该算法对图像进行光照补偿预处理,增强图像对比度;采用YCg Cr色彩空间的人脸肤色模型,对图像进行肤色分割,得出肤色轮廓;利用人脸的几何特征筛选出人脸区域。实验结果表明,该算法检测率高,实时性好,误检率低。     

一种新的快速多人脸检测算法

提出一种基于改进的肤色分割和距离变换的快速人脸检测算法。该算法对传统肤色分割进行了改进,使得肤色分割更加可靠,而且能够对图像中的多个人脸进行快速定位。实验证明该方法是有效的。     

肤色相似度和动态阈值相结合的肤色分割技术

为了提高人脸检测的速度与性能,提出一种基于肤色相似度与动态阈值相结合的肤色分割方法。首先在YCgCr颜色空间计算肤色相似度,然后给出一种基于类间方差和类内离散度相结合的动态阈值确定方法,根据求得的动态阈值进行肤色分割,并对肤色分割后的二值图像进行滤除噪声处理。实验结果表明该方法改善了肤色分割性能,能够在复杂背景下实现肤色区域的精确分割,从而提高了人脸检测的速度和性能。     

融合肤色信息和椭圆环模板的人脸检测

融合肤色信息和人脸轮廓信息,提出了一种新颖的基于肤色信息和人脸轮廓的人脸检测算法.首先利用改进的肤色提取算法对肤色进行分割,分析肤色区域,找出备选人脸;然后对备选人脸区域进行边缘检测,根据边缘检测点进行人脸轮廓特征的匹配,找出入脸的准确位置,并利用马赛克模板排除虚假人脸.实验结果表明,该算法具有较高的准确率,检测速度快...     

基于肤色信息和主分量分析的人脸实时检测系统

提出了一种基于肤色模型、人脸面部结构和模板匹配的人脸检测算法。该方法首先建立肤色模型来对原始图像进行肤色区域分割,再根据人脸的面部结构特征对分割区域进行过滤,最后用基于主元素分析的模板匹配算法对候选区域进行判断。实验结果表明该算法能够适应复杂背景以及多人脸的检测,而且检测速度快,能够达到实时检测的目的。     

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。     

基于肤色和支持向量机的人脸检测

人脸检测作为人脸识别系统的重要一环,越来越受到技术研究和商业应用的关注。针对人脸检测环境的复杂性,该文提出了基于肤色和支持向量机的人脸检测算法。该算法对于具有复杂背景信息的人脸彩色图像,采用肤色检测的方法进行肤色区域的分割并去除噪声干扰,然后使用支持向量机(SVM)对于类似肤色区域进一步检测并确定人脸区域。实验表明,结合肤色模型的快速检测和支持向量机的二次验证,该方法能提高人脸检测的准确性,并缩短检测时间。     

肤色信息在人脸检测中的应用

基于肤色信息的人脸检测方法能快速获得所有可能的候选人脸,把经过光线补偿处理后的彩色图像从RGB转换到YCbCr色彩空间,根据实验获得的最佳阈值进行肤色分割,快速获得所有可能的候选人脸。对候选人脸作形态学处理及人脸区域标定,最终确定人脸区域。实验结果表明,基于肤色的人脸检测方法能快速的区分人脸区域和背景区域,将人脸区域标定在一个白色的矩形框内,具有良好的检测效果。     

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。