YCgCr颜色空间的肤色聚类人脸检测法

由于YCgCr颜色空间好的聚类性。提出一种在YCgCr颜色空间的人脸检测,首先肤色在CgCr颜色空间进行投影,对像素点区域进行拟合,初步去除图像中的非肤色,得到肤色第一次分割的图像,实验证明这种拟合可以起到好的去除非肤色像素的作用。然后把YCgCr颜色空间作为肤色模型建立彩色空间,用高斯模型在已提取的图像上进行人脸检测。实验证明在对CgCr空间拟合的基础上,再运用高斯模型进行人脸检测,该算法提高了人脸检测的速度,并且有较高的检测率和较低的漏检率。     

基于改进YUV空间的人脸检测方法

根据肤色色度的分配比例,提出了一种改进YCbCr的Bayesian肤色检测方法,在肤色背景下,利用肤色和唇色在YUV空间分布特点,变换YUV空间的坐标轴,增大唇色和肤色V分量上的差异。提取了唇色的质心和旋转方向,根据人脸几何特征的先验知识建立人脸定位模型。实验表明在改进的颜色空间内,肤色投影到CrCg平面内得到更好的聚类效果。唇色定位人脸算法简单,速度快,更具实效性,对旋转的人脸同样有效。     

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。     

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。     

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。     

基于肤色的复杂背景条件下的人脸检测

提出一种肤色与Adaboost方法相结合的人脸检测方法。首先把图像转换为YCbCr颜色空间,然后利用肤色在CbCr上的聚类性对图像进行预处理,最后,使用Adaboost算法对候选人脸集进行细化,最终得到人脸集合。实验证明该方法的有效性。     

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.     

基于肤色的复杂背景条件下的人脸检测

提出一种肤色与Adaboost方法相结合的人脸检测方法。首先把图像转换为YCbCr颜色空间，然后利用肤色在CbCr上的聚类性对图像进行预处理，最后，使用Adaboost算法对候选人脸集进行细化，最终得到人脸集合。实验证明该方法的有效性。     

基于新颜色空间YCgCr的人脸区域初定位

在RGB颜色空间采用了颜色平衡方法对发生色彩偏移的输入图像进行颜色校正；在新颜色空间YCgCr上建立了亮度和Cg-Cr色度查找表联合的肤色模型，对肤色区域进行检测；引入了有效的预处理技术，进一步去除肤色分割后的二值图像中的部分非人脸区域，减少人脸定位的搜索区域。最后在两个图像测试集上进行了实验比较，实验结果表明，该肤色模型可以有效地从复杂背景的彩色图像中检测出肤色区域，光照条件适应性好，且引入的预处理技术在保证漏检率低的前提下，能够去除大部分非人脸区域。     

融合双肤色模型及AdaBoost算法的人脸检测

为提高人脸检测的精度,提出一种融合双肤色模型与Adaboost算法的人脸检测方法。首先采用YCbCr颜色空间的固定阈值模型初次分割图像,利用分割结果修正高斯肤色模型的参数并对图像进行肤色二次分割,对两次分割的结果进行逻辑运算,粗定位人脸区域。结合Adaboost算法,实现对候选人脸区域的精确定位。实验结果表明,该方法提高了人脸检测率,降低了误检率,具有较好的鲁棒性。     

Statistical skin color detection method without color transformation for real-time surveillance systems

Skin color is the significant information for many emerging applications in surveillance systems. However, the common skin color models usually need to perform color space transformation. This is not suitable for direct hardware implementation. This paper develops a statistical skin color model using the default RGB color space, which is especially suitable to implement on hardware for image processing applications. Moreover, an efficient face detection system is also proposed with our skin color model for hardware implementation. Compared with other skin color models, the proposed model produces the highest detection rate. Furthermore, the extended face detection system also significantly decreases the computational cost of the hardware implementation based on our skin color model. Experimental results demonstrate that our proposed detection system can be easily implemented on a field-programmable gate array (FPGA), where only 3202 logic cells is occupied with the high detection rate.     

Face localization using fuzzy classifier with wavelet-localized focus color features and shape features

This paper proposes a new fuzzy classifier (FC)-based face localization approach. The FC used is a self-organizing TS-type fuzzy network with support vector learning (SOTFN-SV). The SOTFN-SV learns consequent parameters using a linear support vector machine to improve generalization ability. The FC is first applied to segment human skin pixels in scaled hue and saturation (hS) color space, after which connected skin-color regions are regarded as face candidates. The FC is then applied to detect and localize faces from the candidates. The proposed FC-based face localization approach uses shape and wavelet-localized focus color features. A best fitting ellipse of each face candidate is found to obtain shape features. Focus color features are extracted from four focus regions, including the two eyes, the mouth, and the face skin-color region. To find these focus color regions, the Haar-wavelet transformation is first applied to the face candidates in the YCb color space to localize all possible pairs of eye candidates. The mouth region is then localized according to its geometric relationship with the eyes. The hS color features of the located eyes, mouth, and face skin are extracted. These focus color features, together with shape features, serve as inputs to another FC for final face localization. Comparisons with various classifiers and face detection methods demonstrate the advantage of the FC-based skin color segmentation and face localization method.     

一种快速、鲁棒的人脸检测方法

根据特征脸思想，提出了一种新的基于特征肤色的人脸检测方法。首先从RGB彩色空间转换到HSI彩色空间中，然后训练肤色点样本集得到特征肤色，最后在特征肤色构成的肤色空间中检测人脸，实验表明，该方法是快速的，鲁棒的。     

基于肤色分割和改进Gabor滤波相结合的人脸检测

针对人脸检测问题,提出了一种基于肤色分割和改进Gabor滤波相结合的方法;该方法首先基于YCbCr空间对图像中的背景区域和人脸肤色进行分割,以消除大量的背景区域提高运算速度;接着利用改进的Gabor滤波对提取出来的人脸肤色区域进行卷积得到人脸的特征向量,并和通过训练样本获得的特征向量进行比较以验证是否为人脸;最后通过实验分析,验证了所提方法能够在保证检测精度的基础上有效提高运算速度。     

一种基于肤色的人脸检测与定位方法

结合肤色信息与人脸几何分布特征,提出了一种快速的基于人脸特征的检测与定位方法。在标准RGB彩色空间,通过肤色轨迹进行肤色像素与嘴唇像素提取,根据提取的肤色区域是否有嘴唇像素可初步排除一些非人脸区域;利用人眼较高的蓝色分量及瞳孔反光形成的亮斑,在标准RGB色彩空间的B分量图中通过区域增长法产生潜在眼睛区域,利用人眼与嘴唇的面部几何分布特征,提出一些新的规则判断提取的肤色区域是否为人脸,如果是人脸,则对眼睛进行定位。实验结果表明,提出的方法是健壮的、有效的。     

基于彩色分割和特征定位的实时人脸检测算法

论文提出了一种新的彩色人脸图像实时检测算法。该算法利用皮肤颜色在YCbCr彩色空间的分布特性进行人脸皮肤区域的分割,利用人脸特征在灰度图像灰度映射极小值特性进行人脸特征定位。实验证明该算法对彩色人脸图像的检测有很好效果。     

基于肤色信息和主分量分析的人脸实时检测系统

提出了一种基于肤色模型、人脸面部结构和模板匹配的人脸检测算法。该方法首先建立肤色模型来对原始图像进行肤色区域分割,再根据人脸的面部结构特征对分割区域进行过滤,最后用基于主元素分析的模板匹配算法对候选区域进行判断。实验结果表明该算法能够适应复杂背景以及多人脸的检测,而且检测速度快,能够达到实时检测的目的。     

基于肤色特征的人脸检测技术研究

文章提出一种多人脸图像中人脸检测与定位方法,将图像从RGB色彩空间转换到YCrCb色彩空间中,根据肤色点在CrCb空间中的分布情况进行肤色点检测,并滤除肤色检测后的孤立噪声,利用势函数方法获得人脸候选区域。然后,根据人脸的结构特征对候选区域进行人脸区域的判别和定位,最终实现图像中多人脸的检测功能,并通过仿真实验证明了该方法的有效性。