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。     

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。     

一种基于肤色模型的人脸检测方法及DSP实现

针对静态的人脸图片,采用一种新的肤色模型YCh'Cr',判别人脸大致区域,然后再用椭圆形模型来匹配,把人脸和其它的肤色区域判别出来.基于该肤色模型的算法运算速度快,识别准确率高,能够实现快速的人脸检测.     

肤色与唇色信息相结合的人脸检测

人脸识别一直是图像处理研究的热门领域,现在社会中的应用更是越来越广泛,可用于安防、案件侦查和移动支付等领域,其中,人脸检测是人脸识别的前提。通常的人脸检测技术有基于肤色、模板匹配和Ada Boost等检测方法。该文采用肤色和唇色信息相结合的人脸检测技术,可以较好的检测出图像中的人脸位置。     

一种基于小波变换和模板的人脸检测方法

提出了一种基于小波变换和模板匹配的人脸检测方法.首先通过小波变换,取其低频系数后设置阈值,生成若干个二值化的候选区域,然后对模板进行旋转伸缩变换,再与候选区域进行匹配.该方法能在复杂背景下快速检测人脸,并且不受人脸旋转角度的影响.实验结果表明,该算法是十分有效的.     

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.     

双目视觉中的一种人脸立体匹配及视差计算方法

研究并实现了一种基于双目视觉的人脸立体匹配计算方法.采用OpenCV技术结合肤色模型检测技术得到准确人脸区域,在实验对比了3种相似性度量算子优缺点的基础上,采用互相关性度量算法作为区域匹配方法.为了缩小搜索范围及提高匹配准确率,提出结合极线约束、人脸区域约束、人脸对称性等约束条件进行立体匹配,再利用左右一致性原则进行视差后处理.实验表明,本文给出的算法在时间效率上以及对应点的匹配率上有了较大的提高,效果较好,可为后续进行人脸三维重建提供良好的基础.     

复杂动态背景中的人脸检测

针对复杂动态背景中的人脸检测问题，提出了一种基于差影运算和肤色识别的检测算法。该算法首先通过改进的差影运算初步确定人脸区域，然后建立一个人脸肤色模型进一步进行肤色匹配．从而实现由粗到细的人脸检测。实验证明，该算法可以适应不同的光照环境，不受人脸大小和朝向的限制。其运算速度和精度均达到实用要求。     

非均匀光照下人脸眼睛的定位方法

考虑非均匀光照下人脸眼睛的检测问题，提出了一种利用高频信息模板匹配方法从复杂图像中定位人脸眼睛的方法。选取80幅光线较好的人脸图像，对它们做光线规范化，提取Gabor高频特征，构造模板。利用统计模式识别的原理，在眼睛的大致区域进行模板匹配，突出眉毛与眼睛这一整体的大致位置，然后进行二值投影，最终确定人眼的准确位置。大量实验表明，该算法具有很高的精度和很强的鲁棒性。     

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.     

人脸识别系统中的特征提取

研究了人脸识别系统中正面人脸的特征提取 .通过区域增长从人脸图像中分割出人脸 ,再利用边缘检测、Hough变换、模板匹配和方差投影技术可以快速有效地提取出人脸面部器官眼睛、鼻子和嘴巴特征 .实验结果表明本文所采用的方法具有较高的准确率和光照鲁棒性 .     

一种交互式脸部网格模型调整算法

脸部网格模型的建立是基于模型人脸合成技术中的关键步骤.提出一个半交互式正面人脸模型的调整算法,首先利用区域增长法和模板匹配自动确定图像中人脸及各特征区域的大致位置,然后交互地提取人脸特征点的准确二维位置,最后自动确定脸部姿态和调整模型非特征点,即获得输入人脸模型.该算法简便实用,费时较少,具有实用价值.     

一种视频人脸跟踪算法

介绍了一种简单、鲁棒、快速的实时视频人脸对象跟踪算法.在使用贝叶斯肤色分类器分割出椭圆候选人脸区域的基础上,采用人眼谷极点生成人脸假设和特征脸人脸验证方法得到参数化的人脸椭圆区,并使用2个正交的边缘梯度跟踪模型和椭圆内部肤色像素统计直方图跟踪模型跟踪人脸.本算法较好地解决了跟踪的连续性、实时性、精确度和鲁棒性间的矛盾.实验证明:本算法能够实时跟踪多个人脸.     

基于均值漂移算法的人脸自适应跟踪

采用自适应人脸方向模板和YCbCr自适应肤色模型,提出了一种新的基于均值漂移算法的自适应人脸跟踪方法。与传统的均值漂移跟踪方法相比,当人脸倾斜时或光线变化时,该方法能更精确地描绘出人脸位置。实验结果表明,在基本上不增加计算量的情况下,该方法能对人脸的倾斜和光线的变化进行很好地自适应跟踪。     

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%.     

人脸识别算法在监狱通道管理中的应用

针对监狱通道管理的特点, 将人脸肤色模型、 模板匹 配及主分量分析等图像处理和统计学习经典算法有效地结合, 开发了实时有效的人脸识别算法模块. 测试结果及分析表明, 该模块在特定应用中对于人脸定位与验证有一定的优越性.     

基于卷积神经网络的猪脸特征点检测方法

针对牲畜面部识别在养殖行业广泛需求的问题, 提出一种基于卷积神经网络的猪脸特征点检测方法, 解决了猪脸特征点难检测的问题. 首先, 采集猪面部数据并进行特征点标注, 使用新的采集方法以解决猪口部通常不可见的问题； 其次, 对猪脸数据和人脸数据进行结构计算, 匹配相似度较高的猪脸和人脸, 构建猪脸人脸匹配数据集； 再次, 利用匹配数据集训练TPS(thin plate spline)形变卷积神经网络, 得到形变后的猪脸数据集以适配人脸特征点检测模型； 最后, 使用形变猪脸数据集对人脸特征点检测神经网络模型进行微调, 得到猪脸特征点检测模型. 实验结果表明, 用该方法进行猪脸特征点检测, 错误率仅为5.60%.