基于肤色信息和模板匹配的人脸检测与提取

随着人机交互的日益发展,人脸识别中的重要环节人脸检测得到了越来越多的重视。人脸检测的关键在于准确率和效率。针对肤色信息进行人脸检测速度快、易于实现,但准确率不高的特点,将肤色信息与模板匹配的方法结合起来进行人脸检测。利用在YCb Cr色彩空间中的肤色高斯模型,进行肤色区域的分割,经过膨胀腐蚀、长宽比与欧拉数等规则的处理,完成人脸区域的粗检测。然后通过模板匹配的方法进行人脸的细检测,将检测出的人脸区域圈起来并进行提取,形成一系列的人脸图像。实验结果表明,两种方法结合后检测准确率有所提高,速度较快。

基于肤色信息的实时人脸跟踪方法

提出一种基于人脸检测与肤色信息相结合的人脸实时跟踪方法。该方法先用Adaboost算法进行人脸检测,在此基础上,CAMSHIFT算法跟据人脸肤色信息实现对人脸的自动跟踪。实验表明,该算法具有快速、鲁棒的特点,能够满足实时系统的需要。

基于肤色与模板匹配的人脸检测方法研究

利用肤色信息在彩色图像中检测人脸速度快、易于实现,但准确率不高。本文提出首先应用人脸肤色信息在彩色图像中进行人脸粗略检测,得到候选人脸区域,再以基于梯度模板匹配的方法进行人脸精确定位,从候选区中准确地找到人脸。将这两种方法结合在保证精确的人脸检测的前提下,可有效提高检测速度。

基于显著区域的敏感图像识别方法

依靠先进的技术识别和过滤网络上大量的色情信息正是时下政府相关管理部门急需解决的问题,而敏感(色情)图像在网络色情信息中占有相当大的比例。依据敏感图像的显著区域具有丰富的肤色信息这一特点,利用一种基于肤色信息的投票机制提取出显著区域,在显著区域上进行特征提取,最后采用支持向量机的方法对图像进行分类,从而完成敏感图像的识别。实验结果表明,该方法的正检率达到88.2%,能有效地识别出敏感图像。

改进的KSMS手势跟踪算法研究

Mean-Shift算法是一种基于颜色信息的有效跟踪算法,当背景中存在相似颜色信息干扰时会导致目标跟踪丢失。针对手势识别中的肤色干扰问题,提出了一种改进的基于肤色约束的Kalman滤波和Mean-Shift融合KSMS(Kalman Skin Mean-Shift)跟踪算法。利用Kalman滤波的预测功能,对搜索窗口提前进行预测,从而提高跟踪的准确性。实验结果表明,算法准确可靠,在大面积肤色信息干扰时具有良好的鲁棒性。