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。

基于肤色分割和改进的AdaBoostSVM算法的人脸检测

为了提高人脸检测的速度和精度,提出了一种基于肤色分割与改进的AdaBoostSVM算法相结合的人脸检测方法。首先在YCgCr空间通过计算肤色相似度进行肤色分割,进而得到候选的人脸区域。然后,针对人脸检测中正负样本的非对称性对AdaBoostSVM算法进行改进,并用改进的AdaBoostSVM算法对候选人脸进行检测验证。实验结果表明,该方法改善了人脸检测性能,提高了检测速度,能够在复杂背景下进行快速而且较为准确的人脸检测。

肤色纹理保留实时人脸美化算法

针对目前人脸美化算法容易产生皮肤纹理信息损失,眼睛和头发等区域信息丢失等缺陷,提出一种具有肤色纹理保留性能实时人脸美化算法.首先根据自适应肤色椭圆模型处理色度分量估计肤色相似度图;然后对原图局部方差处理得到肤色粗糙度,据此调整肤色纹理保留平滑参数,得到肤色纹理保留平滑图像;再利用肤色相似度图融合原图与肤色纹理保留平滑图像;最后对融合图像进行美白处理,获得人脸美化图像.在公用人脸数据库上的测试结果表明,文中算法不仅有效地祛除皮肤瑕疵,还能保留人眼敏感的肤质细节,使视觉感知比较自然;与现有美化算法对比,该算法美化效果更佳,鲁棒性强,复杂度低,能实时处理人脸视频.