基于肤色分割和AdaBoost算法的人脸检测

针对复杂背景和可变光照下的静态彩色图像人脸检测,提出了一种基于肤色分割和AdaBoost算法的人脸检测方法。首先把彩色图像转换到YCbCr空间。接着应用自适应光线补偿算法对图像进行光线补偿。再结合形态学、几何约束等方法排除背景干扰、进行肤色区域分割。其次应用改进的AdaBoost算法对分割出的区域进行验证,进而精确定位人脸。实验表明:该方法检测率高、适应性好、鲁棒性强,对人脸检测有较强实用性。     

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。     

基于肤色分割的彩色图像的人脸检测

提出了一种基于肤色分割与统计特征分析并结合模板匹配的检测人脸方法，该方法能在复杂的背景下很好的检测出人脸。首先利用颜色信息对彩色图像分割成皮肤区域与非皮肤区域，然后对皮肤区域作尺寸大小、方差大小、旋转角度等处理后，再进行模板匹配。     

基于肤色模型的复杂背景图像人脸检测

本文针对复杂背景下彩色人脸图像提出了一种基于肤色模型和人脸几何与统计特征的检测方法.先利用椭圆肤色模型分割出肤色区域,再利用形态学操作以及人脸的统计几何特征验证人脸.实验表明,该方法检测正确率高,可以有效地运用于多姿态、多人脸和复杂背景的情况,具有较好的检测效果.     

复杂背景图像中彩色人脸的检测

提出了一种在复杂背景的图像中自动检测彩色人脸的方法.该方法首先在YCrCb和HSV色彩空间进行肤色和非肤色的分割,对检测到的肤色像素在CrCb空间中进行聚类,在每一聚类中心应用形态学算子除去一些较小的背景区域,然后进行区域合并形成候选人脸区域.在候选人脸区域内应用重复阈值法得到候选眼睛对,最后采用BP神经网络进行确认.实验结果表明这种方法在复杂背景的图像中检测人脸的正确率为90%.     

基于肤色模型与眼睛定位的人脸检测方法研究

提出了一种基于肤色模型与眼睛定位的人脸检测方法。通过YIQ色彩模型的肤色区域分割进行人脸的粗定位,再根据眼睛的灰度及形状信息的眼睛定位实现人脸的准确检测。实验表明,该方法能够在复杂背景图像中较准确地检测出人脸。     

基于肤色的人脸检测算法研究

文章提出了一种基于肤色的彩色图像人脸检测算法。该算法会对输入图像进行尺寸归一化及光线补偿,综合利用2种色彩空间对预处理后的图像进行二值化操作。在肤色分割的基础上去除噪声,并结合多种有用信息,对肤色区域进行了判定,最终识别出人脸区域。它的主要优点有对人脸的姿态不敏感、检测速度快等。在多人脸检测方面,该算法运用区域分割的方法对多个人脸进行有效检测。实验结果表明,该算法是可行有效的。     

复杂背景下基于高斯模型和不变矩改进算法肤色检测

人脸肤色检测是当前研究的一个热点和难点。本文利用肤色高斯模型和不变矩的自动阈值肤色分割算法对复杂背景人脸肤色进行检测。首先对复杂背景下的人脸图片进行光照补偿,建立高斯肤色模型,利用基于梯度调整的矩不变算法进行人脸肤色检测,取得了很好的效果,实验证明是一种快速,有效,比较稳定的人脸肤色检测算法。     

基于肤色分割和模板匹配的人脸检测技术研究与实现

针对基于肤色分割方法利用特征点信息不充分的不足和基于模板匹配方法计算量大的不足,提出了基于肤色分割和模板匹配两种方法相结合的人脸检测技术.通过肤色分割方法研究,虽不能最终确认人脸,但可利用人脸特征确定人脸区域,并筛选出大部分的假脸区域,在模板匹配研究中,可以确认出人脸图像,并给出检测结果.     

基于动态阈值图像分割法的人脸识别技术研究

提出一种基于动态阈值图像分割的人脸识别方法.在灰度级别下,基于图像分割中的Fisher准则,利用Fisher函数的类间均值最大、总类内方差最小的原则,自动获取待检测图像所对应的最佳分类阈值,并根据所得的动态阈值进行肤色分割,然后再根据阈值解码器,实现肤色似然图的二值化,得到肤色分割后的二值化图像,从而检测到包含有人脸的肤色区域.实验结果表明,该方法改善肤色分割性能,能够在负载复杂背景下实现肤色区域的精确分割,提高人脸检测的速度和精度.     

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．     

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.     

灰度积分投影和圆形标记法结合的人眼定位

讨论对于自然光下摄像头采集的人脸照片的眼睛定位算法,该算法是基于灰度积分投影和圆形标记法实现。分为以下三个步骤:首先,在RGB空间下对图像进行肤色检测,得到可能的人脸图像,通过形态学处理排除噪声等干扰;然后,根据亮度分量对人脸区域进行分割,得到五官图,并通过灰度投影对人眼进行粗定位;最后,通过圆形标记法,把区域内的白色空洞转化成面积相等且质心为圆心的圆形,经过几何特征筛选排除干扰圆得到双眼的两个圆形。该算法在Matlab平台上进行仿真实验,结果表明,此算法对于复杂背景下特别是存在类肤色干扰情况时人眼定位效果好、精度高。     

基于YCb＇Cr＇肤色特征和Otsu算法的人眼定位优化方法

为了解决光照和人脸姿态对人眼定位的影响,提出一种基于肤色特征和最大类间方差法（Otsu）相结合的人眼定位优化方法.该方法首先在检测出人脸的基础上,在YCb＇ Cr’色彩空间里做肤色检测,运用肤色分割原理缩小人眼检测的搜索区域;接着,对图像进行Otsu阈值分割,提取二值图像的眼睛区域;最后,在眉眼区域利用二值积分投影分别定位左右眼睛.该方法减小了光照对图像的影响,并且简单快速.在标准的VidTIMIT人脸库和自采图库上进行了实验仿真,结果表明,此算法在光照和人脸姿态变化的情况下都具有很好的鲁棒性.     

复杂背景下的彩色图像人脸检测

提出了一种复杂背景下使用肤色模型检测人脸的方法.该方法首先对图像进行光照补偿,然后对肤色模型处理后的二值图像进行分割与合并,并结合先验知识提取出人脸候选区域,最后验证人脸轮廓、眼睛和嘴等特征来判断人脸候选区域是否包含人脸.对1 010幅变光照和复杂背景情况下拍摄的彩色人脸图像进行验证,其检测率达到89.7%.     

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.     

表情识别中的粒子群检测与分割方法

结合粒子群优化算法,提出了一种对人脸进行精确检测与分割的方法,以提高表情识别的准确率。通过肤色分割得到大致的人脸轮廓;通过粒子群优化检测到人脸的精确位置。利用精确的人脸进行PCA降维和特征提取后可进行表情识别。实验结果表明,此方法很好的排除了干扰因素,提高了表情识别的准确率,尤其对于某些单表情效果极佳。