基于肤色和几何特征的人脸检测算法

本文提出了一种可变先照条件下的人脸检测算法,该算法利用人脸的肤色和几何特征,首先对输入图像进行光照补偿,然后在YCrCb颜色空间中,分割出肤色候选区域,最后利用人脸面部的几何特征精确定位出人脸。实验结果表明,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。     

光照鲁棒性较强的肤色检测算法

针对人脸肤色检测效果受光照影响较大的不足,提出了一种稳定性好的肤色检测算法。首先根据人脸左右对称的特性,采用像素修正算法将人脸区域上的过亮或过暗像素点替换为正常亮度下的像素点;然后采用一种根据像素点亮度的不同动态地确定色度阈值的自适应方法进行肤色检测。实验结果表明,相比YCbCr单高斯模型肤色检测等算法,所提算法在强弱不同的光照情况下提高的正检率超过了10%,误检率降低了5%,而且稳定性明显增强。     

较强光照下肤色结合发色检测人脸的方法研究

研究了基于不同颜色空间的人脸检测算法,并在此基础上针对较强光照条件下或肤色与背景色比较接近时检测算法可能会将人脸检测为背景的情况,提出了一种新的基于肤色和发色的人脸检测自适应算法。实验结果表明,即使在较强光照条件下或肤色与背景比较接近时,该算法一样能准确地检测到正面或略有倾斜的人脸。     

利用多颜色信息融合的自适应肤色建模

客观世界中存在不同的光照、肤色和人种等因素,通常情况下难以建立一个通用的肤色模型进行各种裸露皮肤的检测。研究了一种自适应肤色建模方法,即利用AdaBoost算法检测人脸,通过这些人脸区域进行肤色建模。为了取得较好的肤色建模效果,适当缩小了由AdaBoost算法检测到的人脸区域;利用多颜色空间信息融合技术,即通过选取多个颜色空间的若干颜色分量,计算待检测图像中这些分量的各自SPM（肤色概率图）,经过“与”运算融合获得最终检测的肤色区域。该算法不需要考虑光照、肤色和人种等因素,是一种自适应的建模过程。实验表明,该算法可以有效解决绝大多数情况下的彩色图像肤色检测问题。     

融合边缘和肤色信息的人脸定位新方法

提出一种基于边缘和肤色信息的人脸定位新方法,该算法先利用皮肤在空间中的颜色信息,分割出肤色区域,对人脸粗检测,再结合边缘信息精定位,从而实现在复杂背景下的人脸定位。实验结果表明,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多人脸检测,并具有实时性好,检测和定位精度高的特点。     

运用自适应球体模型实现肤色动态分割

提出一种用于变化光照、多姿态和复杂背景条件下人脸识别的肤色区域动态分割算法。对彩色人脸输入图进行色偏校正和亮度调节预处理,利用肤色聚类特性构建一种自适应球体肤色模型,并基于该模型计算自适应肤色相似度,利用肤色相似度,采用自适应的动态阈值进行肤色区域目标的分割和提取。实验结果表明,对于变化光照、多姿态和复杂背景的彩色人脸图像,该算法有良好的分割精度和自适应性。     

非均匀光照条件下的彩色人脸图像增强

针对非均匀光照彩色人脸图像增强中肤色失真问题,提出了一种基于单尺度Retinex和肤色模型的方法。将人脸图像转换至YCbCr颜色空间,并采用不同的方法分别处理Y分量和CbCr分量。针对亮度分量（Y）采用单尺度Retinex方法压缩图像的动态范围,增强图像暗处的细节信息;针对图像中肤色区域,根据肤色在CbCr空间具有聚集性的特点,调整亮度分量增强后肤色像素点色度分量（Cb和Cr）的值,改善肤色区域的颜色质量。在CAS-PEAL人脸库中进行实验,该方法与传统的人脸图像增强方法相比,在图像细节呈现能力和面部色彩真实程度方面均有提高。     

复杂光照条件下的人脸预处理算法

为了提高光照条件下的人脸识别正确率,提出一种复杂光照条件下的人脸预处理算法。对人脸图像进行局部增强处理,用双边滤波对图像亮度进行估计,采用Gamma校正补偿图像亮度估计产生的损失,将反射分量与亮度估计结果融合获得效果更优的人脸图像,并用K近邻算法建立分类器对人脸进行识别。在Yale、PIE和AR人脸库仿真结果表明,该算法提高了光照条件下的人脸识别正确率,其性能优于当前典型人脸识别算法。     

基于不同光照条件的人体手势识别新方法

针对不同光照条件下基于摄像头的人体手势识别所存在的识别率、实时性和鲁棒性等问题,提出一种基于不同光照条件的人体手势识别新方法。首先利用传统图像处理技术与光线补偿、色彩平衡、对比度受限自适应直方图均衡( CLAHE)进行视频帧预处理,然后运用基于Haar分类器的前期检测与基于YCrCb肤色模型的后期验证进行手势识别分类,并提取质心特征进行方向跟踪判断,最终完成静态与动态实时人体手势识别任务。实验结果表明,在几种不同光照条件下,实时识别率达90%以上,且在手势扭曲、侧对与旋转一定程度下仍具良好识别效果。     

基于肤色模型和层次滤波技术的人脸检测

为了能够实现单幅彩色图像中的人脸检测,提出了基于肤色模型和层次滤波技术的人脸检测算法.它通过基于肤色的鲁帮性进行肤色建模,在图像中精确的提取出肤色区域,再经过方向校正后,检验出一系列的人脸特征、像素亮度的变化以及连通区域的空间排列,可以较好地检测出图像中的脸部区域.实验结果表明,该方法可以适用于不同光照条件下的人脸检测,即使在脸部特征没有被很好的检测出的情形下也可以较好完成人脸检测.     

动态手势识别及在PPT播放当中的应用研究

本文主要研究了动态手势识别在PPT播放当中的应用,即在播放过程中能够通过动态手势控制PPT的翻页.首先在动态手势检测的研究中,通过采用背景差分和基于HSV的肤色建模相结合的方法,分割出了较好的动态手势图像.其次,通过对几种动态手势的跟踪算法的分析与比较,采用了主流的非线性跟踪算法W勇瞬’惴？通过对得到的手势图像中的V分量值的人为设置,消除了在跟踪过程中脸部及其他的类肤色干扰,从而避免了手势跟踪过程中的遮挡问题.最后通过采用隐马尔可夫模型与阈值Max相结合的方法,实现了对PPT播放的实时控制.实验结果表明动态手势的识别能够应用到PPT播放当中,并最终实现了利用动态手势来实时控制PPT的翻页.     

基于新颜色空间YCgCr的复杂背景图像下的肤色区域检测

肤色信息在基于彩色图像的手势识别、人脸检测与跟踪和基于内容的不良图像过滤等应用中,起着非常重要的作用.为了有效地检测图像中的肤色区域,采用了类似于YCbCr颜色空间的新颜色空间YCgCr.为了说明YCgCr颜色空间的优越性,给出了该颜色空间与YCbCr颜色空间和Karhunen-Loeve （K-L）变换颜色空间中多样实验操作的比较.实验结果表明,用同样肤色样本得到的肤色阈值对相同的测试图像集进行肤色检测时,YCgCr颜色空间具有很好的肤色区域检测效果,漏检率和误检率均低于其它两个颜色空间的漏检率和误检率,并且对于不同的光照条件有较好的鲁棒性.     

Motion-based skin region of interest detection with a real-time connected component labeling algorithm

This paper presents a motion-based skin Region of Interest (ROI) detection method using a real-time connected component labeling algorithm to provide real-time and adaptive skin ROI detection in video images. Skin pixel segmentation in video images is a pre-processing step for face and hand gesture recognition, and motion is a cue for detecting foreground objects. We define skin ROIs as pixels of skin-like color where motion takes place. In the skin color estimation phase, RGB color histograms are utilized to define the skin color distribution and specify the threshold to segment skin-like regions. A parallel computed connected component labeling algorithm is also proposed to group the segmentation results into several clusters. If a cluster covers any motion pixel, this cluster is identified as a skin ROI. The method’s results for real images are shown, and its speed is evaluated for various parameters. This technology is compatible with monitoring systems, scene understanding, and natural user interfaces.     

一种人手检测系统的设计与实现

详细介绍一种人手检测系统的设计与实现方法。该系统能够实时准确地检测图像中五指并拢朝上,手掌面对镜头这一种姿势的人手。采集和建立了用于人手检测分类器训练的人手样本图库,阐述了肤色模型的应用原理和提取肤色区域的实现方法,给出了基于AdaBoost算法的分类器的原理和实现算法。最后通过实验分析了该系统的检测速度与实现效果。     

基于层次支持向量机的人脸检测

针对彩色图像人脸检测,提出了肤色模型和层次支持向量机相结合的人脸检测方法。检测时首先利用调节的肤色模型提取出人脸候选区域,然后对这些候选区域用线性支持向量机和主成分与非线性支持向量机相结合的层次支持向量机进行验证,获得真正的人脸区域。实验表明,该方法对图像偏色有一定的鲁棒性并可以用于灰度图像的人脸检测,而且检测正确率和速度比基于肤色和模板匹配的方法有了一定的改进。     

A survey of skin-color modeling and detection methods

Skin detection plays an important role in a wide range of image processing applications ranging from face detection, face tracking, gesture analysis, content-based image retrieval systems and to various human computer interaction domains. Recently, skin detection methodologies based on skin-color information as a cue has gained much attention as skin-color provides computationally effective yet, robust information against rotations, scaling and partial occlusions. Skin detection using color information can be a challenging task as the skin appearance in images is affected by various factors such as illumination, background, camera characteristics, and ethnicity. Numerous techniques are presented in literature for skin detection using color. In this paper, we provide a critical up-to-date review of the various skin modeling and classification strategies based on color information in the visual spectrum. The review is divided into three different categories: first, we present the various color spaces used for skin modeling and detection. Second, we present different skin modeling and classification approaches. However, many of these works are limited in performance due to real-world conditions such as illumination and viewing conditions. To cope up with the rapidly changing illumination conditions, illumination adaptation techniques are applied along with skin-color detection. Third, we present various approaches that use skin-color constancy and dynamic adaptation techniques to improve the skin detection performance in dynamically changing illumination and environmental conditions. Wherever available, we also indicate the various factors under which the skin detection techniques perform well.     

复杂背景下基于傅立叶描述子的手势识别

人的手势是人们日常生活中最广泛使用的一种交流方式。由于在人机交互界面和虚拟现实环境中的应用,手势识别的研究受到了越来越广泛的关注。但是目前基于单目视觉的手势识别技术中,手势分割要求背景简单或者要求识别者戴着笨重的数据手套。而该文结合了运动信息和基于KL变换的肤色模型,在复杂背景下进行手势分割,与传统的基于RGB肤色模型的手势分割相比,在复杂背景环境下得到了很好的分割效果。在对分割的手势区域进行预处理后,该文使用了一种归一化的傅立叶描述子进行手势的特征提取,相比传统的傅立叶描述子更加准确,最后采用了传统的三层BP网络作为模式识别器,手势训练集和测试集的识别率分别达到了95．9％和95％。     

肤色与运动相结合的手势区域检测

复杂背景下,手势区域的检测很容易受到周围环境中光照以及类肤色等因素的干扰。针对以上问题,本文将改进的肤色检测算法与背景差分算法相结合来对手势区域进行检测。试验仿真结果表明,当存在外界干扰的情况时,该法能准确的检测到手势区域,并具有一定的实时性。     

Color based skin classification

Skin detection is used in applications ranging from face detection, tracking body parts and hand gesture analysis, to retrieval and blocking objectionable content. In this paper, we investigate and evaluate (1) the effect of color space transformation on skin detection performance and finding the appropriate color space for skin detection, (2) the role of the illuminance component of a color space, (3) the appropriate pixel based skin color modeling technique and finally, (4) the effect of color constancy algorithms on color based skin classification. The comprehensive color space and skin color modeling evaluation will help in the selection of the best combinations for skin detection. Nine skin modeling approaches (AdaBoost, Bayesian network, J48, Multilayer Perceptron, Naive Bayesian, Random Forest, RBF network, SVM and the histogram approach of Jones and Rehg (2002)) in six color spaces (IHLS, HSI, RGB, normalized RGB, YCbCr and CIELAB) with the presence or absence of the illuminance component are compared and evaluated. Moreover, the impact of five color constancy algorithms on skin detection is reported. Results on a database of 8991 images with manually annotated pixel-level ground truth show that (1) the cylindrical color spaces outperform other color spaces, (2) the absence of the illuminance component decreases performance, (3) the selection of an appropriate skin color modeling approach is important and that the tree based classifiers (Random forest, J48) are well suited to pixel based skin detection. As a best combination, the Random Forest combined with the cylindrical color spaces, while keeping the illuminance component outperforms other combinations, and (4) the usage of color constancy algorithms can improve skin detection performance.     

基于肤色与模板匹配的人脸检测方法研究

利用肤色信息在彩色图像中检测人脸速度快、易于实现,但准确率不高。本文提出首先应用人脸肤色信息在彩色图像中进行人脸粗略检测,得到候选人脸区域,再以基于梯度模板匹配的方法进行人脸精确定位,从候选区中准确地找到人脸。将这两种方法结合在保证精确的人脸检测的前提下,可有效提高检测速度。