Research of Natural Gesture Recognition and Interactive Technology Compatible with YCb Crand HSV Color Space

In view of the current gesture recognition algorithm based on skin color segmentation is not flexible and has weak resistance to the environment, this paper puts forward a new method of skin color modeling to improve the adaptability of gesture segmentation when it face to different states. The modeling built by double color space instead of only one is compatible both in YCbCr and HSV color space to training the Gaussian model which can update the threshold value for binarization. Finally, this paper designed a natural gesture recognition and interactive systems based on the double color space model. It has shown that the system has a good interactive experience in different environments.

基于肤色分割、数学形态学和几何方法的人脸检测

A practical algorithm is presented to detect faces in color images with complex background. An image is first classified into skin/non-skin regions. Then, morphology algorithm is used to clean the skin-like image map by a pre-defined face element structure. Following that, face shape detection is carried out based on geometry. Experimental results show that the presented algorithm is flexible to various lighting conditions, faces with certain rotation conditions, multi-faces conditions and partial face covered conditions.

一种基于KL变换的椭圆模型肤色检测方法

肤色检测是计算机视觉中的一个重要问题,该文提出了一种新的基于KL变换的椭圆模型肤色检测方法。算法首先对训练肤色样本进行了分布均匀化处理,然后以KL变换为基本工具最终得到了肤色分布区域的椭圆边界方程。方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。

肤色相似度和动态阈值相结合的肤色分割技术

为了提高人脸检测的速度与性能,提出一种基于肤色相似度与动态阈值相结合的肤色分割方法。首先在YCgCr颜色空间计算肤色相似度,然后给出一种基于类间方差和类内离散度相结合的动态阈值确定方法,根据求得的动态阈值进行肤色分割,并对肤色分割后的二值图像进行滤除噪声处理。实验结果表明该方法改善了肤色分割性能,能够在复杂背景下实现肤色区域的精确分割,从而提高了人脸检测的速度和性能。

人体肤色区域的自适应模型分割方法

针对现有人体肤色区域分割方法在光照等环境因素变化情况下鲁棒性差、精确度不高的问题,提出一种自适应模型的人体肤色分割方法.首先通过AdaBoost实现自动人脸检测,得到包含光照等信息的脸部皮肤区域样本;然后将所取得的肤色样本在YCbCr颜色空间的Y分量和CbCr分量上分别建立高斯混合模型;最后利用改进的Mahalanobis距离度量其他像素与肤色模型间的相似度,并确定阈值来对整幅图像进行肤色分割.实验结果表明,与同类融合算法、CbCr固定阈值等肤色分割方法相比,该方法实现了自动化的肤色建模,在降低误检率的同时平均可以提高10%左右的正检率,具有更好的鲁棒性.

基于手指角度特征的静态手势识别算法

提出一种基于手指角度特征的静态手势识别算法。以指尖到手掌中心的连线构成手势骨架,计算手指间的角度;以角度的大小和指间数量进行分类,把手势定义为一、二、三、四、五、六、七、八、九等9种。该算法不受手势的方向和尺度的影响,仅通过判断手指间的角度大小来识别手势。对900幅手势图进行分析识别的实验结果表明:该算法正确率达96.8%,准确性高;平均用时不超过0.05 s,实时性好。

基于肤色分割、区域分析和模板分布的人脸检测研究

提出了一种基于肤色分割、区域分析和模板分布的彩色图像人脸检测算法。首先对输入的彩色图像利用混合高斯模型和亮度模型进行分割,然后根据人脸五官的结构特征对得到的区域进一步分析处理,获得所有可能的候选人脸。接着构造了一种基于双眼和人脸模板的概率模型并利用其对候选人脸进行最终检测。实验结果表明,文章提出的算法具有较高的检测正确率和自适应能力;同时具有快速的检测速度。

驾驶员眼睛疲劳状态检测技术研究

在判断驾驶员疲劳状态时,应首先对眼睛进行精确定位,再根据眼睛面积的减小程度、持续闭合的时间、闭合频率来判断眼睛疲劳状态。在进行人眼定位时,采用在RGB空间进行肤色分割、去除与边界连通的区域的方法,再结合形状验证法逐步减小眼睛区域候选范围,然后,计算眼睛区域的面积、持续闭合时间。实验证明:这种方法在定位人眼时,简单快速,且不受人脸背景、人脸肤色、姿态的影响。

视频监控中的一种快速人脸定位方法

根据视频监控应用的特点,结合视频图像的时域连续特性和人脸肤色特征,提出了一种应用于视频监控的快速人脸定位方法。该方法首先通过对称差分算法,提取运动区域;然后基于BP(back-error-propagation,误差反传)神经网络的肤色分割算法,对运动区域进行肤色检测,最后,经过进一步的候选人脸区域验证,定位图像中的人脸。实验结果表明,提出的方法实现简单、检测速度快、误检率低,适合实时视频监控系统应用。

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.

肤色建模和肤色分割的人脸定位研究

为了实现彩色图像中人脸的精确定位,提出了一种基于肤色模型、肤色分割处理的人脸定位算法。通过建立肤色模型计算得到图像的相似度分布图,经自适应阈值的二值化处理后,再进行肤色分割,将非人脸区域去除;最终利用眼睛与嘴巴构成三角形特征结合人脸椭圆模板匹配定位人脸。实验结果表明,该算法对于复杂背景下的彩色图像中的人脸正面定位和人脸转动一定角度后定位都有较好效果。

人脸图像中人眼的检测与定位

利用人脸几何特征和图像分割原理,提出了一种在有背景的灰度和彩色人脸图像中自动检测与定位人眼的新算法。首先,基于人脸器官几何分布先验知识建立人眼位置判定准则;其次对人眼的分割阈值范围进行粗估计;然后采用分割阈值递增法,并结合人眼位置判定准则判定分割图像中双眼黑块是否出现;最后利用二维相关系数作为对称相似性测度,检验检测到的双眼的真实性。为了避免图像背景对人眼检测的干扰,还运用了肤色分割原理来缩小检测人眼的搜索区域,从而进一步提高人眼定位的准确性。实验验证表明,所提出的人眼检测与定位方法在速度和准确性方面具有良好的性能。

改进的高斯肤色模型及其在人脸检测中的应用

针对传统高斯肤色模型在肤色和光照变化较大情况下不能有效提取肤色区域的问题,提出一种改进的高斯肤色模型,并将其应用于人脸检测中。模型参数采用一种自适应更新的参数选择方法,通过对相似度人脸和灰度人脸在对应像素点加权相乘的方式,得到将肤色相似度信息和灰度分布信息有效结合的人脸肤色模型,并结合Adaboost算法设计了人脸检测方法。在FERET(facial recognition technology database)、LFW(labeled faces in the wild)、GTFD(Georgia Tech face database)和多人脸图库上的实验结果表明,该模型的肤色提取正确率比传统高斯肤色模型提高了27.1%,提出的人脸检测方法的检测率比Adaboost算法提高了5.5%。

复杂背景下多姿态人脸图像中的人眼检测

研究了复杂背景下多姿态人脸图像中的人眼检测方法.首先,将得到的图像映射到YCbCr空间,利用肤色在YCbCr颜色空间的分布特性建立肤色模型,分割出肤色并得到人脸的区域;再次,利用人眼的分布特点及自身特性预先设定一系列的规则,通过规则得到可能的人眼区域;最后,设计了人眼模板分布模型,并利用该模型对人眼位置进行最后的确认.实验表明,该方法具有较高的检测速度和检测正确率.

一种DCT压缩域中基于三维椭圆模型的自适应肤色分割算法

肤色分割是彩色图像人脸检测中常用的算法．本文提出了一种应用于DCT（Discrete Cosine Transfom）压缩域的肤色分割算法．采用三维椭圆模型对肤色在YCbCr空间的聚类进行准确描述．统计表明亮度对肤色在色度平面上的聚类有非线性的影响．为了准确描述这种非线性关系，依据亮度变化采用不同参数的椭圆表示肤色在色度平面上的聚类，形成三维椭圆模型．利用亮度分量的交流系数对上述固定模型的初分割结果进行自适应修正，进一步去除背景噪声．实验结果表明本文提出的算法是一种有效的压缩域肤色分割方法．

基于肤色分割与AdaBoost算法的人脸检测

提出了一种将肤色分割与AdaBoost算法相结合的人脸检测方法。该方法利用肤色的聚类特性在YCbCr色彩空间中建立肤色高斯模型,通过形态学处理完成图像肤色区域的筛选;然后利用AdaBoost算法训练弱分类器并构成强分类器,对强分类器进行组合,形成级联分类器并对候选区域进行人脸检测,排除非人脸肤色区域,实现对不同角度人脸的正确检测。该方法可同时解决肤色分割方法对复杂背景图像的高误检率与AdaBoost算法对多姿态人脸图像的低检测率的问题。仿真实验表明,该方法具有检测率高、误检率低、适应性好及鲁棒性强的优点,对具有多姿态、多人脸和复杂背景信息的图像具有较好的检测效果,实用性得到增强。

一种新的基于直接最小二乘椭圆拟合的肤色检测方法

肤色检测是计算机视觉中的一个重要问题,本文提出了一种新的基于直接最小二乘椭圆拟合的肤色检测方法,其基本思想是根据肤色样本分布区域的边界数据点采用曲线拟合的方法得到肤色分布区域的边界方程。在实现时,为了解决直接在笛卡儿坐标系中提取肤色样本分布区域边界数据的困难,算法采用了一种新的解决思路,即首先把训练肤色样本在色度空间的统计分布转化为图像的形式,然后再利用边缘检测方法得到肤色分布区域的边界数据。根据所得的边界数据点用直接最小二乘椭圆拟合方法便可得到肤色分布区域的椭圆边界,方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。

复杂背景下基于二维OTSU和肤色分割结合的掌纹图像分割方法

基于智能手机的掌纹识别符合非接触式、低分辨率等生物特征认证的发展趋势,但是由智能手机采集的掌纹图像背景往往比较复杂,导致手掌区域不能正确分割,限制了掌纹识别技术在智能手机上的应用推广。针对上述问题,本文在研究二维大津法(二维OTSU)和基于高斯模型的肤色分割两种方法的基础上,结合两者的优点,将两种方法分别以"串联"和"并联"两种融合方式相结合提出一种新的方法,对使用智能手机采集的复杂背景下掌纹图像分别进行分割。经实验验证,并联融合的方法对背景偏暗的掌纹图像分割正确率较高;串联融合的方法对背景偏亮掌纹图像正确分割率较高,两种方式结合能很好地满足复杂背景下掌纹分割的需求。

基于Canny算子的肤色分割在彩图中的人脸检测

结合Canny算子提取图像的边界,利用边界信息可以实现大块连通区域的自然分割,同时使用颜色插补的方法来代替传统的金字塔采样,让模板自动匹配经上述分割后的各个待测区域。实验结果证实该方法对于包含部分遮挡、肤色干扰等较复杂环境下的图片的检测率有很大提高。

基于肤色和Haar方差特征的人脸检测

为了在提高复杂背景下的人脸检测率的同时减少检测时间,将肤色分割和Haar方差特征相结合,在YCbCr颜色空间通过椭圆肤色模型和logistic回归分析确定每一点的肤色概率,生成肤色概率图,从而将每一点的像素值映射到[0,1],在Ostu方法的基础上采用并行的遗传算法确定肤色分割的阈值,快速分割出人脸区域;最后用少量的Haar方差特征取代原来的Haar特征,并采用SVM训练分类方法对分割出的人脸区域进行验证。实验表明,该方法不仅提高了人脸检测的正确率,而且具有较快的人脸检测速度。