一种基于肤色和脸部特征的人脸检测方法

针对人脸检测问题中快速性与准确性难以同时满足的情况,提出了一种将肤色和脸部特征相结合的方法来检测人脸。由于通过基于肤色的算法能快速定位出人脸大致位置,因而检测速度能达到实时的要求;同时利用脸部特征进一步细检,可保证检测的精确性。     

基于肤色模型和径向基函数网络的脸部检测

驾驶员疲劳状态检测一般采用对人眼的闭合度进行计算,若实现对人眼的闭合度计算首先是对人脸的正确快速检测,针对驾驶室的特定环境,本文研究一种基于肤色模型和径向基函数网络为基础的快速人脸检测算法,该算法首先对输入图像进行RGB和YCbCr颜色空间的转换,其次建立相关的肤色模型,实现人脸区域的粗定位,然后结合径向基函数网络对输入的图像进行训练,这样就可以根据训练的结果判断是否是肤色,从而实现人脸检测。仿真结果表明,所研究的算法较好的提高了强光下人脸的正确检测,为驾驶员疲劳驾驶的研究奠定前期基础。     

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．     

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。     

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。     

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.     

基于计算机视觉的人脸检测系统的研究

研究了一种基于计算机视觉的人脸检测系统,它采用模块化硬件技术和图像处理软件,满足实时检测的要求,可以有效检测出人脸。为该系统设计了一种基于判别函数分类器、模糊算法及人工神经网络的组合式多级分类器,具有一定的学习能力,当待测人脸发生变化时,系统可根据人脸数据库对分类器进行训练,以适应相关的变化。实验结果验证了该方法的有效性。     

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。     

一种改进的Adaboost算法的人脸检测分类器

针对人脸检测中单一分类器检测非常耗时,而且没有考虑到检测后提取标准人脸对后续工作(如识别)等问题,提出了运用Adaboost算法,采用正面人脸和人眼两个特征作为分类器,首先用Cascade算法筛选出输入图像中最有可能是人脸的区域,然后根据以正面人脸和人眼为特征的分类器检测人脸区域,并根据检测出来的人眼距离和角度对人脸进行精确的定位.同时针对实际的图像中人脸常常存在一定倾斜,从而影响后续的人脸的识别率这一问题,采取了根据人眼的位置对倾斜图像进行修正.实验结果表明改进的算法能够在保持一定运算速度的基础上取得准确的人脸,具有较好的实用性.     

基于加权统计模型和遗传算法的人像目标检测

目的 研究基于加权统计模型和遗传算法的人像目标检测方法。方法 提出用于检测非刚性图像目标的一种加权统计模型,该模型含有待检测目标样本的统计值,可有效解决图像目标发生形变和倾斜情况下检测器的适应性问题。     

一种基于模糊熵划分的边缘检测算法

基于信息论中最大熵原理,提出了一种基于梯度图像的模糊划分边缘检测算法。该算法首先根据图像边缘的特点和类型构造出新的梯度算子,再根据梯度图像自然划分以及2-划分的关系得到模糊2-划分条件熵,基于最大模糊条件熵原则实现梯度图像划分中最优阈值的自动选取,实现图像的边缘检测。仿真实验结果比较表明,该算法用于边缘检测能获得较好的效果。     

基于全卷积神经网络的多尺度人脸检测

如何快速而准确地定位到人脸,针对这个问题,提出了一种基于全卷积神经网络的多尺度人脸检测方法.首先用全卷积层替换VGG网络中的全连接层,然后用二分类代替分类层,最后进行该算法下的人脸检测,通过对待检测的图片进行多尺度变换并将其输入到全卷积神经网络中,得到相应的概率矩阵,人脸图框通过非极大值抑制法获取.试验结果表明,该算法的准确率较高,检测时间短,性能较好.     

基于主成分分析和ART2网络的车辆波形分类

利用环形线圈车辆检测器,对不同车辆经过环形线圈时产生电磁感应数据进行采集,再对这些维数较大的车辆感应数据,运用主成分分析法对其降维处理,以减少ART2神经网络输入维数,便于对这些数据进一步分类. 通过实验研究可知,这种主成分分析与ART2神经网络相结合的分类方法,使数据通过降维处理,并减少网络的输入维数,不仅大大简化了网络结构,还明显提高了分类的准确性、快速性,加快了网络的学习速率,而且从分类效果上看,也具有很好的正确率.     

基于Adaboost人脸检测算法

针对因图像背景复杂、 光照变化及面部旋转等因素的影响, 使复杂背景下人脸检测难度大、 速度慢和准确率低的问题, 使用Adaboost算法进行人脸检测, 并在OpenCV上实现其检测过程。分别对具有面部旋转和复杂背景的图像进行了人脸检测实验, 其检测准确率分别为85%和99%, 平均检测时间分别是16.67 ms/张和76 ms/张。实验结果表明, 该算法能在复杂背景下准确、 快速地实现人脸检测, 且能满足人脸识别系统实时性的要求。