基于椭圆模型的手势识别与仿真

在手势识别系统的研究中,手势分割是实时手势识别系统的一个重要环节,视觉的手势识别系统中解决准确实时分割问题的方法,是利用肤色信息提取手势区域,但易受到光线和环境的影响.在对图像检测前,对 RGB 空间进行颜色均衡,减少光线对肤色检测的影响.并在建立肤色模型的时候,对肤色样本集进行均匀化,在此基础上统计分析建立椭圆模型.与传统的 RGB 肤色模型的手势分割相比,能够在复杂背景下进行手势分割.经仿真得到了较好的分割效果,具有较强的光照适应性,对提取几何矩特征,建立手势库,采用神经网络识别手势,实现实时的静态识别具有良好的效果.     

敏感图片自动检测系统的研究

设计并实现了一个敏感图片自动识别系统。该系统首先利用肤色模型从敏感图片中检测出肤色区域,再从图片肤色区域中,提取大量经验特征表示图像内容,然后采用Haar特征算法设计一个检测敏感部位对象的分类器,最后通过敏感部位的几何特征逐级识别正常图片与敏感图片。该检测系统具有良好的系统性能。     

彩色静态图像的人脸检测研究

讨论了一种彩色静态图像的人脸检测法,先使用光照补偿对图像进行预处理,再采用YCbCr肤色模型检测出图像的肤色部分,然后对肤色部分进行膨胀、腐蚀,去除非人脸区域,最后使用人工神经网络对候选人脸区域进行验证,最终定位出人脸区域.实验证明了该方法对不同光照环境和复杂背景的图片有较好的适应性,提高了检测速度与精度.     

多姿态小目标人脸检测算法研究

由于人脸在不同的环境.背景等情况下有着不同的视觉效果,同时人脸本身有着细致复杂的模式变化,一般传统的检测方法都是针对正面五官清晰的人脸,而对于多姿态或小目标人脸检测效果不佳,由此提出了一种在光线补偿下基于人脸和头发几何约束的检测算法.该算法首先分别依据肤色和发色的色彩空间模型分割出目标区域,再利用几何约束特点检测出人脸.实验结果表明,相比于特征提取和模板匹配的人脸检测算法,该算法对于五官模糊的小目标人脸以及面部特征不齐全的多姿态人脸具有较高的检测精度.     

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。     

基于肤色模型和梯度算子的正面人脸轮廓提取

文章提出了一种新的正面人脸封闭轮廓提取方法,首先采用肤色模型对肤色区域进行初定位,然后经过筛选去除非人脸区域,最后提取人脸初步轮廓,并结合梯度算子提取下巴轮廓,进而得到一个连续、封闭的人脸轮廓.该算法基本克服了下巴轮廓难以从颈部提取的问题,满足了人脸轮廓特征提取的要求,同时具有较高的时效性.     

基于肤色检测技术的手势分割

手语是聋哑人使用的语言。在手势输入设备发展二十多年以后,许多人仍然发现在与聋哑人的互动交流中存在着一定的困难。因此应该努力使计算机适应自然的交流方式。文中的目的是利用肤色检测程序从整个图像上获取有意义的手势区域,并处理不同室内背景和照明情况下的手势,为进一步的手语识别做准备。对几个静态手势的检测过程进行了实验评估,并就结果进行了讨论。     

基于肤色和Adaboost算法的人脸检测研究

人脸检测是计算机视觉和人工智能领域中的一项富有挑战性的工作,在虚拟现实、人机交互等很多领域都有广泛的应用。研究了基于Adaboost的人脸检测,并提出了肤色与Adaboost算法相结合的人脸检测方法。对输人的彩色图像进行从RGB空间到YCrCb空间的转换,再结合形态学等方法进行区域肤色分割,排除背景干扰,然后用Adaboost算法对可能区域进行检测,得到人脸位置。实验表明,该方法有较高的准确性和鲁棒性,可以得到满意的检测效果。     

基于肤色马氏距离图的人脸检测

介绍利用肤色信息、特征脸与径向基概率神经网络相结合的方法进行人脸检测,能准确快速地检测出彩色图像中的人脸区域.首先构造皮肤YUV颜色模型,检测彩色图像中的皮肤区域,并计算出该区域相对于皮肤的马氏距离图;根据其马氏距离图利用主成分分析法构建特征脸子空间;构造出径向基概率神经网络,以马氏距离图在各特征脸子空间的投影系数为网络的输入.计算出该区域是否是人脸图像.实验证明,这种方法是有效的.     

一种新型成人图像自动检测系统

肤色检测是成人图像检测中快速有效的检测技术,但是它的检出率和误检率都高。为了能够准确检测成人图像且尽量避免无害图像被误检,我们提出将高斯混合模型、颜色自相关图和人脸检测三种检测器相结合的方法。后面两个步骤的主要目的就是降低误检率。其中,颜色自相关图检测器不同于以往系统,因为颜色自相关图描述子不仅考虑了颜色的空间相关性,而且考虑了颜色的局部空间相关性的全局分布。实验证明,由于颜色自相关图检测器能够准确地辨别出90%以上的无害图像,所以有效地降低了该成人图像自动检测系统的检出率。