一种基于肤色和模板匹配的人脸检测方法

提出了一种基于肤色和模板匹配的人脸检测方法，该方法首先对搜集到的人脸肤色样本在YCbCr空间中进行聚类，然后根据聚类的范围在输入的图像中确定候选的人脸区域（假设存在）的位置，接着对该候选人脸区域进行归一化处理，再计算人脸模板和该候选区域的Hausdorff距离，根据该距离大小最终确定该候选区域是否为人脸．实验表明：该算法检测准确率高，具有良好的实时性和鲁棒性．     

基于颜色重心和分层过滤结构的人脸检测算法

提出一种基于颜色重心六边形（colorbarycentershexagon,CBH）模型,结合分层过滤结构的人脸检测方法。首先根据肤色在空间的聚类特性检测人脸,利用CBH模型将彩色图像中的肤色区域和非肤色区域分开,得到人脸检测的候选区域;然后利用级联型的分层过滤结构,采用最优椭圆拟合、形态及方差验证、方向归一化和模板匹配等操作逐步排除非人脸区域,最终确定并标记出彩色图像中人脸的位置。实验结果表明：该方法能够在复杂背景的彩色图像中快速并且准确地检测出人脸,误检率较低,具有较高的应用价值。     

基于肤色模型和模板匹配的人脸检测方法研究

提出了一种基于人脸肤色信息和模板匹配,对彩色图像中的人脸进行检测的方法。该方法首先在YCbCr色彩空间下,利用肤色信息将彩色图像中的肤色区域和非肤色区域分开,计算得到表示肤色相似度的色度图,然后分割由此色度图所生成的灰度图像,从而得到人脸检测的候选区域,同时计算该区域的欧拉数来进一步缩小人脸搜索的范围,结合人脸模板进行匹配,最终确定并标记出彩色图像中人脸的位置。实验结果表明：该方法能够在具有复杂背景的彩色图像中快速并且准确的检测出人脸,误检率较低。     

Android手机中人脸检测算法的改进及实现

为提高智能手机的拍摄效果,提出了一种基于肤色和模板的人脸检测算法:首先,在一种新的颜色空间——YCgCr中利用肤色的聚类分割出肤色区域;然后,构建三维查找表并据此完成二值化,通过噪声处理和几何方法确定出候选人脸区域并对其进行尺度和灰度归一化;最后,通过计算候选人脸和标准人脸模板之间的加权欧氏距离来度量二者的匹配程度,并依据阈值判断出最终的人脸。实验结果表明,本算法的人脸检测比Android 2.3系统自带的人脸检测具有更好的实用性和高效性,提高了Android手机拍摄的效果。     

利用肤色分割和自适应模版匹配的人脸检测

针对基于模板匹配人脸检测算法计算量大和基于肤色分割人脸检测算法正确率低、易受类肤色背景影响等缺陷,提出了利用人类肤色分割和自适应模板匹配的人脸检测方法.利用人脸肤色混合高斯模型对人脸进行分割实现迅速检测人脸的目的;采用二维多尺度离散正交小波变换来进行光照补偿,克服亮度对人脸检测的影响;利用自适应模板匹配和二次匹配算法来减少类肤色背景对人脸检测的影响及匹配过程中的计算量.实验结果表明:本文提出的方法能快速检测出人脸,克服亮度和类肤色背景对人脸检测的影响,并提高人脸检测的准确率.     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量（H,Cg,Cr）T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

基于动态椭圆滤波器的人脸定位

针对传统肤色分割算法无法将人脸从类似肤色的背景分割出来这一个问题,提出一种基于动态椭圆滤波器的人脸定位算法.该算法利用积分投影法预测人脸可能的范围和位置,并结合椭圆的紧密度概念调整滤波器参数,构造最优滤波器,把肤色分割后的连通区域中非人脸的类肤色区域过滤掉,有效地减少类肤色区域带来的干扰,再结合模板匹配方法对人脸进行定位.     

一种基于肤色模型的贝叶斯人脸检测算法

为了结合颜色信息和人脸特征构造快速高精度的人脸检测系统，提出一种基于肤色模型的贝叶斯人脸检测算法，新算法包括两大步骤，即肤色检测和人脸特征检测．前者借助混合高斯模型对人脸肤色区域楚模．生成肤色检测规则．同时，针对合理选择混合高斯模型中分量数问题，提出一种基于聚类有效性函数的最优分量数确定方法，以提高肤色检测的精度，在人脸特征区域判决中引入菱形搜索，与贝叶斯判决相结合，以提高人脸特征区域的检测速度，新算法具有较高的检测精度和较低的漏警率，同时能够满足实时检测的要求。     

融合YCbCr肤色模型与改进的Adaboost算法的人脸检测

提出了一种将人脸肤色检测与改进的Adaboost算法相结合的人脸检测方法。将人脸图像从RGB颜色空间映射到YCbCr颜色空间,建立肤色模型进行人脸相似度求取,通过形态学处理得到候选人脸区域。在训练阶段,通过调整加权误差分布限制目标类权重的扩张,通过修改目标权重更新抑制训练退化和训练目标类权重分布过适应现象。用改进的Adaboost算法对得到的人脸候选区域进行检测,提高了检测速度。实验结果表明,该算法抑制了训练目标类权重过适应现象,有效的提高了检测率和检测速度。     

基于肤色分割和改进的AdaBoostSVM算法的人脸检测

为了提高人脸检测的速度和精度,提出了一种基于肤色分割与改进的AdaBoostSVM算法相结合的人脸检测方法。首先在YCgCr空间通过计算肤色相似度进行肤色分割,进而得到候选的人脸区域。然后,针对人脸检测中正负样本的非对称性对AdaBoostSVM算法进行改进,并用改进的AdaBoostSVM算法对候选人脸进行检测验证。实验结果表明,该方法改善了人脸检测性能,提高了检测速度,能够在复杂背景下进行快速而且较为准确的人脸检测。     

人脸检测系统在DSP上的实现

针对传统人脸检测系统的不足,提出了一种基于DSP的人脸检测系统的设计方案。分析了该系统实现的基本原理,通过对各种检测方法的比较,选择了肤色检测法为基本手段。利用人脸样本库建立了人脸肤色模型,讨论了形态学滤波的优势,随后提出了利用人脸的结构特征,进行区域确认的方法。最终,从硬件和软件这2个方面对该系统进行了总体规划,并阐述了对DSP程序进行优化的相关问题。实验结果表明,该系统能较为准确地检测人脸,并满足了实时性的要求,具有一定的实用价值。     

基于肤色模型和灰度积分投影的疲劳驾驶检测系统

根据驾驶室的特定环境,给出了一个基于肤色模型和灰度积分投影的驾驶员疲劳检测系统．该系统首先利用肤色模型粗略检测出人脸区域;然后根据驾驶员面部几何特征,利用灰度积分投影法对驾驶员眼睛进行准确定位;最后根据上下眼皮距离及闭眼持续时间对驾驶员疲劳状态做出判定．仿真实验表明：该系统可以准确定位驾驶员眼睛,并对驾驶员疲劳状态做出判断．     

复杂背景的人脸检测方法

由于原始的Adaboost方法在复杂图片上检测人脸效果不够理想,所以提出了一种能够处理复杂背景图片的人脸检测方法,即基于肤色的Adaboost检测方法。该方法具有肤色分割的检测率高、适应性强和AdaBoost算法检测速度快等优点。首先,通过人脸肤色的统计特征对图像进行肤色分割,得到候选人脸区域;然后使用经过训练的AdaBoost算法级联分类器对候选人脸区域进行检测,最终得到精确定位的人脸。经过实丐令证明,基于肤色分割的Adaboost人脸检测方法比原始的Adaboost方法在鲁棒性上有了很大提高。     

实时人眼定位算法研究与设计

为了实现准确和实时的人眼定位,提出了一种有效的人眼定位方法。采用基于统计肤色模型和人脸几何特征约束定位人脸,根据在YCbCr色度空间中肤色的聚类性独立于亮度,建立肤色模型,然后采用自适应阈值进行肤色分割。在人眼定位中,通过获取一个属于眼睛区域像素的随机样本,利用期望最大化算法（EM）调整椭圆型眼参数模型。在包含两个眼睛的矩形框内精确定位人眼,计算量小,速度快。实验结果表明,该方法能够准确、快速地定位人眼,可以满足非接触式、不同光照条件、实时的人眼定位系统的要求.     

基于肤色模型和重心模板的人脸检测

为了获得具有较高检测率并保持较低误检率的快速人脸检测,提出了一种基于知识的人脸检测方法．在人脸粗检中用肤色模型分割出输入图像中的人脸可能区域,并对这些区域进行重心模板匹配过滤出非人脸区域．利用人脸的生理分布特征设计出一种动态的人脸三分图分布模型,并以不同条件下的大量人脸图像样本作为统计数据建立了一个人脸规则知识库,用来判定过滤后的区域是否为人脸．实验结果表明,该方法具有很好的鲁棒性,能快速检测出不同光照、不同大小和有一定旋转角度的人脸．     

融合肤色模型与小波变换的人脸检测算法

针对目前人脸检测误检率高的问题,提出了一种融合肤色模型与小波变换的新算法．该算法采用肤色模型确定人脸的可能位置,然后分别对人眼和嘴巴进行检测,最终确定人脸位置．其中眼睛位置在小波变换后根据几何位置进行检测,嘴巴位置采用Fisher分类器检测．这一新算法实现了在复杂背景中单人脸快速、准确定位．与传统的YC_bC_r肤色模型检测算法相比,新算法将颜色空间与小波变换、Fisher分类相结合,提高了检测精度．实验表明,该算法的正确检测率为91％,误检率仅为2％．     

基于全方位计算机视觉的ATM机智能监控

探讨了利用全方位视觉传感器(ODVS)以及计算机视觉技术来实现对自动取款机(ATM)的视频智能监控,采用ODVS来获取整个ATM机周围的全景视频图像,通过透视算法将全景视频图像展开成若干个重点监控领域;为了提高检索效率、减少存储和传输信息量,提出了通过基于高斯肤色模型的人脸检测算法获取ATM使用者的人脸图像并将时间地点等信息进行合并,得到一幅包含使用ATM时间、地点和人物图像;为了提高ATM的使用安全性,通过基于卡尔曼滤波的人脸跟踪和行为语义规则判定等手段来检测和分析ATM设备周围环境中的窥视行为.与现有的ATM视频监控技术相比,所提出的监控方法具有检测范围广、智能化水平高、存储检索效率高等优点,实现窥视行为检测算法具有较高的鲁棒性和检测精度.     

基于肤色分割的连续Adaboost人脸检测算法

针对彩色图像人脸检测问题,将连续Adaboost和肤色分割相结合对彩色图像人脸进行检测．先由连续Adaboost构造的瀑布型分类器检测出候选人脸区域,再对可能的人脸区域进行光照补偿后采用r-g颜色模型进行肤色分割,最终精确定位人脸．实验证明：该算法可以有效的降低连续Adaboost检测彩色人脸图像时的虚警率。达到较好的检测效果．具有一定的应用价值．