基于肤色信息的人脸检测系统

人脸检测作为人脸识别的重要组成部分,因为其巨大的应用价值和市场潜力已经成为热点研究领域。本系统在Matlab平台上实现了一种基于肤色的人脸检测算法。经测试,本系统的识别正确率可达到93％以上。     

基于肤色和结构特征的人脸检测

本文提出了一种基于肤色模型和人脸面部结构特征的人脸检测算法,该算法首先建立肤色模型来对原始图像进行肤色区域分割,再根据人脸的面部结构特征对分割区域进行过滤。实验结果表明给算法检测速度快,能够到达实时检测的目的。     

基于肤色及深度信息的人脸轮廓提取

提出并实现了一种新的提取人脸封闭轮廓的方法.首先通过三目立体视觉系统获得彩色图和深度图,然后利用彩色图的肤色信息和深度图的深度信息而惟一确定的面部区域,最后再通过对面部肤色区域轮廓提取并结合活动轮廓模型(Snake)提取下巴,从而完成整个人脸轮廓的提取.该算法能够较好地提取人脸的轮廓线,克服了下巴边界难以从颈部区域提出的困难,定位精度高,边缘连续性好,满足了人脸轮廓特征提取的要求.     

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.     

基于肤色的人脸检测算法研究

提出一种基于RGB、HSI空间和KL变换的人脸区域检测算法，根据待检测图像上每点的颜色值来判断它属于人体区域还是背景区域，从而检测出人脸所在的位置。实验表明，该种方法避免了在RGB、HSI和KL三个独立空间分别进行人脸检测所出现的人脸误码测问题，通过大量的实验和检测，将三种方法有机的结合起来，较好地区分人脸区域和背景区域，具有很好的鲁棒性。     

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。     

基于聚类肤色模型的人脸检测

在安全检测、人机交互等人脸识别应用中,人脸的检测与定位是前期重要工作.该文提出一种改进的基于亮度聚类的肤色模型,并提出一种新的最佳阈值选择算法,设计了肤色检测算法流程.实验证明该算法提高了人脸检测的速度和鲁棒性.     

结合肤色模型和Adaboost算法的人脸检测

提出了一种结合肤色模型和Adaboost算法的人脸检测方法．Adaboost是一种分类器算法,把弱分类器提升为强分类器,具有很高的检测率,但其误检率也比较高．人脸肤色检测由于受光照等条件的影响,其检测率比较低,但是其误检率也比较低．结合这两种方法进行检测,能够优势互补,改善算法性能．实验证明该算法具有较好的检测效果．     

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.     

基于肤色的人脸检测算法研究

提出一种基于RGB、HSI空间和KL变换的人脸区域检测算法,根据待检测图像上每点的颜色值来判断它属于人体区域还是背景区域,从而检测出人脸所在的位置.实验表明,该种方法避免了在RGB、HSI和KL三个独立空间分别进行人脸检测所出现的人脸误测问题,通过大量的实验和检测,将三种方法有机的结合起来,较好地区分人脸区域和背景区域,具有很好的鲁棒性.     

一种基于地形信息熵的人脸检测方法

提出一种基于地形信息熵的灰度人脸检测算法,能够部分地消除当前困扰人脸检测过程中的光照和噪声等因素的影响,尤其对阴阳脸的检测有一定的效果.该算法将人脸图像看作一种特殊的地形,并提取有效的信息熵;利用区域融合和区域过滤等操作,获取"人眼对"的候选区域;根据"三庭五眼"人脸特征,最终确定人脸的位置.实验表明,该方法在某种程度上可以有效地消除光照和噪声的影响.     

基于梯度信息的灰度人脸检测

针对灰度图像提出了一种有效的人脸检测算法。首先对原始灰度图像利用Sobel边缘检测算子得到水平方向的梯度信息;在此基础上,结合人的眼睛灰度信息得到眼睛的初步候选区域,并根据眼睛的几何特征删除非眼睛区域;然后利用眼睛的几何特征以及人脸的“三停五眼”特性确定真正的眼睛和嘴的区域,在精确定位眼睛和嘴的几何位置后确定人脸区域;最后利用人脸的左右对称性来验证人脸。实验表明,该算法对于灰度图像的正面人脸定位以及人脸检测具有良好的效果。     

视频中多信息融合的人脸检测方法

针对目前人脸检测存在实时性差和对环境适应能力差的问题,提出了一种利用多信息融合技术的视频人脸检测方法.实验结果表明,该算法具有良好的稳定性和实时性.     

基于人脸检测的教室信息智能采集系统

为实现对教室信息的提取、分析和识别,设计了一种基于Harr小波的教室数据智能采集系统。对采集的数字图像进行图像变换,通过教室格局对图像进行区域划分后再分割,通过标识状态建立训练数据集。对训练数据集的Harr小波提取子图像特征,建立数据向量。利用Adaboost分类算法对数据进行机器学习并抽取分类规则集。对各种教室信息进行识别后统计数据,通过网络传输给服务器。该系统实施便捷,可广泛用于各个教学系统。     

基于改进活动轮廓模型的人脸分割

人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。     

一种改进的AdaBoost的人脸检测算法

针对AdaBoost人脸检测算法使分类器的检测时间过于冗长而阻碍实际应用的情况,文中利用肤色检测排除大部分非人脸区域后再进行检测以缩短检测时间,并且设定权值调整门限避免了AdaBoost算法中可能出现的过拟合现象,以改善检测率.仿真实验结果表明,改进后的算法缩短了47%的检测时间,提高了2.3%的检测准确率.     

一种基于Adaboost算法的人脸检测

针对经典Adaboost算法存在训练速度缓慢、检测结果过分依赖训练样本集的现象,提出一种改进的人脸检测算法.该算法在原有Adaboost算法的基础上,利用特征约简来提高训练速度,引入样本扩张、多分辨率搜索等策略来提高检测效率.算法还在一定程度上解决了遮挡、旋转、光照对人脸检测带来的影响等问题.实验结果表明:该方法具有较快的训练速度和良好的检测性能.     

利用颜色信息的人脸检测方法

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。