融合双肤色模型及AdaBoost算法的人脸检测

为提高人脸检测的精度,提出一种融合双肤色模型与Adaboost算法的人脸检测方法。首先采用YCbCr颜色空间的固定阈值模型初次分割图像,利用分割结果修正高斯肤色模型的参数并对图像进行肤色二次分割,对两次分割的结果进行逻辑运算,粗定位人脸区域。结合Adaboost算法,实现对候选人脸区域的精确定位。实验结果表明,该方法提高了人脸检测率,降低了误检率,具有较好的鲁棒性。

基于双肤色模型和改进的SNoW算法的人脸检测方法

针对环境与光照对面部肤色提取的影响,提出一种基于双肤色模型和改进的SNo W算法相结合的人脸检测方法。首先,利用自适应光照补偿方法对图像进行预处理,减少光照变化导致的色彩偏差;然后,综合利用YCbCr和HSI肤色模型提取预处理后图像中的人脸信息;最后,结合改进的SNoW算法检测人脸位置。实验结果表明,在复杂背景和光照变化的情况下,该方法可以准确检测和定位人脸,提升了检测效率和提高了算法对于复杂背景、光照、表情的鲁棒性。

基于双肤色模型和AdaBoost的人脸检测系统设计

本文在Windows平台下,基于VS2010和Intel开源计算机视觉库OpenCV设计了一个实用的人脸检测系统,实现复杂背景图像中可能存在的人脸区域检测。人脸检测功能的实现主要融合双肤色模型和AdaBoost算法。首先基于YCbCr颜色空间的简单边界模型和高斯模型对图像实现分割并分析处理,实现人脸区域的粗定位。然后对人脸候选区域采用AdaBoost算法进行精检测。该系统使用简单,检测效果较好。

用于面诊的嘴巴定位算法研究

针对嘴巴区域特征的精确定位对于中医面诊客观化的研究具有重要意义,提出一种基于双肤色模型、椭圆拟合与改进C-V水平集模型相结合的分割嘴巴的方法。考虑到肤色在像素空间邻域与灰度值域的平滑相似性,首先给出一种二维伽马函数的自适应光照补偿法,提升非均匀光照下肤色聚类的稳定性,进而利用根据实验确定的双肤色模型,进行肤色检测,并采用数学形态学方法去除噪声等影响,Sobel方法提取轮廓;然后根据所得的边缘和初步轮廓利用直接最小二乘椭圆拟合法提取人脸区域;最后采用改进C-V水平集模型对嘴部区域进行分割。实验结果表明,采用该算法能够得到更好的分割效果,满足中医面诊图像分割要求,为面部五官的进一步分割和检测奠定基础。

基于驾校考勤机的人脸检测应用研究

针对驾校现有指纹考勤系统存在的学时造假及部分指纹检测失效等问题,采用了一种椭圆高斯双肤色模型与Adaboost快速检测算法相结合的人脸检测算法。首先,应用HSV-自适应Retinex算法对待检测图像进行光照增强处理。其次,在聚类性较好的YCgCr颜色空间对光照增强后的图片进行双肤色建模,粗检测出人脸区域。最后,利用形态学方法去除孤立肤色点以缩减检测范围,并运用Adaboost快速检测算法实现人脸的精确定位。实验数据显示,该方法在检测率、检测时间等方面有所提高。实验结果表明,改进后的人脸检测算法可实现光照不均以及不同年龄下的人脸检测,能够快速且较为准确的检测人脸。