基于YCbCr空间与KL变换结合在人脸检测中的应用

本文针对简单背景下的彩色单人脸图像,将YCbCr色彩空间与KL变换结合起来构成一个基于实际应用的人脸检测系统,并对复杂背景和多人脸图像的情况下的检测进行了一定的探讨.

基于YCbCr肤色模型和SNOW分类器的人脸检测

人脸检测是人脸识别的首要步骤,在人脸识别领域有重要的应用价值。基于YCbCr彩色空间,提出一种RGB彩色图像的人脸检测方法。该方法利用YCbCr肤色模型进行肤色分割,得到类肤色区域作为侯选人脸区域;结合split up Sparse Network OfWinnows(SNOW)分类器准确定位人脸的位置应用matlab编程技术对多组图像进行实验,结果表明,该方法适用于复杂条件下的人脸检测,并且不受人脸表情的限制,对于多人脸检测同样适用。

融合YCbCr肤色模型与区域标记的人脸检测算法研究

由于肤色在YCbCr空间中有较好的聚类性,选取YCbCr肤色模型进行人脸检测。首先将视频序列图像转换到YCbCr空间,通过YCbCr肤色模型进行肤色分割,提取肤色区域,排除大部分非肤色区域的干扰;然后采用形态学处理,进行区域标记,排除不连通区域,同时结合人脸面积排除非人脸面积区域。最后,结合人眼、嘴巴等特征进行定位,从而准确定位人脸。实验表明,该方法具有一定的鲁棒性。

基于YCbCr色彩空间下的人脸检测与识别

文章基于YCbCr色彩空间理论,建立二维高斯模型将样本图片转换成肤色似然图,并对其进行腐蚀、膨胀处理,得到人脸区域;将训练好的弱分类器组成强分类器,进一步组成级联分类器,结合Adaboost算法,最终确认样本图片的人脸区域。

基于YCbCr空间肤色自适应分割方法

针对现有人体肤色区域分割方法在变化的光照、复杂的背景环境下鲁棒性差、精确度不高的问题,提出一种肤色自适应分割方法。首先将图片转化到改进的YCbCr颜色空间获取待分割肤色图,在变化的光照下获取肤色像素信息。然后在YCbCr颜色空间的(Cb-Cr)空间建立椭圆边界肤色模型,并建立(Cr-Cb)肤色灰度直方图,在二维灰度直方图上确定肤色大致位置,过滤掉大部分背景干扰。最后在灰度投影直方图上用高斯函数拟合得到精确的动态肤色范围,去除类肤色干扰。实验结果表明,该算法能够在变化的光照下对肤色进行自适应分割,在复杂背景下也有较好的分割效果。

复杂光照下的人脸肤色检测方法

复杂光照对人脸肤色检测具有重要影响。在YCbCr颜色空间建立复杂光照条件下的人脸肤色模型,然后利用该模型检测人脸图像的肤色区域,并对检测结果利用4-连通区域的几何特征消除非人脸区域,最后利用连通元复原误检的人脸肤色区域。实验结果表明,该方法可以实现复杂光照下人脸肤色区域的准确检测。

基于彩色人脸模板的人脸检测算法

针对目前基于色彩的人脸检测只能用于人脸区域的粗检这一不足,提出一种利用人脸的五官位置及色彩信息建立彩色人脸模板的算法。采用光照补偿对图像进行预处理,利用YCbCr空间中的肤色模型进行粗检,确定出人脸候选区域,利用建构好的模板进行搜索比对定位出人脸。实验结果表明该方法对不同光照环境和复杂背景的图片均有较好的适应性,检测精度也得到了提高。

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。

基于肤色分割的视频人体检测

针对视频图像中人体运动形态多变、方向不确定等问题,提出了一种基于肤色分割的视频人体检测算法。采用改进的帧间差分方法求得自适应背景,与背景差相结合进行运动目标粗分割,在粗分割范围内进行肤色分割。在肤色分割时,利用YCbCr色彩空间的自适应亮度分段椭圆肤色模型及形态学操作、约束性条件等后处理确定人脸区域,得到人体目标。实验结果表明,该方法能有效地检测视频中的人体目标,与同类方法相比,该方法的时间复杂度更低,因而能更好地满足视频处理的实时性要求。

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。

基于肤色的复杂环境下人脸检测

对由光源颜色变化引起的图像色彩偏差,进行了校正,并在YCbCr颜色空间建立了Cb-Cr色度查找表和亮度信息联合的肤色模型,应用预处理技术,去除部分非人脸区域,减少人脸检测的搜索空间,并采用模板匹配方法在人脸候选区域检测人脸。实验表明,该方法能够有效的从复杂环境的彩色图像中检测出左右旋转不超过45°的人脸,且不受人脸表情、尺度和数目的影响,且错误率较低。

一种基于K-均值聚类方法的肤色分割算法

随着智能化信息处理技术的发展,人脸检测与定位越来越受到重视.本文在利用颜色信息进行皮肤检测的过程中采用YCbCr颜色空间,利用高斯肤色模型,得到图像中任意像素属于肤色的概率,同时借鉴了模式识别中广泛应用的K-均值的思想,设计了基于K-均值聚类方法的肤色分割算法,完成了图像的二值化.

基于颜色空间和面部特征的驾驶员面部定位方法

介绍了一种快速检测和定位驾驶员面部区域的方法。首先将驾驶员面部图像映射到YCbCr颜色空间,建立肤色高斯模型;然后通过似然图自适应阈值分割获得驾驶员面部区域,对获得的二值化面部图像进行形态学操作消除毛刺和小孔;最后对处理后的面部图像进行灰度积分投影,结合面部特征获得驾驶员的面部区域并框定。并试验证明了方法的实时有效性。

快速人脸检测技术在证件照中的应用与研究

在人脸识别应用中,经常会应用到证件照图像,要对其进行识别处理,就先要进行人脸检测.与普通图像不同的是,有些证件照图像本身已经接近人脸检测结果要求,有些可能是半身照,证件照的许多共有特征可以在人脸检测过程中起到很好的辅助判别作用实现快速检测,并不需要使用复杂的算法就可以取得较好的检测效果.经过研究与实验,本文针对证件照图像设计了一种基于肤色分割的快速人脸检测算法,利用证件照的特性取得快速准确的检测结果.

基于肤色建模及自动阈值方式的手势提取研究

在手势图像处理中,手势轮廓识别率高低的基础之一就在于能否精确的把手势轮廓提取出来。针对类肤色信息和复杂背景的影响,提出一种用单峰高斯概率函数的方法把不同人种的肤色在YcbCr彩色空间的分布进行建模,建立的模型用于手势图像的提取得出手势图像的似然概率图,接下来应用自动阈值和图像处理方法提取了手势的最终二值化轮廓,实验结果表明本文所用方法的简单高速有效性。

基于肤色模型和改进Adaboost算法的人脸检测

为提高人脸检测的精度,提出一种基于YC_bC_r肤色模型和Adaboost算法的人脸检测方法。利用YC_bC_r颜色空间的肤色阈值模型确定待检测区域。再利用Adaboost算法准确定位出人脸位置,并对Adaboost算法的训练过程提出一种新的权值更新方法,防止权值过分增大,避免了Adaboost算法训练过程中出现的"退化"现象。

基于新的肤色模型的人脸检测方法

基于灰度信息的人脸检测方法在转换过程中会损失原图像中部分有用信息。通过对肤色在YCbCr色彩空间分布的统计分析,提出一种在彩色域中建立肤色模型的方法,并建立了较为准确的肤色模型。在此基础上,根据人脸几何结构特征进一步识别人脸。利用芬兰奥卢大学的基于物理学人脸数据库等一些图像数据检验方法的性能,实验结果表明该方法在较大的光照变化条件下均具有较好的检测率。

自适应肤色检测算法的研究

针对Hsu提出的椭圆肤色检测模型的局限性,提出了一种自适应肤色检测模型。在Hsu的统计模型基础上,根据光照条件自适应改变其椭圆模型的长短轴,以取得最好的肤色检测效果。实验结果表明,本文算法有较强的光照适应性,所提出的自适应肤色检测模型效果优于Hsu的椭圆模型。

自适应模型和固定模型结合的肤色分割算法

由于受环境、光照、人种等因素影响,不同图像中的肤色分布并不一样。在复杂背景情况下,采用固定的阈值边界模型进行肤色分割将导致较大的漏检或误检。基于YCbCr颜色空间,在固定阈值边界模型分割的基础上,运用简化的期望最大化(EM)算法计算出针对特定图像的自适应肤色高斯模型;然后综合考虑固定阈值边界模型以及自适应肤色高斯模型在不同颜色区域上划分的准确性,给出最终的肤色分割结果。实验结果表明,该方法相比固定阈值边界模型的分割方法,能同时降低误检率和漏检率,从而提高肤色识别的准确率。

一种融合改进型AdaBoost和肤色模型的人脸检测方法

人脸检测是人脸信息处理领域中的一项关键技术,当图像中具有复杂背景或多人脸时,不能够快速准确地检测人脸,成为了人脸检测领域的重要的问题。论文首先提出了一种基于双阈值的改进型Ada Boost分类器算法,使用双阈值的弱分类器代替单阈值的弱分类器,从而提高单特征的分类能力,并给出了双阈值的搜索方法;其次提出了一种基于Harr特征的改进后的Ada Boost分类器融合YCb Cr空间高斯肤色模型的人脸检测方法,首先采用基于Harr特征的改进型Ada Boost人脸检测算法对输入图片进行预检测,再用基于高斯肤色模型的检测算法剔除误检的人脸区域。实验结果表明,该文提出的方法检测率高、误检率低,具有可靠的检测性能。