YCgCr与YCgCb颜色空间的肤色检测

自然界存在很多和肤色相似的颜色,给人脸检测带来了很多的困难。提出了结合Cg-Cb颜色空间的圆形肤色聚类分布和Cg-Cr颜色空间的平行四边形肤色聚类分布的肤色检测法。实验结果发现在人脸处于复杂背景的条件下,该方法简单易行,检测速度快,能去除大量的非肤色,并且极好地保留了肤色。

基于YCgCb新颜色空间的人脸检测算法的研究

人脸检测是计算机视觉、模式识别、人机交互研究中一个很受关注的研究热点。人脸模式错综复杂、易受干扰,常见的人脸检测算法一般都具有计算量大、速度慢、误报率高的弱点。本文基于一种新的色度空间YCgCb,建立了亮度和Cg、Cb色度查找表联合的肤色模型,提出了一种快速有效的阈值估计方法。实验表明该肤色模型可以有效地检测到人脸位置,误检率低。

基于YCgCb颜色空间的高斯肤色模型的人脸检测

人脸检测是模式识别与计算机视觉领域内一个重要的研究热点。人脸是一个常见而复杂的视觉模式,易受干扰。目前常见的人脸检测算法一般具有计算量大、运行速度慢、误检率高等弱点。基于一种新的颜色空间YCgCb的高斯肤色模型,利用颜色信息把彩色图像分割为肤色区域和非肤色区域,并对肤色区域进行去噪处理,实现脸部区域的具体定位,最后标记出来。实验表明该肤色模型可以有效地检测出人脸,误检率低。

基于多肤色空间及AdaBoost算法的人脸检测方法

针对复杂背景和可变光照下的彩色图像人脸检测问题,提出一种基于多肤色空间下的肤色分割及Ada-Boost算法的人脸检测方法。首先利用均值滤波、拉普拉斯算子等方法对图像进行增强处理;然后结合YCbCr、YCgCr、YCgCb三种颜色空间下的多肤色空间对图像进行肤色分割,定位出候选的人脸区域;最后对AdaBoost算法的检测过程进行研究验证,检测出人脸并指示。数据显示,该方法在时间、检测率、漏检率等方面都有明显的改进。因此,该方法能较好地处理复杂背景下彩色图像人脸检测的错检、漏检问题,从而提高了检测效率。

二颜色空间中CamShift人脸跟踪

针对CamShift算法在对人脸跟踪时容易受到肤色背景的影响,且当跟踪环境中背景较为复杂时易失败的问题,提出一种二颜色空间中CamShift人脸跟踪算法。该算法首先在YCgCr与YCgCb空间中进行肤色分割,将每一视频帧中的肤色区域与非肤色区域有效地分隔开来;然后对保留的肤色区域进行形态学操作,并在经过形态学处理所得的肤色区域中引入人脸几何特征,规定只有当肤色区域的长宽比为0.5~1.0或肤色区域面积大于5 000像素的部分方为人脸;最后使用CamShift算法在规定的肤色区域中跟踪人脸。同时为了自动检测目标人脸以初始化搜索窗口,减少算法的处理时间,提高算法的性能,又引入改进的AdaBoost算法检测人脸。实验结果显示,该算法可以获得有效且可靠的跟踪结果。