一种新的基于颜色恒常性的肤色分割算法

为了解决不同光照条件下的肤色分割问题,提出了一种新颖并且行之有效的解决方法。该方法先应用颜色恒常性算法对图像光照进行估计,根据光照估计的结果,在YCbCr颜色空间采用不同分布的高斯肤色模型,并利用动态阈值对图像进行分割。试验结果证明了算法的可行性和优越性。     

鲁棒的肤色检测方法

肤色检测常用的方法有颜色空间阈值法,肤色统计模型和基于分割的方法.然而,上述方法对于光照不好的图片往往得不到很好的效果,而且在背景颜色与肤色相近时,往往误判背景为肤色.为此,提出了一个综合的方法,它对图片光照和背景颜色具有鲁棒性:先作图像预处理,通过阈值法选出肤色像素,再对肤色密度分布进行估计,最后使用改进的分水岭算法进行肤色区域生长.实验结果表明,该方法可以有效降低背景颜色的干扰,提高了肤色轮廓的精确度.     

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。     

自适应模型和固定模型结合的肤色分割算法

由于受环境、光照、人种等因素影响,不同图像中的肤色分布并不一样。在复杂背景情况下,采用固定的阈值边界模型进行肤色分割将导致较大的漏检或误检。基于YCbCr颜色空间,在固定阈值边界模型分割的基础上,运用简化的期望最大化(EM)算法计算出针对特定图像的自适应肤色高斯模型;然后综合考虑固定阈值边界模型以及自适应肤色高斯模型在不同颜色区域上划分的准确性,给出最终的肤色分割结果。实验结果表明,该方法相比固定阈值边界模型的分割方法,能同时降低误检率和漏检率,从而提高肤色识别的准确率。     

基于肤色检测与卷积神经网络的手势识别

针对光照变化、背景噪声等复杂环境对手势识别的影响,提出了一种基于YCb Cr空间肤色分割去除背景结合卷积神经网络进行手势识别方法。首先根据人体肤色在YCb Cr颜色空间中的聚类效果,采用基于椭圆模型的肤色检测方法进行手势分割;然后对分割后的手势图像提取骨架与边缘相融合的手势特征图;再通过深层次的Alex Net卷积神经网络结构,对经过融合的手势特征图进行识别。实验结果表明,针对复杂的背景环境,该算法具有较强的鲁棒性,在不同数据集下对手势的平均识别率提升了4%,可以达到99.93%。     

运用自适应球体模型实现肤色动态分割

提出一种用于变化光照、多姿态和复杂背景条件下人脸识别的肤色区域动态分割算法。对彩色人脸输入图进行色偏校正和亮度调节预处理,利用肤色聚类特性构建一种自适应球体肤色模型,并基于该模型计算自适应肤色相似度,利用肤色相似度,采用自适应的动态阈值进行肤色区域目标的分割和提取。实验结果表明,对于变化光照、多姿态和复杂背景的彩色人脸图像,该算法有良好的分割精度和自适应性。     

一种使用邻接信息的自适应肤色检测方法

本文提出了一种使用邻接信.E-的白适应肤色检测方法.先在HSV空间对图像使用SPDH方法以寻找最优的肤色阈值并以此对进行初步肤色分割;然后再通过使用邻接信息的空间扩散法对初步判定的肤色像素进行处理,最终得到肤色像素.实验结果表明,该方法对复杂背景和不同光照下的肤色检测都有较好效果.     

复杂背景下基于人脸的自适应肤色检测

针对传统肤色检测在复杂背景下对类肤色像素的抗干扰能力弱,以及光照对肤色颜色特性影响的问题,提出一种自适应的肤色检测方法。通过Adaboost结合Haar的人脸检测,并利用改进后的二值化提取出包含光照信息的皮肤区域。然后利用改进后的直方图反向投影法,结合肤色样本在YCb Cr空间中Y亮度分量训练得到的最佳阈值,对整幅图像进行肤色检测。实验结果表明,该方法在复杂背景下以及光照的影响均有良好的鲁棒性,在准确率、召回率方面较传统的肤色检测方法有提高。     

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.     

复杂背景下BP神经网络的手势识别方法

针对手势图像的肤色特点,结合肤色在RGB空间的阈值分割和YCbCr颜色空间上的聚簇特性,以及背景模型的应用,有效减少了背景中类肤色的干扰,完成了手部图像在复杂背景下的检测和分割;并采用图像的7个不变Hu矩描述子来表征不同二值化的手势轮廓;最后采用BP神经网络进行手势识别。实验结果表明该方法有较好的识别率和鲁棒性。     

一种与局部模型相结合的自适应肤色检测方法

使用预先训练得到的肤色高斯模型进行肤色检测,容易受到环境影响。为了提高肤色检测的性能和精度,提出一种与局部模型相结合的自适应肤色模型检测方法。在YCgCr颜色空间中使用高斯模型对图像进行肤色分割,并利用初次检测到的肤色区域像素数据建立局部模型,估计出模型参数。把局部模型与预先训练得到的参数相结合,得到自适应的肤色模型。实验表明,该方法和单独的肤色高斯模型相比,提高了在不同背景和光照下肤色检测正确率。     

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。     

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%。     

Data fusion for skin detection

Two methods of data fusion to improve the performance of skin detection were tested. The first method fuses two chrominance components from the same color space, while the second method fuses the outputs of two skin detection methods each based on a different color space. The color spaces used are the normalized red, green, blue (RGB) color space, referred to here as pixel intensity normalization, and a new method of obtaining the R, G, and B components of the normalized RGB color space called maximum intensity normalization. The multilayer perceptron (MLP) neural network and histogram thresholding were used for skin detection. It was found that fusion of two chrominance components gives a lower skin detection error than a single chrominance component regardless of the database or the color space for both skin detection methods. In addition, the fusion of the outputs of two skin detection methods further reduces the skin detection error. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008     

Research of Natural Gesture Recognition and Interactive Technology Compatible with YCb Crand HSV Color Space

In view of the current gesture recognition algorithm based on skin color segmentation is not flexible and has weak resistance to the environment, this paper puts forward a new method of skin color modeling to improve the adaptability of gesture segmentation when it face to different states. The modeling built by double color space instead of only one is compatible both in YCb Cr and HSV color space to training the Gaussian model which can update the threshold value for binarization. Finally, this paper designed a natural gesture recognition and interactive systems based on the double color space model. It has shown that the system has a good interactive experience in different environments.     

肤色检测技术综述

肤色检测在人脸和手势识别与跟踪、Web图像内容过滤、数据库或因特网中的人物检索和医疗诊断等方面有广泛应用,文中通过分别介绍基于统计和基于物理的两类肤色检测技术,较全面地综述了肤色检测技术,其中对颜色空间选择、静、动态肤色建模方法、肤色反射模型和肤色波谱特性等肤色检测重要环节做了分析,明确了选择颜色空间与特征提取和分类方法的联系,强调了研究肤色波谱特征对基于物理的肤色检测技术的重要性,最后探讨了肤色检测的技术难题和发展趋势。     

基于分裂式K均值聚类的肤色检测方法

针对复杂图像背景及光照导致的肤色检测率不高的问题,提出一种基于分裂式K均值聚类的椭圆模型肤色检测方法。该方法对图像进行光线补偿处理,采用Gray World方法对图像进行颜色均衡,选择建立检测效率较高的椭圆肤色模型进行肤色检测,并在检测出的肤色区域上采用分裂式K均值聚类(FKM)进行二次的肤色判决,进一步准确检测出肤色区域。实验表明,所提出的检测算法能准确高效地检测出肤色区域,具有较高地准确率和较强的鲁棒性。     

Robust skin segmentation using color space switching

Skin detection is very popular and has vast applications among researchers in computer vision and human computer interaction. The skin-color changes beyond comparable limits with considerable change in the nature of the light source. Different properties are taken into account when the colors are represented in different color spaces. However, a unique color space has not been found yet to adjust the needs of all illumination changes that can occur to practically similar objects. Therefore a dynamic skin color model must be constructed for robust skin pixel detection, which can cope with natural changes in illumination. This paper purposes that skin detection in a digital color image can be significantly improved by employing automated color space switching. A system with three robust algorithms has been built based on different color spaces towards automatic skin classification in a 2D image. These algorithms are based on the statistical mean of value of the skin pixels in the image. We also take Bayesian approaches to discriminate between skin-alike and non-skin pixels to avoid noise. This work is tested on a set of images which was captured in varying light conditions from highly illuminated to almost dark.     

基于模糊认知图的图像压缩域肤色检测方法

传统肤色检测方法无法同时保证较高的检测精度及较快的处理速度。为此,提出一种基于模糊认知图的图像压缩域肤色检测方法。在熵解码的离散余弦变换系数中,提取图像块的颜色特征和纹理特征,利用模糊认知图建立用于表征压缩域图像特征与肤色检测结果之间关系的肤色模型,采用该模型进行肤色检测实验。结果表明,与传统方法相比,该方法检测准确率更高,所需检测时间更短。     

针对机动车驾驶员的人脸检测方法

为了正确检测人脸区域、提高驾驶室内光照不足情况下人脸检测与定位方法的准确性和实时性,采用了肤色聚类的人脸检测方法,利用肤色聚类性将彩色图像分割成皮肤区和非皮肤区。同时,提出一种基于多尺度Retinex算法的改进算法,其能够在人脸检测之前对图像进行光照补偿处理。将改进后的算法应用到新建立的人脸图像库中进行仿真实验,并与传统的肤色聚类人脸检测方法进行对比,其正确率提高了4.7%。实验结果表明:改进后的肤色聚类人脸检测算法可实现对不同光照变化和旋转角度的人脸进行检测,且具有很强的实用价值。