Real-time Face Detection using Skin Color Model

This paper presents a new face detection approach to real-time applications, which is based on the skin color model and the morphological filtering. First the non-skin color pixels of the input image are removed based on the skin color model in the YC rC b chrominance space, from which we extract candidate human face regions. Then a mathematical morphological filter is used to remove noisy regions and fill the holes in the candidate skin color regions. We adopt the similarity between the human face features and the candidate face regions to locate the face regions in the original image. We have implemented the algorithm in our smart media system. The experiment results show that this system is effective in real-time applications.

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%。

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。

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。

彩色图像的实时人脸跟踪方法

本文提出一种彩色图像序列中的人脸跟踪方法．本文所提出的跟踪模式包括人脸肤色模型及运动模型．在人脸肤色模型中，首先将图像的RGB空间变换到色度空间，然后利用最大能量坐标和矩表征色度空间的直方图分布．运动模型由运动检测与运动预测构成，以减少搜索区域，提高检测速度．最后，介绍根据上述技术实现的在线人脸跟踪系统．实验结果表明，本文提出的跟踪方法可以在复杂背景中实时地跟踪人睑的自由运动．

基于肤色的人脸实时跟踪方法

提出用于电视电话会议、远程教学、监视与监控等场合的人脸实时跟踪方法 .以人脸肤色模型为基础 ,结合目标形状特征识别方法 ,并用扩展卡尔曼滤波估计目标运动轨迹 ,实现基于肤色的人脸实时跟踪鲁棒方法 .该方法有效地保证了复杂场景下目标跟踪的准确性 ,实现了带遮挡情况下的人脸实时跟踪 .系统跟踪速度达到视频速度 ,对于 PAL制式的视频图像达 30帧 /s,对于 NTSC制式的视频图像达 2 5帧 /s.

一种可变光照条件下的肤色检测算法

肤色是人体表面最为显著的特征之一,可应用于人脸检测与跟踪、手势识别等,肤色检测算法在其中居于关键地位。该文提出了一种可变光照条件下的肤色检测算法,首先在YCbCr颜色空间从大量肤色样本中统计出肤色模型,考虑了在高亮度区和低亮度区肤色色度(Cb,Cr分量)与亮度(Y分量)非线性相关;其次,使用一种彩色均衡技术消除由光照引起的色彩偏移。该算法可适用于较广范围的光照条件,可应用于复杂环境下的人脸检测、手势识别等。

基于混合能量活动轮廓模型的人脸分割方法

由于受到面部五官、饰物等因素的影响,传统几何活动轮廓模型获取人脸外轮廓会产生凹陷、分片等现象.针对人脸图像的特点,将边缘外张力能量及肤色能量与全局能量结合,提出一种基于混合能量泛函的几何活动轮廓模型,有效地避免了这些问题.首先,根据演化曲线的邻域信息赋予边缘点向外的张力,使曲线能够克服面部特征及面部饰物的干扰,引导其向外轮廓方向演化.鉴于肤色是面部最重要的特征,提出肤色能量,进一步提高了模型的鲁棒性.此外,提出一种基于单高斯模型的改进算法,能够估计出接近实际人脸外轮廓的初始位置,为轮廓演化奠定了基础.在两个公共人脸库上进行测试,该方法能够得到准确的人脸分割效果;以手工分割的结果为基准,该算法定位精度明显优于传统的全局能量模型和局部能量模型.还用日常照片创建一个包含不同姿态、光照、复杂背景等因素、复杂的人脸库,分割结果表明,该方法能够克服这些因素的影响,取得了准确而稳定的人脸分割结果.

肤色检测技术综述

肤色检测在人脸和手势识别与跟踪、Web图像内容过滤、数据库或因特网中的人物检索和医疗诊断等方面有广泛应用.文中通过分别介绍基于统计和基于物理的两类肤色检测技术,较全面地综述了肤色检测技术,其中对颜色空间选择、静、动态肤色建模方法、肤色反射模型和肤色波谱特性等肤色检测重要环节做了分析,明确了选择颜色空间与特征提取和分类方法的联系,强调了研究肤色波谱特征对基于物理的肤色检测技术的重要性.最后探讨了肤色检测的技术难题和发展趋势.

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。

一种改进的自适应肤色检测算法

针对H su R L的肤色检测方法的不足,提出了一种改进的自适应肤色检测算法。用白平衡算法取代了H suR L的光线补偿方法,从而较好地解决了由光照引起的图像彩色偏移,使得检测结果更加稳健。在H su R L的统计模型的基础上,提出了一种自适应检测算法,该算法根据肤色值在非线性变换后的色度空间的二维直方图分布,自动确定肤色模型的位置,从而能更加准确地描述肤色在一幅图像中的分布情况。并将该算法用于彩色视频图像中的人脸检测,实验结果表明,该算法比H su R L的方法更能取得满意的检测效果。

用于口型识别的实时唇定位方法

在许多应用于有噪声环境下的语音识别系统中 ,唇读技术能有效地降低噪声的影响 ,通过视觉通道来补充仅取决于听觉通道的信息量 ,从而提高语音识别系统的识别率 .该文提出了一种有效和稳健的唇定位跟踪方法 ,以满足不用特殊标识物和规范性照明就能对信息进行有效提取的应用需求 .该方法首先用肤色模型查找脸 ;然后用迭代算法搜索脸部区域内的眼睛 ;再根据眼睛的位置来确定脸的大小和位置 ,并对脸的下半部分采用彩色坐标变换法将唇从肤色中明显地区分出来 ;最后 ,用可变模板将上下唇的内外轮廓描述出来 .

以颜色和形状直方图为线索的粒子滤波人脸跟踪

跟踪器的设计和跟踪线索的选择与表达是人脸跟踪中的两大关键因素,针对一般人脸跟踪算法中常用简单椭圆来描述人脸形状线索时易受背景干扰的缺点,以及视频目标跟踪中动态模型和观测模型的非线性非高斯特点,提出了一种以颜色和形状直方图为线索的粒子滤波人脸跟踪算法,该算法在粒子滤波基本框架之下,引入了一种新的用直方图来描述人脸形状的方法,并对其进行了改进,用来作为人脸跟踪的形状线索。同时,为了减轻背景干扰,提出了一种经验有效边缘的检测方法。实验表明,该跟踪方法不仅能有效地处理人脸旋转、背景中的肤色干扰和部分遮掩问题,并且能够在由于大面积遮掩等原因而丢失目标的情况下,及时有效地重新捕获已丢失的目标。

一种基于HSV颜色分割和模糊级联分类器的人脸检测技术

在复杂背景下的人脸检测技术是当今智能视觉技术中的一项难题。为了提高人脸检测的精度和实时性,降低误检率,基于HSV模型和模糊级联分类器对复杂背景中的人脸检测技术进行研究。首先在HSV模型中对图像进行选择性光线补偿,然后对图像在HSV模型中进行分割,接着用图形学的方法去噪,再将连通的肤色区域构建肤色团块,并且利用人脸的脸部比例特征来剔除不相符的人脸团块,最后利用模糊级联分类器对肤色团块检测人脸。该算法的误检率和漏检率分别为0.1%和5.9%,检测的准确率可以达到94.1%,并且有效提高了检测速度,具有一定的实用价值。实验结果表明,基于HSV肤色检测和模糊级联分类器的算法能更好地处理人脸在较差光线和有阴影干扰的环境下的检测。

视频中运动人脸的检测与特征定位方法

针对现有人脸检测方法存在的检测质量与速度不平衡的问题,提出了视频序列中运动人脸的检测与特征定位方法.首先利用Adaboost方法检测出人脸的大致范围,根据肤色模型确定人脸的具体位置,并从图像中提取出人脸部分;然后利用基于帧间亮度差的人脸区域的PSNR判断图像清晰度,从而找出人脸区域清晰度高且尽可能大的视频帧;最后对该视频帧进行人脸检测和特征定位.实验结果表明,与现有人脸检测方法相比,文中方法速度快、人脸检测率约为94.8%,眼角、口唇角定位结果更为准确.

应用梯度矢量流Snake和灰预测的人脸轮廓跟踪

为了提高动态图像序列中人脸轮廓跟踪时梯度矢量流(GVF)Snake算法的实时性,同时解决人脸跟踪中的遮挡问题,提出了GVF Snake和单变量一阶灰色模型GM(1,1)相结合的人脸轮廓提取方法。该方法首先利用人脸运动信息和肤色模型粗略地检测出运动人脸轮廓,然后采用GVF Snake算法将人脸轮廓精确地提取出来,从而有效解决GVF Snake算法的初始化问题。根据人脸轮廓运动的整体性,利用GM(1,1)模型预测人脸轮廓质心的位置,并以预测位置作为GVF Snake的迭代依据,同时将GVF Snake提取的人脸轮廓质心位置作为下一帧图像GM(1,1)模型的预测依据。存在遮挡时,则以GM(1,1)模型预测保持跟踪的连续性。实验结果表明,该算法跟踪的平均时间仅为GVF Snake算法的8.0%,平均跟踪误差仅为GVF Snake算法的31.2%,而且能更好地反映人脸轮廓的运动规律,跟踪实时性强,鲁棒性好。

基于肤色的人脸检测

提出一种基于肤色信息的正面人脸检测方法。设计了基于颜色的皮肤分类器,对图像中的皮肤区域和非皮肤区域进行分割;并对分割出的皮肤区域进行预处理,初步确定候选人脸;再进一步将候选脸与模板脸进行匹配最终确定是否为人脸,并给出检测到的人脸的位置信息。对各类型图像进行大量实验表明,本方法具有较好的准确性和实用性。

一种复杂背景下的人脸检测方法

针对在复杂背景下现有人脸检测算法存在检测率低和误检率高等问题,提出了一种基于改进AdaBoost算法和肤色校验相结合的彩色图像人脸检测方法。首先对传统AdaBoost算法进行了改进,通过改进样本权值参数和弱分类器加权参数,有效地抑制了困难样本权值的过分增大,加强了分类器对样本的识别能力,并提高了系统的检测率;然后将AdaBoost算法检测结果用YCbCr空间的肤色模型进行筛选,过滤误检的非人脸区域,进一步降低误检率。实验结果表明:该方法在复杂背景下极大地保证改进AdaBoost算法的人脸检测速度和准确性的同时,降低了误检率,具有较好的鲁棒性。