一种基于肤色的复杂背景人脸检测方法

针对复杂背景下的彩色人脸图像,利用肤色信息,从图像中分割出具有肤色的区域,整理得到待检测人脸区域,从中进行人脸特征的提取和验证,最终确定人脸。     

视频图像中的实时人脸检测方法

给出了一种视频图像中的实时人脸检测方法，该方法综合了彩色视频图像的运动信息和颜色信息，可以快速地对图像中的人脸区域进行定位。算法通过对视频图像序列中每连续3帧图像进行对称差分，提取出运动区域；然后基于肤色聚类模型，再对运动区域进行肤色检测，经过候选人脸验证，最终定位图像中的人脸。实验表明，提出的方法检测速度快，实现简单、高效，满足实时系统的要求。     

基于肤色与肤色矩实时视频人脸检测与跟踪

提出了一种新颖、鲁棒、实时人脸检测与跟踪算法.该方法采用背景差分法提取运动区域,对运动区域利用肤色归一化RGB和HSV色彩模型的聚类性,得到人脸候选区域.利用人脸几何信息和孔洞信息对人脸候选区域进行验证.基于肤色矩特性,对人脸区域进行跟踪与预测.通过对不同背景条件下的人脸检测与跟踪,实验结果表明,所提算法不仅检测率高,且对光照,人脸姿态的变化具有较强的鲁棒性.基于480×360图像处理速度平均为25帧/秒,可满足系统实时性要求.     

基于双高斯平均似然度和帧间差分的人脸视频图像肤色提取

针对有色光照和复杂背景的人脸视频图像,该文提出一种基于CbCr-CgCr双高斯平均似然度和YIQ颜色空间的I分量帧间差分的肤色提取算法。该算法对色偏调整预处理后的人脸视频输入图,计算CbCr-CgCr双高斯平均似然度,并利用平均似然度值和I分量对平均似然图进行粗分割,然后结合平均似然度分割图及I分量帧间差分图,提取图像肤色区域。实验证明该算法有较好的肤色提取效果。     

信息视频图像人脸检测算法研究

本文首先采用运动信息检测算法,根据帧图像中是否包含运动信息判断图像中是否包含人脸区域,决定是否对该帧进行肤色分割,然后依据非线性的YCbCr肤色模型对需要检测的帧进行分割,进一步确定人脸区域的大致位置,并进行了仿真实验,实验结果表明该算法能够对视频图像序列中的人脸进行检测,具有良好的性能和一定的研究参考价值。     

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分割和模板匹配相结合的人脸检测算法.首先利用rgb色彩空间下的人脸肤色模型,对人脸图像进行肤色分割;针对图像中存在的多个肤色区域连接在一起的问题,采用SUSAN算子提取区域的边界,将连接的肤色区域分开;根据肤色区域的形状特征和欧拉数筛选人脸候选区域;最后利用建立的人脸模板和一种改进的混合匹配准则,对候选人脸区域进行匹配识别.实验结果表明,该方法能较好地从复杂背景中检测出人脸.     

视频中的多视角人脸检测与姿态判别

提出了一种基于多种信息融合的多视角人脸检测方法.对视频图像通过对称差分算法检测运动区域,利用神经网络肤色模型对运动区域进行肤色识别,将多视角多人脸检测简化在候选区域内;最后通过集成多神经网络,其中每个神经网络负责一定视角的图像,实现了人脸验证,同时可以粗略地判定人脸姿态.实验结果表明该算法可适应不同的光照环境,检测不同大小,不同视角的人脸.     

基于视频的运动人脸检测与跟踪算法研究

提出了一种自适应调整帧间时间差的方法来检测运动目标,并结合采用YCbCr空间及非线性分段色彩变换的肤色检测模型,对视频图像中的运动目标检测候选肤色区域,采用人脸的特征检测方法检测候选人脸区域.最后,根据在前后几帧中采用融合运动目标与肤色模型的人脸检测算法启动跟踪,获得初始运动信息,后继帧中提出一种新的运动区域预测与肤色边缘拟合椭圆匹配的算法,试验表明该算法实时、有效.     

基于多肤色空间及AdaBoost算法的人脸检测方法

针对复杂背景和可变光照下的彩色图像人脸检测问题,提出一种基于多肤色空间下的肤色分割及Ada-Boost算法的人脸检测方法。首先利用均值滤波、拉普拉斯算子等方法对图像进行增强处理;然后结合YCbCr、YCgCr、YCgCb三种颜色空间下的多肤色空间对图像进行肤色分割,定位出候选的人脸区域;最后对AdaBoost算法的检测过程进行研究验证,检测出人脸并指示。数据显示,该方法在时间、检测率、漏检率等方面都有明显的改进。因此,该方法能较好地处理复杂背景下彩色图像人脸检测的错检、漏检问题,从而提高了检测效率。     

基于帧间差分的自适应运动目标检测方法*

本文提出了一种基于帧间差分的自适应运动目标检测算法。算法利用直方图统计各像素点处最大概率灰度的方法提取出连续视频的背景图像;相邻帧利用帧差法得到运动区域图像;利用运动区域图像与背景图像差分的方法提取出运动目标。实验结果表明,该算法能在多个不确定性因素的序列视频中较好的提取背景图像,能及时响应实际场景变化,提高运动目标检测的质量。     

卫星视频中的单目标分割和跟踪

对于卫星视频图像中存在的目标与背景对比性低、缺乏目标特征信息等问题,提出一种结合目标运动信息、时空背景和外观模型的目标分割和跟踪方法.根据首帧定位得到目标区域,首先对目标使用方向梯度直方图方法提取特征利用核相关滤波器得到目标跟踪区域1;接着利用颜色空间特征建立目标与其周围区域上下文信息的空间模型得到目标跟踪区域2;然后利用视觉背景提取算法以像素为单位在目标区域上检测运动目标得到单目标的分割区域3;最后分别对3个区域进行相关计算得到最优区域作为最终目标跟踪位置和模板更新样本.实验结果表明,本文算法与KCF算法相比,跟踪的成功率和准确率有很大的提高,同时实现了单目标分割.     

结合HSV空间的水面图像特征水岸线检测

目的 水岸线可用于无人艇视觉导航、运动状态估计,是无人水面艇自主航行的重要参照特征。水岸线类似于水天线,但由于水波、反光、倒影等因素,内河水岸线检测的背景更复杂,难以采用现有水天线检测技术。通过分析水面图像在HSV空间的特征,发现陆地区域的饱和度值均高于天空和水面区域;在光照较暗时,色彩信息不能使用,亮度图像中的陆地区域相对其他区域较暗,但仍然存在水岸线轮廓特征。基于这一分析结果,提出结合HSV空间的水面图像特征水岸线检测方法。方法 首先将RGB图像经过高斯滤波后变换到HSV空间,依据权重进行HSV空间特征分量选取,接着进行像素点非线性增强;然后在增强的图像上进行区域分割,并将各个区域定义为基底图像;其次分析饱和度图像的行列特性,提取高饱和度的陆地区域,并将其定义为模板图像,将模板图像覆盖在各个基底图像上,按重叠区域面积比选取基底图像;最后通过边缘检测算子检测水岸线。结果 本文采集不同季节,不同光照强度的水面图像进行水岸线检测实验,实验结果表明本文算法可以在不同光照环境下准确检测出水岸线,且轮廓清晰完整,本文算法的实时性可达到1帧/s。结论 本文提出的结合HSV空间的水面图像特征水岸线检测方法,可以在不同的光照环境中有效地检测出轮廓清晰完整的水岸线,验证了水面图像分析的结论,本文算法可适用于无人艇视觉导航中。     

基于加权运动估计和矢量分割的运动补偿内插算法

提出了一种基于加权运动估计、矢量分割和可变块层次化处理的运动补偿内插(Motion-compensated frame interpolation, MCFI)算法. 首先, 提出一种加权运动估计改善了运动矢量(Motion vector, MV)的准确度, 其次, 通过矢量聚类分割将视频帧分割为运动区域和背景, 然后对运动区域的运动矢量进行了可变块层次化处理. 此过程中, 采用可变块合并算法保证了运动物体的边缘结构信息不被损坏. 同时考虑到部分可变块的多方向性, 使用了自适应矢量中值滤波器和矢量平滑降低了运动块大小, 能有效地消除传统方法中出现的方块效应和重影现象. 实验结果表明该算法在内插图像的主观视觉效果和客观评估标准上都有所提高, 而且对于运动较快及背景较复杂的视频序列同样具有较强的适应性.     

基于改进活动轮廓的视频对象自动分割及跟踪算法

为了能够从视频序列图像中准确地提取出运动视频对象,提出了一种基于改进活动轮廓的视频对象自动分割及跟踪方法。该方法首先采用连续帧间差的4次统计量假设检验来确定视频对象的运动区域,并使用形态滤波消除残余噪声和空洞;然后根据3帧序列图像得到的前后运动区域的相与运算来有效地解决运动视频对象前后帧的遮挡问题,以获得视频对象模板,当提取出视频对象模板的边缘轮廓后,再用梯度向量流场作为外力的改进活动轮廓算法来获得视频对象的精确轮廓;最后以此视频对象的轮廓为基础进行运动补偿,以得到下一帧图像的初始曲线,再使用改进的活动轮廓算法对下一帧图像进行分割,即可实现视频对象的跟踪。该方法不仅能够消除差分图像中的显露背景,得到运动视频对象精确的轮廓,并且可进行多目标的分割与跟踪。     

分布式视觉监控系统的研究

提出了一个基于视觉的分布式监控系统。该系统通过将多个摄像机单元组织成一个局域网来监视多个特定的区域,实时获取并处理彩色图像序列。当有特定的异常物体如行人、车辆等进入监视区域后能够向用户发出警报,而且能够将从多个摄像机单元获取的数据进行融合得到一个一致的决定。每个摄像机单元利用基于高斯混合模型的背景减除法对异常物体进行检测,并用卡尔曼滤波器进行跟踪。系统在实验室的局域网内进行了实验,显示了良好的性能。     

基于多特征背景模型的运动目标检测算法

运动目标检测是视频处理的基础，而目标的阴影在很大程度上影响了目标的真实形状，干扰了真实目标的检测。本文提出了一个以混合高斯模型为基础，结合多特征的运动目标检测方法。将阴影消除算子、帧差、方差及彩色信息融合到背景模型中，能较准确地检测运动目标并消除阴影的影响。     

A real-time face detection and recognition system for a mobile robot in a complex background

This article presents a real-time face detection and recognition system for mobile robots based on videos with a complex background. In the visual system, we propose a multi-information method consisting of an Adaboost algorithm, and color information for the face detection part. The interesting targets in the video will first be detected by the Adaboost algorithm, which is robust to illumination. Then the skin color model in YCbCr space will be employed to select the parts that may not be skin areas from the information detected by the Adaboost algorithm. An embedded hidden Markov model (EHMM) is presented, using a 2-DCT feature vector as the observation vector, to recognize the faces detected. The whole process of detecting and recognizing a frame, which is 320 × 240, will take 1.4 s with the rapid recognition parameters and 4.2 s with the slow recognition parameters.     

Target detection algorithm for dance moving images based on sensor and motion capture data

The effectiveness of classification based on motion capture data to identify the human skeleton dance types. The goal is based on the body joint's information is to perform the characteristic posture obtained by the ultra-high Kinect sensor, identifying for each dance. The proposed Target Detection (TD) algorithm is used to dance moving object identification based on the improved Gaussian Mixture Model (GMM). The proposed Target Detection (TD) algorithm based on a Gaussian Mixture Model is a widely used method for modeling background from a Kinect sensor moving objects. The used data set contains six folk dance sequences and their variations. Gesture recognition scheme using a plurality of time constraints, spatial information, and spatial distribution characteristics to create a training data set appropriate application. The Gaussian Mixed Model distribution background model account, the algorithm, and their frame difference can be extracted in straight lines to obtain target dance areas with less background and background photo station under motor damage conditions. Through real-time Target Detection (TD) algorithm dance moving images based on the Gaussian Mixture Model (GMM), these two algorithms effectively detect dance moving image targets.     

A Nonparametric Adaptive Tracking Algorithm Based on Multiple Feature Distributions

This paper presents an object tracking framework based on the mean-shift algorithm, which is a nonparametric technique that uses statistical color distribution of objects. Tracking objects through highly similar-colored background is one of the problems that need to be addressed. In various cases where object and background color distributions are very similar, the color distribution obtained from single frame alone is not sufficient to track objects reliably. To deal with this problem, the proposed algorithm utilizes an adaptive statistical background and foreground modeling to detect the change due to motion using kernel density estimation techniques based on multiple recent frames. The use of multiple frames supplies more information than single frame and thus it provides more accurate modeling of both background and foreground. In addition to color distribution, this statistical multiple frame-based motion representation is integrated into a modified mean-shift algorithm to create more robust object tracking framework. The use of motion distribution provides additional discriminative power to the framework. The superior performance with quantitative results of the framework has been validated using experiments on synthetic and real sequence of images     

视频运动矢量的获取FPGA实现

提出一种视频运动检测的方法,通过融合帧间差法、色彩匹配法、区域特征匹配法、目标关键位置选取和光流场分析的视频运动检测方法,对视频数据流进行分析计算,获取运动目标的运动矢量.在Altera公司的FPGA试验平台DE1上,构建了视频运动检测矢量获取的验证系统.实践结果表明,该方法能够实时分析目标运动信息,快速准确获取视频流中目标的运动矢量.