图像灰度熵特征与SVM分类结合的人脸检测

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸检测方法．在信息论的编码熵的基础上提出了灰度熵的概念，并把人脸图像的行像素灰度熵和列像素灰度熵作为人脸图像的部分特征．在人脸检测系统中，把人脸图像的灰度值和行像素灰度熵和列像素灰度熵作为特征用支持向量机进行训练，得到检测用分类模型，然后把分类模型应用于人脸检测．实验证明了这种方法的有效性。     

基于肤色模型和模板匹配的人脸检测方法研究

提出了一种基于人脸肤色信息和模板匹配,对彩色图像中的人脸进行检测的方法。该方法首先在YCbCr色彩空间下,利用肤色信息将彩色图像中的肤色区域和非肤色区域分开,计算得到表示肤色相似度的色度图,然后分割由此色度图所生成的灰度图像,从而得到人脸检测的候选区域,同时计算该区域的欧拉数来进一步缩小人脸搜索的范围,结合人脸模板进行匹配,最终确定并标记出彩色图像中人脸的位置。实验结果表明:该方法能够在具有复杂背景的彩色图像中快速并且准确的检测出人脸,误检率较低。     

图像灰度熵特征与SVM分类结合的人脸检测

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸检测方法.在信息论的编码熵的基础上提出了灰度熵的概念,并把人脸图像的行像素灰度熵和列像素灰度熵作为人脸图像的部分特征.在人脸检测系统中,把人脸图像的灰度值和行像素灰度熵和列像素灰度熵作为特征用支持向量机进行训练,得到检测用分类模型,然后把分类模型应用于人脸检测.实验证明了这种方法的有效性.     

基于肤色模型与人脸结构特征的人脸检测

人脸检测是自动人脸识别中的关键环节.提出了基于人脸肤色模型和人脸结构特征的人脸检测.首先利用人脸图片样本,提取肤色像素,建立肤色CbCr高斯模型.根据高斯肤色模型求得人脸似然图,并采用最佳阈值对之进行二值化.之后再采取形态学处理,除去部分非人脸区域,分割出待定人脸区域.最后根据人脸的结构特征进行再次筛选,得到人脸区域.此方法运用在一般的人物照片中都能达到比较理想的效果.     

融合人脸特征和相关向量机的多姿态人脸检测

多姿态人脸检测是人脸检测研究领域中的难点和热点之一,针对这一实际应用中亟待解决的难题,提出融合人脸特征和相关向量机的检测算法。算法首先利用肤色特征快速排除大部分背景,在肤色区域中搜索眼睛和嘴巴区域。根据眼睛和嘴巴区域的几何特征所确定的人脸方向,分割出大致正向的人脸候选区域。最后选用分类性能比支持向量机更优的相关向量机对候选区域进行分类。对比实验表明,算法提高了多姿态人脸的检测率,对光照、表情和遮挡有较强的鲁棒性。     

基于Gabor小波支持向量机的人脸检测

提出了一种基于Gabor小波的支持向量机人脸检测方法.该方法首先提取人脸和非人脸样本库的Gabor小波特征,构造学习样本集,再训练支持向量机,计算出最优分类决策函数.对比实验结果表明,本文提出的方法简单、计算复杂度低、效率高、对正面垂直人脸的检测和定位准确度高.     

基于肤色分割和神经网络确认的快速人脸检测

为了提高人脸检测速度,提出了一种基于肤色分割的快速人脸检测方法．利用颜色信息将彩色图像分割成皮肤区域和非皮肤区域,从而缩小了神经网络的检测区域,提高了人脸检测速度．     

利用颜色信息的人脸检测方法研究

提出一种利用颜色信息的人脸检测方法 .首先把输入的彩色图像从 RGB转换到 YIQ颜色空间 ,提取与人的肤色相关的 I分量图像 ,通过对整幅 I分量图像进行尺度变化和窗口扫描 ,解决待测人脸的位置、大小不同问题 ,实现平移不变和尺度不变 .然后对 I分量图像进行门限化处理 ,提取 I分量图像中可能包含人脸的接近人的肤色的区域 .最后把经过肤色区域滤波的灰度图像作为特征送入训练好的神经网络 ,由神经网络判别该图像是否一张人脸 .实验表明 ,该方法能有效地检测彩色图像中的人脸     

一种面向复杂场景的彩色图像人脸检测方法

针对复杂场景的需要，提出了一种适用于复杂场景的彩色图像人脸检测方法．首先通过综合考虑肤色的亮度和色度信息提高了现有的肤色模型准确率，然后基于颜色和形状特征给出了一种有效的人脸候选区域定位方法，最后针对现有特征验证方法的不足，提出了一种基于人脸像素梯度阈值的验证方法对人脸进行确认．试验表明这种方法是有效的，鲁棒的．     

基于层次型支持向量机的人脸检测

复杂背景中的人脸检测可广泛应用于人脸识别、人机交互等方面。但目前大部分人脸检测方法中存在分类器训练困难和检测计算量大等问题。提出了一种基于层次型支持向量机的正面直立人脸检测方法,在这两方面作了改进。这种结构的分类器由一个线性支持向量机组合和一个非线性支持向量机组成,由前者在保证检测率的情况下快速排除掉图像中绝大部分非人脸区域,后者对人脸候选区域进行进一步确认。在卡内基梅隆CMU等数据库上的实验证明了这种方法不仅具有较高的检测率和较低的误检率,而且具有较小的计算量。     

A color based face detection system using multiple templates

A color based system using multiple templates was developed and implemented for detecting human faces in color images. The algorithm consists of three image processing steps. The first step is human skin color statistics. Then it separates skin regions from non-skin regions. After that, it locates the frontal human face(s) within the skin regions. In the first step, 250 skin samples from persons of different ethnicities are used to determine the color distribution of human skin in chromatic color space in order to get a chroma chart showing likelihoods of skin colors. This chroma chart is used to generate, from the original color image, a gray scale image whose gray value at a pixel shows its likelihood of representing the skin. The algorithm uses an adaptive thresholding process to achieve the optimal threshold value for dividing the gray scale image into separate skin regions from non skin regions. Finally, multiple face templates matching is used to determine if a given skin region represents a frontal human face or not. Test of the system with more than 400 color images showed that the resulting detection rate was 83%, which is better than most color-based face detection systems. The average speed for face detection is 0.8 second/image (400 x 300 pixels) on a Pentium 3 (800MHz) PC.     

基于灰度信息和支持向量机的人眼检测方法

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示：没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果.     

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.     

基于肤色分割、数学形态学和几何方法的人脸检测

许多学者对人脸检测进行了研究,但是始终没有得到一个满意的结果．Ing-sgeeb Hsieh使用HIS颜色空间进行人脸检测,得到“亮度小于40的区域不是东方人脸”的结论．这种方法的局限性在于亮度会随光照改变且只适合于检测东方人脸．Rein-Lien Hsu使用嘴唇和眼睛的Cr和Cb规范值来辨别人脸,但是由于很多人戴眼镜,     

彩色图像中人脸部的小波方法检测

本文针对人脸检测过程中常用到的基于彩色图像肤色分割的方法存在的不足,提出了一种将彩色图像肤色分割方法与图像的小波变换方法相结合的人脸区域检测方法.首先采用肤色分割方法对图像中的人脸区域进行粗定位,然后与从原图像进行小波分解提取出的人面部的细节信息相结合,从而可以更为准确地定位人脸的位置.实验表明了本方法的有效性,并且对于一般背景的图像可以提高人脸检测系统的适应性.     

基于模糊-神经网络的肤色像素检测算法

 肤色像素检测技术是成人图像识别、人脸识别等与人体相关的图像识别系统的基础和重要组成部分。为了提高肤色像素检测的准确度,本文提出一种模糊理论与FP神经网络（Forward Propagation Neural Network）相结合的肤色像素检测算法。算法首先通过模糊理论和直觉模糊理论提取待识别像素的颜色特征,构成特征向量,其中包括像素对常见肤色像素颜色值的隶属度和犹豫度,为完整的表达肤色像素的特征,再加入粗糙度特征进行补充;然后训练出FP神经网络,对所提取的特征向量进行肤色像素与非肤色像素的分类。实验证明,该算法能够提高肤色像素检测的准确度,可以有效地应用在有关人体的识别系统中。     

一种基于标准混合高斯模型的快速人脸检测方法

针对室内移动机器人运动过程提出一种快速而稳定的人脸检测方法.由于室内存在多种物体,背景不断变化,且光照条件可能不断变化,提出采用人脸肤色的标准混合高斯模型与人眼特征相结合的人脸检测法,无需对原始图像进行尺度变换.检测过程首先将经过补光处理及光线增强的人脸库转换到YCbCr空间,求其非线性变换空间YC'bC'r,求出左右脸标准正态密度函数及混合高斯分布;然后根据人眼颜色特征,分别对人脸肤色候选区域进行人眼候选区域提取,利用人眼Gabor模板的不变Hu矩与人眼候选区域的相关性,找出人眼拟合矩形区域,再综合利用人眼与人脸的特征关系以及人脸候选区域的投影关系检测出人脸区域.大量实验表明,新方法速度快,适应性较好,并可扩展检测到侧面人脸.     

基于阈值优化的CDRM-SVM入侵检测算法

为了提高中心距离比值法预选取支撑矢量的效率,降低支撑矢量机的训练时间,引入自适应动态克隆算法对中心距离比值法的阈值进行优化,并将该算法应用于入侵检测中,提出了基于阈值优化的CDRM-SVM入侵检测算法.算法首先利用自适应动态克隆算法对中心距离比值法中的阈值进行优化,获得理想的阈值,从而可以提取出包含全部支撑矢量的边界矢量集,然后使用边界矢量集代替训练样本集进行支持矢量机的训练,大幅度减少了训练样本的数量,使支持矢量机的训练速度显著提高.同时,由于边界矢量集中包含了支撑矢量,因此,支撑矢量机的分类能力没有受到影响.采用KDDCUP 99数据集进行试验,试验结果表明:与传统方法相比,在保证性能的情况下,所提算法能够有效地降低支持向量机的训练时间.