基于肤色模型与改进Adaboost算法的人脸检测

介绍了一种基于肤色模型与改进Adaboost算法相结合的人脸检测方法。该方法首先利用肤色在YcbCr空间中的聚类特性,对图像进行预检测,得到候选人脸区域,进而采用改进的Adaboost方法对弱分类器进行级联,得到最终的人脸分类器。在特征选择上,使用基于像素的多层特征(Pixel Based Hierarchical Feature,PBHF),以解决传统Adaboost方法检测时间过长的问题。实验结果表明,该人脸检测方法比单纯采用Haar like 特征的人脸检测方法更加有效。     

一种基于肤色的人脸检测方法

提出了一种基于肤色的人脸检测方法,通过在YCbCr颜色空间内对人脸图像进行建模,实现人脸的初定位,再使用形态学理论对候选人脸区域做处理,从而实现人脸区域的精确定位。通过仿真实验发现,提出的方法相对于神经网络和模板匹配方法可以较好地适应光照变化,并且解决了计算量大的问题,提高了算法的实时性。     

在人脸检测中对Adaboost算法的应用研究

由于在当前使用的图像检测方法当中最为流行的是Adaboost算法,这种检测方法立足于统计模型.而当前有部分人脸检测方法当中存在着比较严重的检测速度慢与误检率特别高的问题,本文则对基本的Adaboost算法原理进行仔细解释,而且将这一算法在开发OpenCV程序过程当中进行应用,从而做到实现快速检测、鲁棒性与检测率都比较高的人脸检测.     

一种基于肤色模型的快速人脸检测方法

提出一种基于肤色模型的快速人脸检测方法,能同时平衡算法速度和精度要求.首先对图像进行肤色区域提取,然后对肤色区域进行基于偏微分方程的形态学处理,对区域形状进行大小粗过滤;接着对粗过滤后的肤色区域对应的原图灰度图运用人眼的几何特征进行人眼粗定位;最后提出一种相关系数判断的方法精确定位人眼,从而确定出人脸区域.     

视频图像中的人脸快速检测算法研究

利用对称差分、肤色模型和几何特征相结合可以快速实现视频图像中的人脸检测,具体做法是:先利用图像对称差分方法得到运动区域,再用肤色检测方法在运动区域中得到人脸候选区域,最后通过检测眼睛位置,利用人脸几何特征精确定位人脸.此方法提高了检测速度,降低了误检率,可以应用在视频监控等实时系统中.     

人脸检测技术的发展和现状研究

对人脸检测所面临的问题进行探讨,分析有关人脸检测问题的研究方法,并对其进行分类和评价。从基于模板的方法、基于肤色模型的方法、基于统计理论的方法三方面进行了阐述。分析各种方法的优缺点,并提出了关于人脸检测问题的进一步研究方向。     

基于YCbCr空间的高斯肤色模型的人脸检测

主要研究人脸检测算法,分析了现有人脸检测算法的特点和不足之处。采用基于YCbCr空间的高斯肤色模型,利用颜色信息把彩色图像分割成皮肤区、头发区和背景区。对皮肤区进行去噪处理,实现脸部区域的具体定位,然后对人脸上的眼睛、嘴巴和鼻子定位。给出了人脸检测的模块设计和算法流程。     

Haar+Gabor小波特征的人脸检测方法研究

Haar小波具有算法简单复杂度底的特点,Gabor小波具有能够对目标的局部区域灰度变化进行多方向的有效描述,和进行多尺度的描述的能力.结合两种小波变换在特征提取上的各自优势,提出一种改进的基于复合特征提取方法的Adaboost分类器,在人脸检测实验中取得较好的效果.     

基于肤色模型和神经网络的人脸检测算法

神经网络具有自学习、记忆、计算以及智能处理等能力,本文应用前向型神经网络做分类器,并阐明了神经网络的分类方法和人脸检测过程,以及结合人体肤色模型实现了在不同环境、不同姿态、不同肤色、不同表情等复杂环境下的人脸检测,同时通过对静态检测的扩展实现了实时的人脸检测.实验表明,该方法具有快速,有效等特点.     

基于双肤色模型及AdaBoost算法的人脸检测

针对复杂背景和可变光照条件下,彩色静止图像的人脸检测问题,综合利用YCbCr和HSI颜色空间下的肤色模型,先进行肤色分割,定位出候选人脸,再用AdaBoost级联分类器进行检测验证,有利于提高检测效率,降低误检率。     

基于YCbCr高斯肤色模型和形态学的人脸检测技术研究

人脸检测是人脸信息处理领域的一项关键技术。本文通过选取YcbCr颜色空间,建立高斯肤色模型,然后对其验证和分析,随后对二值化图像进行阈值分割、数学形态学处理等一系列去噪处理来实现人脸检测中肤色分割过程,从而将非肤色成份尽可能排除,将可能的候选的人脸区域分割出来,为日后的人脸定位节省了大量的时间,对人脸识别的研究具有积极意义。     

基于Adaboost的快速视频人脸检测

使用Haar型特征设计不同尺度弱分类器形式,采用Adaboost算法学习建立瀑布型人脸检测器。并针对视频人脸检测中,人脸旋转导致检测失败的现象,使用CAMSHIFT算法进行人脸跟踪,缩小检测范围,提高算法速度。试验结果表明,所提出的算法有更好的鲁棒性和更快的检测速度。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法．算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中．新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强．     

基于特征的人脸检测研究

人脸检测是近年来图形图像处理和模式识别的热点研究内容之一．文章系统介绍了基于特征的人脸检测方法,对其进行了分类总结．同时,详细介绍了其中的关键技术和研究成果,并对其研究的发展趋势进行了展望．     

基于肤色HSV彩色模型下的人脸检测

每一种人种皮肤彩色分布在一个较窄的频带上。一般所用的RGB彩色模型对光线的亮暗程度比较敏感,而在HSV彩色模型中,色相H分量表示了图像的彩色信息,受到光线变化的影响缓慢。鉴于此,采用在HSV彩色模型下建立肤色模型,并对其进行训练,从而用训练后的模型对图像进行人脸检测。实验结果表明,提出的方法是有效而快速的。