基于肤色模型的人脸检测算法

在此研究了彩色图像中的人脸检测算法,在肤色模型方面讨论了肤色在不同的色彩空间中的表现,通过对一定数量的样本建立了一个图像库,选择色彩空间并建立了肤色模型,然后通过形态学等处理后得到候选区域。然后对候选区域使用特征脸的方法进行验证。通过这样的方法在保证了精度的同时克服了特征脸方法原有的搜索速度慢的特点。最后本文对所使用的方法作了一个总结并对下一步的工作进行了展望。     

一种改进的基于Ada-Boost的人脸检测算法

提出了一种改进的基于Ada-Boost的人脸检测算法。该算法在第一阶段使用基于Ada-Boost算法的分级分类器检测人脸,由于受到噪声与亮度的影响,一些非人脸区域可能被误判别为人脸。因此在YCbCr空间中采用肤色模型,去除非人脸区域。在第三阶段,采用SVM更精确地提取人脸区域。实验结果表明,改进的算法在实时性与误检率方面都优于Ada-Boost算法。     

基于肤色和图像似然度的人脸检测

提出了一种基于肤色分割和图像似然度的检测人脸方法，该方法能在复杂的背景下较好地检测出人脸。首先利用颜色信息把图像分割成肤色区域与非肤色区域，然后对肤色区域做预处理后，进入图像似然度检测阶段．最终实现人脸检测。     

浅谈人脸检测技术

由于人脸检测其在安全访问控制、视觉监测、基于内容的检索和新一代人机界面等领域的应用价值,近年来开始作为一个独立的课题受到研究者的普遍重视。本文从人脸检测问题的分类,特征提取与特征综合,性能评价等角度,将人脸检测方法主要划分为基于知识的人脸验证方法和基于统计的学习方法,指出统计学习方法的优点。     

基于肤色建模与人眼定位的人脸检测方法

根据肤色在Ycrcb色彩空间中具有很好的聚类性,通过形态学算法对肤色建模之后的图像进行预处理,消除噪声,再对肤色进行分割,从而可以对人脸图像有一个大致的定位,并通过平均眼睛模板匹配法定位出人的眼睛,在此基础可以比较精确的定位出人脸位置。实验结果表明,该方法用于人脸检测取得较为良好的效果,具有较好的鲁棒性。     

肤色分割预处理对人脸检测性能的影响

为了提高人脸检测速度,本文提出了一种肤色分割预处理方法,以肤色区域为基础进行去噪声处理、提取边界,然后由边界的连通性和闭合性得到初始矩形边界,最后进行归并处理得到人脸区域,将其代替原来的整幅图像作为后面人脸检测算法的输入,以减小搜索区域,提高检测速度.实验证明,该方法用于人脸检测技术能有效改善检测性能.     

基于可变形部件模型的人脸检测模式识别算法

针对目前人脸表情识别鲁棒性较差的问题,提出了一种基于可变形部件模型的人脸检测模式识别算法。通过一种多视点人脸检测的树状结构模型,使用详细的面部标志性标签来模拟面部内部结构。本文使用潜在支持向量机(LSVM)从部分标记的图像中获取,增强数据挖掘和引导过程在训练期间的丰富模型,逐步学习潜在阳性和阴性样本的同时,建立基于弱标记数据的模型。最后在每一个模型的检测定位过程中,综合主滤波器以及部件滤波器的响应,通过位置关系对每一个扫描到的窗口评分,并将得分和阈值相比较,得到多角度融合模型的检测结果。在对人脸检测数据集提出的算法进行验证头部姿势变化和面部封闭情况下模型的准确性。研究结果表明,该模型能较好地处理表情丰富、部分遮挡的人脸等复杂情况下的识别,正检率达到97.1%,具有较强的准确性和适用性。     

一种基于二值模式特征的人脸检测算法

提出了一种改进的基于多区块局部二值模式(MB-LBP)特征的人脸检测算法.算法针对Ad aBoost算法训练过程中出现的权值分布扭曲的现象,对样本权值的更新规则进行了调整.实验结果表明,该方法有效地缩短了训练时间,而且避免了权值扭曲的现象.算法在保证检测率的同时降低了误检率.     

基于BP神经网络的人脸检测算法

针对灰度图像的正面人脸,提出了一种基于BP神经网络的人脸检测算法,并在Delphi 7上实现,可有效运用于复杂背景下不同表情、肤色、姿态以及不同光照条件下的人脸检测,算法快速有效。     

基于RGB-H-CbCr新颜色空间的肤色检测算法研究

针对以往肤色检查算法很少考虑亮度,仅靠色度信息检测肤色,忽略了由于不同人种和亮度差异而导致的肤色像素在颜色空间上的分布不同,本文提出了一种基于RGB-H-CbCr新颜色空间的肤色检测算法。该算法综合了肤色像素在RGB、YCbCr和HSV三种颜色空间上的分布特征,构建出RGB-H-CbCr新颜色空间肤色模型,来辨别肤色和非肤色点。文中利用Matlab分别对不同人种的肤色图像进行实验仿真,实验结果表明该方法能有效检测人体肤色,能有效提高肤色检测的正检率。     

人脸检测技术研究

人脸检测技术已成为图像工程与模式识别领域研究的热点。文章首先简要介绍了人脸模式的特征,并着重分析了几种有代表性的人脸检测方法,然后讨论了国内外的研究概况,最后提出了该领域存在的问题及今后的发展趋势。     

一种基于YCgCr色彩空间的人脸检测方法

人脸检测是计算机视觉研究的重要研究方向之一,提出了一种基于新色彩空间YCgCr的人脸检测算法。首先比较了YCgCr间和YCbCr色彩空间,得出YCgCr色彩空间的在人脸处理方面更有优势,然后通过二维高斯分布提取肤色区域,对二值化的图像应用区域增长算法求取最大联通区域,得到准确的面部图像,实验结果表明该算法是快速而有效的。     

人脸检测与识别综述

计算机人脸识别技术就是利用计算机分析人脸图象,进而从中提取出有效的识别信息。用来“辨认”身份的一门技术。主要分为三个阶段：人脸检测、特征提取和人睑识别。然后分别对三个阶段所采用的技术进行探讨。     

基于图像的人脸检测和识别进展研究

在现在社会中,图像的识别尤其是脸部信息的识别已经成为模式识别中研究比较活跃的一部分。在图像源中对人脸进行识别主要包括了两个部分的内容,一个是人脸的定位,一个是对人脸细节的辨认。现在已经作了很多的对定位和细节辨认也就是识别的研究。文章对识别和检测的主要算法作了一定的研究,最后提出基于图像的模式识别的发展趋势和前景。     

基于人脸检测的视频检索技术研究

为了提高视频检索的效率和准确率,本文提出了一种基于人脸检测技术的视频检索方法。该方法通过人脸检测技术将视频每一帧中的人脸与双手检测出来,然后通过建立点线连接来创建人脸与双手的拓扑结构;最后通过拓扑结构的连续变化特点来识别视频中人物的动作特征,从而达到视频检索的目的。实验表明,该方法检索速度较快且识别度较高,有广泛的应用前景。     

基于视频图像的人脸检测

视频图像的人脸识别技术发展,促进了数字视频监控等系统的广泛应用。本文对基于特征、模板、统计理论等视频图像的人脸检测基本方法进行了介绍,对人脸检测系统的图像采集、图像处理、特征定位、人脸识别处理等设计进行了阐述,对人脸检测方法的改进进行了尝试。     

基于Adaboost的快速人脸检测系统

提出了基于Adaboost的快速人脸检测方法。根据人脸生理学特点,针对PaulViola方法提出了新的Haar-like特征,扩展了图像预处理及扫描方法,设计并实现了快速人脸检测系统。     

基于Matlab和YCrCb颜色分割方法的人脸检测与匹配算法的实现

比较RGB、HSV、YCrCb三种颜色分割方法的优缺点,选择效果最好的YCrCb颜色分割方法对图像进行处理,利用YCrCb颜色分割方法实现人脸图像的粗定位和细定位,可以获得较高的成功率。采用特征脸算法构建样本图像的特征脸,计算其与训练图像特征向量的距离,进而实现人脸图像的识别匹配,用ORL人脸数据库对算法的准确率进行检验,发现算法有较高的鲁棒性。     

基于OpenCV的人脸检测系统实现

基于计算机视觉类库OpenCV 实现人脸检测系统,采用级联分类器的方法对人脸进行检测。系统对不同图像有较强的适应性,能够比较精确地判断出人脸位置,尤其对有遮挡物人脸的检测效果较好,具有一定应用价值。     

基于AdaBoost的侧面人脸、人耳检测

现今,人脸检测技术的局限性主要存在于侧面人脸检测这方面,本文主要利用人脸人耳的位置关系,用AdaBoost方法进行分别检测,最后人脸检测与人耳检测融合在一起,以提高人脸检测效率。