基于不同色彩空间的肤色模型

确定肤色对彩色图片中的人脸检测很重要,在这篇论文中,作者首先讨论了用3种颜色空间表示的肤色子空间YCbCr,HSV和统一的颜色空间.然后作者给出了算法,判断在3种肤色子空间下,一个象素是否为皮肤象素;并且提出了一种新的方法来找出候选面部区域.最后,作者比较了3种肤色子空间的性能.     

光照自适应的人脸肤色检测方法

从3个方面入手提出了一种抗光照噪声强的人脸肤色检测方法:①从常用的颜色空间中选择出对光照因素稳健的肤色子空间;②提出了基于该子空间的光照自适应的肤色检测方法;③进一步采用小波边缘检测的方法精确定位人脸区域.实验结果表明,该方法对抗灯光、太阳光、荧虹灯光,光的阴影等的影响都有好的效果.     

几种常用的肤色检测颜色空间

本文主要介绍了一种常用的肤色检测方法即肤色区域边界固定法,同时介绍了利用该方法进行肤色检测的几种常用的肤色检测颜色空间如RGB、YCbCr以及HSV颜色空间,并在这几个颜色空间中对在Internet上获取的200个光照均匀的肤色块进行肤色检测,统计出在每个颜色空间中肤色检测的正确率并对实验结果做出分析。最终的实验结果表明,在所取图片的光照比较均匀的条件下,HSV颜色空间的肤色检测效果最佳,YCbCr颜色空间次之,RGB颜色空间最差。     

视频序列中基于肤色的人脸实时检测

利用肤色在颜色空间的聚类特性来检测人脸,为了去除亮度对肤色的影响,增强检测的可靠性,采用了同时在RGB归一化颜色空间和HSV颜色空间中对肤色进行检测.在肤色检测之前采用了图像差分法先检测出运动空间,消除了背景对肤色检测的影响,也缩小了肤色搜索的范围.关于实际场景的实验表明,本文算法既能准确地检测出人脸,同时又能够达到实时效果.     

人脸检测的自适应肤色分割算法研究

为寻找候选人脸区域,从复杂的背景中分割出肤色信息成为一种有效的方式。作者分析了几种常用的彩色空间,提出一种自适应肤色分割算法,即检测出彩色图像中的肤色区域。算法选择了分割效果很好的HSV彩色空间,对Sandeep等人提出的方法进行改进,克服了因为皮肤区域的颜色随着拍摄的光照、角度等因素难于分割的不足。实验结果表明,该算法能有效地从复杂背景中分割出肤色区域,显示出更强的鲁棒性(robust),在人脸检测系统中具有很好的应用价值。     

基于肤色的人脸区域分割

通过主要的两种色彩空间比较,选取YCbCr颜色空间,确立一种在YCbCr空间下的基于高斯模型的肤色分割方法.在YCbcr色彩空间中建立肤色分布的高斯模型,得到肤色概率似然图像,在最佳动态域值下完成肤色区域的分割,最后应用欧拉数确定出人脸区域.实验表明,该方法可以有效地分割人脸区域.     

复杂背景下基于肤色检测的动态手势分割与识别

在类肤色的复杂背景下,基于肤色检测的动态手势识别会因肤色干扰导致识别效率较低。提出了一种基于YCbCr颜色空间的改进三帧差分法的动态手势识别方法。首先利用改进的三帧差分法对动态手势进行分割,有效去除类肤色背景;然后根据人体肤色在YCbCr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有效去除非肤色背景,分割出手势区域。通过双特征提取,有效去除大范围的肤色背景,最终得到完整的手势;最后利用BP神经网络较强的自学习能力,对分割的动态手势进行检测识别。实验结果表明,此方法在应对环境变化时具有较好的实时性和抗干扰能力,拥有较高的识别率。     

复杂背景下基于YCbCr颜色空间和Mini-Batch聚类的肤色检测

针对复杂背景下的人体彩色图像,提出了一种基于YCbCr颜色空间和Mini-Batch聚类的肤色检测算法.算法首先将目标图像转换到YCbCr颜色空间,并在Cb和Cr分量上进行统计建模,得出肤色阈值的高斯分布模型;然后采用Mini-Batch聚类算法在Cb和Cr分量上对肤色进行聚类分割,并对分割出的肤色区域进行面积过滤和区域归并,最终获得完整的肤色区域.仿真结果表明,相比传统算法,该算法对光照变化具有很好的鲁棒性,在背景复杂的人体图像中,能够得到较为完整、准确的肤色区域;同时该算法对大尺寸的图像具有较高处理效率.     

基于纹理和邻域信息的肤色分割算法

为有效分割图像中的肤色信息,提出一种基于纹理和肤色点的邻域信息肤色分割算法.首先,根据图像中的肤色点在RGB颜色空间上的分布规律,利用统计直方图模型对肤色部分进行初步分割;其次,为提取图像中的纹理信息,采用Gabor滤波器进一步过滤掉与人类皮肤颜色接近但纹理粗糙的区域;最后,采用掩码图像中的肤色点作为种子点进行邻域信息的扩散,得到最终掩码图像.实验结果表明,与统计直方图肤色模型相比,该方法肤色分割效果更好.     

基于肤色特征的最短生成树方法进行人脸分割

提出采用基于肤色特征的最短生成树方法从复杂景物中对人脸进行分割，利用色调和饱和度空间进行联合分割．其方法优于在灰度空间中进行的分割，并在一定程度上不受阴影和光强的影响．最短生成树方法考虑相邻象素的相互关系，可提高分割的鲁棒性和准确性．实验证明，本方法有一定实用价值．     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量(H,Cg,Cr)T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

基于YIQ颜色空间的自适应肤色检测算法

选取YIQ颜色空间,通过选择多种拍摄环境、光照条件的训练样本图像,统计其中肤色像素点和非肤色像素点中颜色分量I的分布概率,构建皮肤颜色分布模型,并利用贝叶斯规则构造肤色分类器.同时,计算测试图像准肤色区域的平均亮度,作为自适应阈值进行肤色判别.实验表明,该方法对不同亮度图像和不同肤色类型都有很好的检测效果.     

一种基于K-均值聚类方法的肤色分割算法

随着智能化信息处理技术的发展,人脸检测与定位越来越受到重视.本文在利用颜色信息进行皮肤检测的过程中采用YCbCr颜色空间,利用高斯肤色模型,得到图像中任意像素属于肤色的概率,同时借鉴了模式识别中广泛应用的K-均值的思想,设计了基于K-均值聚类方法的肤色分割算法,完成了图像的二值化.     

基于YCbCr颜色空间手势分割

手势作为一种非常重要的信息交互载体,包含着大量符合人类认知习惯的交互信息,针对光照变化、外界干扰等复杂背景环境对手势分割的影响,提出了一种基于YCbCr颜色空间的肤色检测方法进行手势分割.根据人体肤色在YCbCr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,首先对复杂背景环境下的类肤色区域进行分割,同时针对分割图像中可能存在非手势区域的问题,采用最大类间方法获取分割阈值,去除图像中非手势区域,获取较高质量的手势二值图像.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,能实现较为高效的手势分割.     

基于肤色模型的人脸检测与人眼定位

针对光照变化对人脸检测及人眼定位的影响, 提出一种基于肤色模型的人脸检测与人眼定位方法. 先对图像进行预处理, 减少图像中的噪声; 再将RGB颜色空间转化到具有良好肤色聚类特性的YCbCr色彩空间, 利用Gauss模型进行肤色建模; 最后检测出人脸区域并确定人眼位置.     

一种基于颜色信息的图像查询方法

把图像颜色信息用聚类表示,聚类过程中考虑象素的空间相关性,实验结果表明方法是有效的。     

基于肤色模型和背景差分的手指区域分割方法

为了提高基于计算机视觉的人机交互系统中触控手指区域分割的性能和精度,提出了一种基于肤色模型和背景差分的手指区域分割方法。首先,根据肤色的聚类特征,在 YCbCr色彩空间上建立肤色模型,对手指区域进行肤色分割;随后加入自适应更新的背景差分法摒除图像中光照度和背景颜色的干扰。实验结果证明：该算法在复杂背景下分割手指区域具有较高的准确性和实时性,能应用在嵌入式环境中。     

一种实用监控系统的人脸检测定位算法

对基于监控系统中彩色图像的人脸检测与定位方法进行了探讨,利用颜色对方向的不敏感来减少人脸区域的搜索范围,将颜色空间与Hough变换相结合实现人脸定位.首先在颜色空间YCbCr上建立肤色模型,并对肤色区域进行初步检测,然后利用自适应模糊Hough变换检测瞳孔所在的圆心,从而实现对人脸区域的精确定位.在Georgia Tech彩色人脸数据库上的实验结果表明:该方法能够较好地检测肤色偏黄的人脸,并且在人眼的定位阶段平均用时为0.1秒,满足数字监控中实时性的要求.     

AVS视频编码中运动估计算法的改进

简要介绍了AVS标准的发展和现状,对其运动估计算法的技术特点与流程进行了详细分析,并与H．264的相应技术做了比较。针对原算法,在子象素运动估计上做了改进与优化,提出了一种新的基于整象素SAD的快速子象素运动估计算法。经验证该方法在基本保持性能的前提下,较大程度地降低了运动估计算法的复杂度。     

一种三结构描述子的图像检索方法

针对基元结构描述子在颜色空间的基础上再提取其他特征,导致偏重对颜色信息的描述而降低了图像检索性能的问题,提出一种应用在HSV颜色空间上的三结构描述子(TSD)的特征提取方法。该方法在HSV颜色空间中分别提取颜色和纹理信息,考虑到了颜色和纹理特征的同等重要性,同时避免了颜色信息的过多干扰;在纹理特征提取中,TSD利用像素间的信息变化来表示局部空间结构信息,解决了传统的局部模式方法忽略对局部结构的空间关系描述的问题,获得了更多的空间结构信息。实验结果表明,该方法在3个图像库Corel-1000、Corel-5000和Corel-10000上的检索准确率分别达到78.08%、38.12%和52.12%,与以往基元结构方法相比,检索准确率得到了提高。