基于HS-CbCrCg肤色模型的人脸检测算法

传统的人脸检测方法对于复杂背景彩色图像中人脸区域检测效果不理想。本文首先对不同光照条件下的输入图像进行光补偿和图像增强的预处理,然后利用HS-CbCrCg颜色空间建立肤色模型对图像进行肤色判别,之后用改进的Adaboost算法检测肤色区域的人脸信息,最后对重点区域重检测判别出确信人脸。实验数据表明,此方法对比传统的人脸检测方法,处理速度更快同时能够降低人脸漏检率和误检率。

改进肤色模型和光流算法的人脸检测方法

人脸检测具有很高的实际应用价值,例如在身份识别、视频监控等领域的应用也越来越广泛,其检测的方法多种多样。为解决视频序列中的人脸检测问题,总结了肤色模型和光流算法的优缺点,融合二者优势,提出了改进的基于肤色模型和光流算法的人脸检测算法。该方法在一定程度上解决了人脸旋转、部分遮挡、表情变化和光照对人脸检测和跟踪的影响,具有较强的鲁棒性。

基于肤色模型的人脸检测

人脸检测过程中易受到面部细节、形状、表情、姿态等影响,肤色特征作为人脸中最具有识别性的信息之一,具有相对稳定性。文中基于肤色模型实现人脸检测与标记,在YCbCr色彩空间构建肤色模型,通过光线补偿消除肤色提取过程中光照不均匀、亮度变化等环境因素的影响,基于形态学滤波滤除非脸部区域的噪声,结合人脸区域的几何特征最终实现人脸定位并框选标记。在光照不均、有遮挡、大角度等多种情况下,人脸图像测试结果表明,所实现的算法能够较好地实现人脸检测与定位。

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%。

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。

基于肤色模型、神经网络和人脸结构模型的平面旋转人脸检测

人脸检测是智能人机接口的关键技术之一,它在人脸识别、表情识别、人脸合成和人脸编码等领域具有重要的应用价值.该文针对复杂背景下的彩色图像,提出了一种基于肤色模型、人脸平面旋转角度检测和正面人脸结构特征的人脸检测算法.该方法首先建立了一个人脸肤色分布模型;其次采用神经网络计算和瞳孔定位操作,实现了由粗到精的人脸平面旋转角检测;最后提出了一种基于结构的正面人脸检测策略.实验结果表明,所提出的算法能够适应不同的光照环境,可以检测不同大小、不同平面旋转角的人脸.

结合肤色模型和卷积神经网络的手势识别方法

在手势识别研究过程中,人工选取特征难以适应手势的多变性。提出了一种结合肤色模型和卷积神经网络的手势识别方法,对采集的不同背景下的手势图像,首先用肤色高斯模型分割出手势区域,然后采用卷积神经网络建立手势的识别模型,该模型融合了手势特征提取和分类过程,模拟视觉传导和认知,有效避免了人工特征提取的主观性和局限性。识别模型以手势区域的灰度信息为输入,同时利用权值共享和池化等技术减少网络权值个数,降低了模型的复杂度。实验结果表明,卷积神经网络(CNN)方法能够有效进行特征学习,在不同数据集下对手势的平均识别率都达到95%以上,与传统方法进行对比实验,表明该方法具有较高的识别率和实时性。

融合GVF Snake与肤色模型的手势轮廓提取方法

针对在基于视觉的手势识别系统中手势轮廓难以准确提取问题,本文提出一种融合GVF Snake和肤色模型的手势轮廓提取方法.首先把图像由RGB空间转换到YCb'Cr'空间,利用该空间上的椭圆肤色模型检测出手势区域并提取手势轮廓作为GVF Snake模型的初始轮廓曲线;然后根据图像分块思想把检测出的手势所在图像区域分割出来,并计算该图像分块的梯度值;最后在图像分块和初始轮廓曲线的基础上通过GVF Snake模型迭代搜素准确提取手势轮廓.实验结果表明,本文提出的手势轮廓提取方法无需人工参与,准确性上优于肤色模型、传统Snake模型,实时性上优于GVF Snake模型,满足手势识别系统中手势轮廓提取的实时性和准确性要求.检测准确、实时性高.

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.

基于最大熵分割和肤色模型的人眼定位

人眼定位是进行虹膜识别、视线跟踪、眼睛状态分析等的首要任务,为此提出一种基于最大熵分割和肤色模型的人眼定位方法。利用最大熵分割法对图像进行分割,获得人眼候选区域。建立YCbCr肤色模型,将其作为人眼定位的约束条件以排除非人眼区域,通过形态学运算准确定位人眼。仿真实验表明,该方法对人眼定位准确,并对背景、头部偏转角度等细节具有较好的适应性,运算速度较快。

基于Kalman滤波器与肤色模型的手势跟踪方法

有效和鲁棒的手势跟踪是动态手势识别的前提,针对手势及其运动的特点,提出了结合Kalman滤波器和肤色模型的手势运动目标跟踪方法.首先通过背景差法和YCb’Cr’空间上的椭圆肤色模型检测出手部运动目标,通过目标区域的空间结构参数来设置Kalman滤波器的各项运动参数,然后计算空间结构特征的跟踪匹配函数对目标预测位置进行修正,获得运动手势目标区域及其运动轨迹.实验结果表明,所提方法能有效地跟踪手势,并能较好地适应手势在运动过程中的手形变化、轨迹转弯等情况,检测准确,鲁棒性高.

基于亮度自适应色度空间模型肤色算法及应用

针对已有肤色算法对亮度信息考虑不足的缺点,在色度空间模型基础上提出了一种在彩色图像中检测肤色像素的新方法———基于亮度的自适应色度空间模型肤色算法。该方法综合了肤色像素在YUV、Y IQ色彩空间上的分布特征,根据图像亮度信息以及I值和UV的夹角值区分肌肤颜色,针对不同肤色选用不同阈值进行检测。实验证明,该方法对偏黄、黑色肌肤(亚洲、非洲人)和偏白色肌肤(欧美人)均有很好的检测效果,肤色像素检测的正确率达93.479 5%,误检率和检测时间相对变化不大,检测效果有明显提高。将此算法用于网络敏感图像过滤中,并设计了图像分类算法,结合网址过滤和关键词封锁技术构建敏感网页过滤器,克服了现有过滤软件算法的滞后性和对图片信息的局限性,基本实现了不影响网络运行条件下的网页的在线检测和分析功能。

基于亮度的自适应色度空间模型肤色算法研究

肤色检测是人脸识别和敏感图像过滤等领域中的关键技术。针对已有肤色算法对亮度信息考虑不足的缺点,在色度空间模型基础上提出了一种在彩色图像中检测肤色像素的新方法——基于亮度的自适应色度空间模型肤色算法,该方法综合了肤色像素在YUV、YIQ色彩空间上的分布特征,并且可以根据图像亮度信息以及I值和UV的夹角值区分肌肤颜色,针对不同肤色选用不同阈值进行检测。实验证明该方法对偏黄、黑色肌肤(亚洲、非洲人)和偏白色肌肤(欧美人)均有很好的检测效果,肤色像素检测的正确率达93.4795%,误检率和检测时间相对变化不大,检测效果有明显提高。

结合三帧差分和肤色椭圆模型的动态手势分割

针对手势识别系统中的手势分割部分提出了一种改进的结合三帧差分法和肤色椭圆边界模型的动态手势分割方法。运用三帧差分法提取动态手势的运动特征,初步确定手势所在区域,然后运用肤色椭圆边界模型对该区域进行肤色判别从而确定目标。通过提取双特征,可有效解决复杂背景下大面积肤色背景被误检的问题。通过合理设置运动检测过程中的阈值,可有效去除运动幅度较小的人脸和裸露手臂部分。同时针对三帧差分法不能检测静态手势进行了改进,使提出算法对视频流中手势的短暂停留具有极强的鲁棒性。实验结果表明,提出算法能准确高效的检测出动态手势,适用于动态手势识别等实时系统中。

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．

基于聚类肤色模型的人脸检测

在安全检测、人机交互等人脸识别应用中,人脸的检测与定位是前期重要工作.该文提出一种改进的基于亮度聚类的肤色模型,并提出一种新的最佳阈值选择算法,设计了肤色检测算法流程.实验证明该算法提高了人脸检测的速度和鲁棒性.

视频中基于肤色模型的人脸检测

采用图像差分法先检测出运动区域,消除了背景对人脸检测的影响,缩小了搜索的范围。利用肤色在YCrCb空间的聚类特性来检测人脸,同时为了去除亮度对肤色的影响,增强检测的可靠性,采用了亮度补偿。最后选取眼部特征作为条件确定人脸区域。实验表明,算法能准确地检测出人脸,并具有一定的实时性。

基于肤色模型和区域特征的人脸检测方法

精度和速度是人脸检测系统的两个衡量标准。针对传统人脸检测方法两者不能兼优的问题,该文提出一种结合颜色空间和特征区域的人脸检测方法。该方法采用肤色模型提取肤色像素,利用拓展的马赛克方法获取人脸区域,构建模型并提取嘴唇和眼睛,结合区域特征定位中心点。实验结果表明,该方法简单易行、定位精确。

一种新的基于肤色模型的人脸检测算法

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。文章基于肤色模型,研究了基于非线性变换技术的方法,并且融合几何特征进行人脸及其特征点的检测。实验证明,该算法十分有效,速度快、误报率低,相对其它算法具有优越性。

基于肤色模型和背景差分的手指区域分割方法

为了提高基于计算机视觉的人机交互系统中触控手指区域分割的性能和精度,提出了一种基于肤色模型和背景差分的手指区域分割方法。首先,根据肤色的聚类特征,在YCb Cr色彩空间上建立肤色模型,对手指区域进行肤色分割;随后加入自适应更新的背景差分法摒除图像中光照度和背景颜色的干扰。实验结果证明:该算法在复杂背景下分割手指区域具有较高的准确性和实时性,能应用在嵌入式环境中。