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AdaBoost算法的快速人脸检测研究

研究了AdaBoost算法的原理和训练过程,分析了导致算法准确性下降的原因.使用高斯混合模型对人脸肤色建模,将可能存在人脸的区域从彩色图像中分离出来,再使用AdaBoost算法对该区域进行检测能够提高检测速度和准确率.实验结果验证了算法的准确性.     

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。     

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。     

复杂背景中人脸检测与特征定位

为了在复杂背景下检测出人脸的特征区域,针对彩色图像提出了一种基于肤色和特征验证的人脸检测算法,主要由肤色分割、排除假区域、特征验证3部分组成.经实验证明,该算法检测速度快、准确率高,具有较好的鲁棒性.     

基于双肤色模型及AdaBoost算法的人脸检测

针对复杂背景和可变光照条件下,彩色静止图像的人脸检测问题,综合利用YCbCr和HSI颜色空间下的肤色模型,先进行肤色分割,定位出候选人脸,再用AdaBoost级联分类器进行检测验证,有利于提高检测效率,降低误检率。     

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%.     

基于肤色和轮廓信息的人脸检测

针对彩色图像提出了一种基于肤色模型、脸部轮廓信息以及眼睛特征的人脸检测算法.采用基于YCbCr色彩空间的肤色分割模型,初步筛选人脸的候选区域;然后进行边缘检测,获得人脸轮廓信息,并利用三点定圆法来拟合脸部的圆形;最后在圆形区域的水平方向根据眼睛的几何特征来检测"眼睛对",再根据"三停五眼"来定位人脸,并利用左右对称性验证人脸.实验表明,该算法对于彩色图像的正面人脸检测具有良好的效果.