基于肤色的实时人脸跟踪新方法

提出一种基于混合肤色模型的实时人脸跟踪方法。该方法采用基于点的运动预测来减少搜索区域并使用MJSEG算法进一步分离人脸和其他类肤色区域。实验结果表明，该方法有效地解决了复杂背景下人脸自由运动、光照变化及部分遮挡的问题。系统跟踪速度达到实时，并给出精确的人脸边界。     

彩色视频序列图像中的人脸跟踪方法

针对彩色视频序列图像的人脸检测，提出了一种基于肤色的人脸跟踪方法。该方法首先在Hsu提出的肤色模型基础上，采样一种自肤色分割算法来提取复杂背景下人脸的肤色特征，与传统的采用固定肤色模型的检测算法相比，该方法具有更好的检测效果；然后，在人脸跟踪过程中采用Condensation滤波跟踪算法，并对算法做了两点改进，即在跟踪过程中采用基于Metropolis算法的重采样方法以及自适应的动态模型，实现了复杂背景下的人脸自由运动的跟踪，并从各种影片中截取了彩色视频序列图像进行了测试实验。实验结果表明，该方法有效地解决了复杂背景下人脸自由运动、光照变化及部分遮挡的问题，且精度较高。     

基于肤色模型和椭圆环模板的人脸跟踪及姿态估计

文章提出了一种基于肤色模型,结合椭圆环模板进行人脸跟踪及姿态估计的算法。该算法在基于肤色模型实现人脸跟踪及特征定位的过程中首先利用肤色模型定位人脸肤色区域,在跟踪中增加了自适应学习模块,使得原始的肤色模型能够在不同光照下实现自适应调整。然后利用人脸形状的先验知识,通过椭圆环模板实现人脸边缘的精确定位。最后根据所得到的面部特征和人脸边缘位置估计出人脸的姿态。实验表明,该算法能够在自然光照条件下取得较为满意的跟踪结果,同时对人脸在旋转、缩放、遮挡等条件下,多人脸背景下的跟踪有较强的鲁邦性。     

基于混合跟踪模型的室内步行人体3D运动估计

针对步行人体3D运动估计过程中的自遮挡问题, 提出了基于混合跟踪模型的粒子滤波算法. 首先, 利用自遮挡状态检测模型, 将步行人体运动划分为四种自遮挡状态; 其次, 根据混合跟踪模型, 针对不同的自遮挡状态, 算法采用不同的跟踪模型; 最后, 为了估计遮挡状态下的人体运动, 算法提出了基于M-估计的在线训练方法 以训练肢体运动相关系数. 经过实验分析, 算法对处 于自遮挡状态下的人体3D运动估计有着良好的效果, 人体3D运动的估计精度得到了提高.     

一种基于AdaBoost的人脸检测算法

针对常规基于肤色检测的AdaBoost算法的不足, 提出了一种改进的AdaBoost人脸检测算法,算法包括人体肤色模型、人脸运动检测模型、改进的背景提取方法、针对人脸区域的光照增强方法。算法综合利用了人体肤色信息和人脸运动信息,能有效缩小搜索范围。实验结果表明,该方法与常规基于肤色检测的AdaBoost方法相比,在保证检测性能的基础上,有效提高了检测速度。     

一种双聚类模型自适应肤色检测算法

当处于照明变化较大的条件下时,即使采用动态阈值技术,也不会使肤色检测结果有较大的改善.为此提出了一种双聚类肤色检测模型及基于该模型的自适应肤色检测算法,在保证肤色聚类效果的前提下,使用双聚类模型及其分布特征,对动态阈值高斯模型的检测结果自动评估,并根据评估结果,在必要时动态地调整肤色区域,以自适应地提高肤色检测性能.实验表明,在图象肤色区域中存在高光或阴影效应、皮肤处于强或弱照明、以及发生轻微色偏等情况下,该算法对肤色检测和分割的结果依然很好,显著地优于动态阈值高斯模型算法的性能.     

直方图在线更新的肤色识别方法研究

提出了一种基于直方图在线更新的肤色识别方法,在使用Adaboost算法提取出人的脸部区域后,计算出该区域YCrCb色彩空间的颜色直方图,构建肤色区域的概率模型。使用该模型对图像中所有的像素点进行计算区分,并根据实时识别结果在线更新,达到较好的识别率。     

肤色与梯度互补的人脸检测研究

用YcbCr色彩空间中的Cr、Cb通道和HSV色彩空间中的H通道相结合,确定一种混合的肤色模型,即三维直方图模型。肤色在三维直方图中的聚类进行投影,结果为一个椭球,从而检测出可能的人脸区域。根据人脸的边缘形状,建立梯度模型定位人脸位置。利用两种模型的互补性,对算法进行线性组合,确定一个匹配度函数f(k)来衡量是否检测到目标人脸。实验结果表明该方法能够很好地排除人体其他部分裸露的肤色和背景中类肤色的干扰。其运算简单,检测速度快,对于侧面人脸和部分遮挡也有很好的效果。     

基于三维模型的粒子滤波行人跟踪算法

针对传统行人跟踪算法得到运动轨迹与真实轨迹差异巨大的问题,提出一种基于三维模型的粒子滤波行人跟踪算法.该方法利用摄像机标定信息和图像帧信息建立行人的三维模型,解决图像中目标尺度的变化问题,并得到目标的真实运动轨迹.同时该方法利用双指数预测模型对粒子滤波算法进行优化,以解决短时遮挡问题,同时降低运算复杂度.实验表明,基于三维模型的粒子滤波行人跟踪算法能够较准确地建立行人三维模型,对比标准粒子滤波和KPF算法,能够对行人进行有效跟踪,对短时遮挡和尺度变化有较强的鲁棒性.     

一种改进的自适应肤色检测算法

针对Hsu R L的肤色检测方法的不足，提出了一种改进的自适应肤色检测算法。用白平衡算法取代了Hsu R L的光线补偿方法，从而较好地解决了由光照引起的图像彩色偏移，使得检测结果更加稳健。在Hsu R L的统计模型的基础上，提出了一种自适应检测算法，该算法根据肤色值在非线性变换后的色度空间的二维直方图分布，自动确定肤色模型的位置，从而能更加准确地描述肤色在一幅图像中的分布情况。并将该算法用于彩色视频图像中的人脸检测，实验结果表明，该算法比Hsu R L的方法更能取得满意的检测效果。     

基于视频的人体上半身运动跟踪系统

文章介绍了一个可以实时捕捉人体上半身运动的系统。该系统通过结合使用人脸检测、肤色检测和概率跟踪等技术,利用单个普通摄像头在一般的室内环境下跟踪人体的脸部和手臂关节位置。作为一个实时跟踪系统,该系统实现了跟踪的自动初始化以及自动从跟踪错误中恢复,并且在一定程度上处理光照变化、身体自遮挡等问题。该系统可以用于“虚拟现实”、“视频会议”、“基于摄像头的游戏”等一些领域中。     

基于积分图和粒子群优化的肤色分割

为了更快地将肤色区域从图像中分割出来,在二维Ostu方法的基础上,提出了一种将积分图和粒子群优化相结合用于寻找最优分割阈值点的新方法。该方法通过对经过颜色补偿后的图片在YCbCr颜色空间中用二维高斯肤色模型计算肤色概率图,根据二维Ostu算法确定粒子群优化的目标函数,将积分图的方法用于粒子群优化中目标函数的计算,在有效地获取最佳阈值点的同时减少了计算量。实验表明,该方法能有效并且快速地分割出肤色区域。     

基于模糊理论的行人异常动作检测

为在智能监控系统中自动识别行人的异常动作,提出简化的人体关节模型图。根据行人躯干和四肢轮廓角度的变化,设计用于模糊化的函数式。提出利用躯干和四肢的模糊隶属度通过计算来得到整个人异常度的一种基于模糊理论异常行为判别的算法。在系统实现中,提出利用质心轨迹和模糊判别的联合方法来甄别行人是否异常的方法。模糊判别可实现在视频监控范围内对行人行为的主动分析,从而能够对行人异常的动作做出识别并进行报警处理。通过实验证明该方法具有较高的识别率。     

基于肤色和Haar方差特征的人脸检测

为了在提高复杂背景下的人脸检测率的同时减少检测时间,将肤色分割和Haar方差特征相结合,在YCbCr颜色空间通过椭圆肤色模型和logistic回归分析确定每一点的肤色概率,生成肤色概率图,从而将每一点的像素值映射到[0,1],在Ostu方法的基础上采用并行的遗传算法确定肤色分割的阈值,快速分割出人脸区域;最后用少量的Haar方差特征取代原来的Haar特征,并采用SVM训练分类方法对分割出的人脸区域进行验证。实验表明,该方法不仅提高了人脸检测的正确率,而且具有较快的人脸检测速度。     

基于半监督聚类的人脸检测方法

将肤色与连续AdaBoost算法相结合进行人脸检测,并引入半监督策略指导肤色聚类从而建立肤色模型。在肤色聚类过程中,提出一种基于半监督的SKDK算法引导肤色聚类,依据各个像素簇的概率统计分布特性得到肤色模型。在此基础上利用数学形态学等知识对图像进行处理,得到人脸候选区域,将其作为连续AdaBoost分类器的输入进行人脸检测。实验结果表明,在多人脸的场景下,该方法的检测效果优于直接使用连续AdaBoost方法进行人脸检测的检测效果。     

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。     

视觉注意机制下结合语义特征的行人检测

目的 为研究多场景下的行人检测,提出一种视觉注意机制下基于语义特征的行人检测方法。方法 首先,在初级视觉特征基础上,结合行人肤色的语义特征,通过将自下而上的数据驱动型视觉注意与自上而下的任务驱动型视觉注意有机结合,建立空域静态视觉注意模型;然后,结合运动信息的语义特征,采用运动矢量熵值计算运动显著性,建立时域动态视觉注意模型;在此基础上,以特征权重融合的方式,构建时空域融合的视觉注意模型,由此得到视觉显著图,并通过视觉注意焦点的选择完成行人检测。结果 选用标准库和实拍视频,在Matlab R2012a平台上,进行实验验证。与其他视觉注意模型进行对比仿真,本文方法具有良好的行人检测效果,在实验视频上的行人检测正确率达93%。结论 本文方法在不同的场景下具有良好的鲁棒性能,能够用于提高现有视频监控系统的智能化性能。     

局部二次加权与多特征融合的行人检测算法

针对复杂背景下采用单一特征进行行人检测时的局限性,提出了一种融合多种特征并运用模板弹性模型与局部二次加权的算法,将梯度直方图（HOG）、肤色、发色与曲率有效融合,建立了适用行人检测的各特征模型。第一级采用改进HOG特征结合模板弹性模型利用SVM分类器初次检测;第二级提取局部模板感兴趣区域（ROI）进行头部肤色、发色与腿部曲率检测。实验表明,该算法弥补了单一特征的不足,有效检测了行人整体与局部关键特征,提高了识别性能。     

在线融合特征的眼睛状态识别算法

针对人脸视频中眼睛定位精度影响眼睛状态识别正确率问题,提出了一种融合在线肤色模型的眼睛状态识别算法。首先,在人脸主动表观模型(AAM)定位的基础上,使用当前用户的肤色特征,建立在线肤色模型;其次,在初步定位的眼睛区域,再次使用在线肤色模型,定位内外眼角点的精确位置,并利用眼角点的位置信息提取精确的眼睛区域;最后,提取眼睛区域的局部二值特征(LBP),使用支持向量机(SVM)算法,实现对眼睛睁闭状态的鲁棒识别。实验结果表明,对比全局定位的眼角点定位算法,该算法可以进一步降低眼角点的对齐误差,在低分辨人脸中使用在线融合特征的睁闭眼状态的准确识别率分别为95.03%及95.47%,分别比直接使用Haar特征和Gabor特征的识别率提升2.9%和4.8%,在实时人脸视频中,使用在线特征可以明显提高眼睛状态识别效果。