基于肤色的人脸检测算法的研究-四川大学
基于新的肤色模型的人脸检测方法
![基于新的肤色模型的人脸检测方法](https://img.taocdn.com/s3/m/8bab30ce08a1284ac8504383.png)
简单直 观 ,这 使得 彩 色 图像 处理 与人 类 视觉 感受 自然 而 然 地 结 合 了起 来 。 肤 色 是 人 脸 的重 要 信 息 ,具 有相 对 的稳定 性并 可和 大多 数背 景物 体 的 颜 色相 区别 ,也 与物 体 的大小 、伸 缩及 姿态 基 本
上无关
/ IK ] fY∈ , h
第 l卷 1
第 1期 l
电 手元 嚣 件 主 用
E e to i o o e t De ieAp l ai n l cr nc C mp n n & vc p i t s c o
Vo . 1 1 No 1 1 .l
No .2 o v 09
2 0 年 1 f 09 l l
d i O3 6 0 i n1 6 - 7 52 0 .1 3 o: .9 9 . s.5 3 4 9 .0 91 . 0 l s 0
2 新 的肤 色 算 法
H uRL 方 法 虽然 可 以较 好 进行 人 脸 肤 色 s 的 检 测 ,但 是 ,Hs 的椭 圆模 型 则 是根 据 大 量 uR L
肤 色点 在 C r c 区域 的分 布规 律 建 立起 来 的 ,不
一
( a )肤 色点 在 y c 空 间的 分 布 r
23,
式 中 ,C表 示 c 或 是 c,Wq 4 .7 WL = i b r =6 , 9 q
H c=1 h 4, W c 38 6, W Lc=2 W H c, 1 , . 7 0, = 0
这 , =
值 都调 整 为 最 大 的2 5 整 幅图像 的 其 它像 素 点 5。
基于新 的肤色模型 的人脸检测方法
李 莹 莹 , 宋凯 ,牛 慧 萍 ,常瑜 亮 ,郭 纯宏
复杂背景下基于肤色分割的人脸检测算法研究
![复杂背景下基于肤色分割的人脸检测算法研究](https://img.taocdn.com/s3/m/e238373c0b4c2e3f57276334.png)
2 D p t n o ue adIfr t n n ier g Wu a iegnei stt . ea met f mp t oma o gnei , hn on ier gI tue oC rn n i E n B n n i ,Wu a 3 0 9 C i ) h n 0 7 , hn 4 a
Ab ta t A o e c n q ef r e e t gf c s nmut- o e o o g s t o l xb c g o n r p s d s r c : n v l e h i u t ci e l p s l r ma e hc mp e a k r u d i p o o e .T e eh dc mb n s t od n a i i c i wi s h t o o i e m i r v d c s a e l si e a e n Ad b o t t mp a ema c i g tc n q e Fr t s i o o f r t n i s dt e me t e mp o e a c d d c a sf r s d o a o s h t i b wi e lt t h n h i u . i , k n c l r n o ma i u e s g n e s i o s o h t n n s i — o o i e sfo t e i g . T e e fc a d d t sa e o ti e y a o -k n c l rp x l r m h ma e h n t a e c n i a e r b a n d b n i r v d c s a e l si e a e n Ad b o t h mp o e a c d d c a sf rb s d o a o s i
一种新的基于肤色模型的人脸检测算法
![一种新的基于肤色模型的人脸检测算法](https://img.taocdn.com/s3/m/f77b0212964bcf84b9d57b44.png)
关 键 词 人 脸 检 测 肤 色模 型 非 线 性 分 段 色彩 变 换 几 何 特 征 文章 编 号 10 — 3 1 (0 6 1— 0 0 0 文献 标 识 码 A 0 2 8 3 一 20 ) 1 0 7 — 3 中 图分 类 号 T 3 1 P 9
A v lFa e De e to e h d Ba e n S i o e No e c t ci n M t o s d o k n M d l
常 见 的人 脸 检 测 算 法 一 般 都 具 有 计 算 量 大 、 度 慢 、 报 率 高 的 弱 点 。 章 基 于 肤 色模 型 , 究 了基 于 非 线 性 变换 技 术 的 速 误 文 研
方法 . 并且融合 几何 特征进行人脸厦其特征点的检 测。实验证 明 , 该算法十分有效 , 速度快 、 误报 率低 , 相对其它算法具有
维普资讯
一
种新的基于肤色模型的人脸检测算法院 , 湖 长沙 40 8 ) 102
E m i gri i@16cn — a :il j l lu e 2 . o
摘
要
人脸检测是计算机视 觉、 模式识别 、 人机 交互研 究中一个很受 关注的研 究热点。人脸模式错综复杂、 易受干扰 ,
Li i Zh n n ig u Je a g Ha ln
( o1 e o o p tra d C mmu i t n H nn U i r t, h n s a4 0 8 ) C 1 g fC m ue n o e nc i , u a nv s y C a gh 10 2 ao ei
难 题 。
的优 越 性 。
2 一 种 新的 基 于肤色 模型 的人 脸检 测算 法
21 肤 色模 型 的获得 与颜 色 空 间的选择 .
基于肤色模型的人脸检测算法
![基于肤色模型的人脸检测算法](https://img.taocdn.com/s3/m/7a22c19cdd88d0d233d46ad7.png)
度分量分 离 的优 点 , 但 由 于 它 可 以 从 R B格 G 式线 性变 化得 到 , 以 所 直 接 应 用 于 物 体 色 彩 聚类分析 的情况 不 多 , 相 比之下 , 其 基础上 在 的变 换 模 型 的应 用 更 为 普 遍 [ 3 1 。 22高斯模型的建立 . 由于通过采样得到的是离散 的 点 ,所 以如果 直接通过象 素 c 、r b c 的值来判断是否就是肤色象素是不 现实 的,需要通过数学方法建立一 个模型 , 从而得到一个 函数 , 输入一 个象 素的 C 、 r , 出该象 素是 bC 值 输 肤色象素的概率或者直接设置阈值 输出判断。假设肤色模型服从高斯 分布 N( C)其 中 : m, , m是 [b cl 数学 期 望 , e ,r的 C是 【bcJ 协 方 差 , c ,r 的 即:
n n e s a e n t e dic sin o kn oo mo e .Du n te ttsis o o a a c D c i h su so fs i c lr d1 i r g h Sait fs me s mpl kn o b id i g lb ay, c n ul h s i oo c e s i t ul a ma eirr we a b i t e kn c lr d mo e a d u ig te d l n sn h mop oo ia po e s slc te c n iae e in rh lgc t rc s ee t h a dd t rgo .Th n te a dd t rgo a e aiae b h ie fc me d .Usn e h c n iae e in c n b v d td y t e eg na e l  ̄o ig ti to a o ny e s r h ac rc ft e d tcin b t e vr t e d  ̄c o ie fc meh ds so s ac a ya d n h hs meh d we c n n to l n u e t e c u a y o h ee t u g to e h e t f eg n a e o to lw e r h s a p r mi .I te e d o h p p rb ig owad a unnay a o th w o e p n te d tcin s se a d uho te fl w- p wo k n f te a e , rn fr r s aar b u o t x a d h ee t y tm o n o t,k h ol o u r.
基于混合肤色模型的快速人脸检测算法
![基于混合肤色模型的快速人脸检测算法](https://img.taocdn.com/s3/m/f5e638076c85ec3a87c2c5e7.png)
域 进行 预 处 理 , 出人 脸 区域 。 实验 结果表 明 , 输 该算 法能 快速 有 效 地从 复 杂 背景 的 彩 色图像 中检 测 出
人 脸 , 光 照 变化 具有 较好 的鲁 棒 性 。 对
关 键 词 :颜 色 空 间;光 线 补 偿 ;肤 色模 型 ;人 脸 检 测
中 图 分 类 号 :T 7 1 1 P5 . 文 献 标 识 码 :A 文 章 编 号 :17 — 7 0 2 1 )8 O 4 — 4 6 4 7 2 (0 0 1 - 0 8 0
境 光 照 变 化 及 光 照 不 均 的 影 响 , 入 了 自适 应 光 线 补 偿 算 法 ; R B 颜 色 空 间 中运 用 多 项 式 模 型 对 引 在 G
光 线 补 偿 后 的 彩 色 图 像 进 行 肤 色 区域 粗 检 测 ; 用 R B 颜 色 空 间 中 的 多项 式 模 型 和 颜 色 空 间 中 的 高 采 G 斯 模 型相 结合 , 先 前 所提 取 的肤 色区域 做 进 一 步精 确 的肤 色 区域提 取 ; 后 , 二 值 图像 的连 通 区 对 最 对
Ab t c : A x d c l r mo e a e n h c mp e i o h a k r u d c l r i g o a t a e d tci n a g rtm i sr t a mie oo d l b s d o t e o lxt f t e b c go n o o ma e f a f s y fc ee t l o i o h s p o o e n t e p p r i t ,i r e o o e c me te i a t o h n i n na ih h n e a d u e e l mi ai n n a a — rp s d i h a e .F r l n o d r t v r o h mp c f t e e vr me tl l t c a g n n v n i u n t ,a d p sy o g l o t e i h c mp n a in a g r h i l t o e s t l o t m i i d;S c n l v g o i s t c e e o dy,p l n mil mo e t d tc s i o ih o e s td oo ma e i s d n o y o a d l o ee t k n f l t c mp n ae c lr i g s u e i g t e GB c lr s a e h R oo p c ;T e h n,t e p ln mi lmo e n RGB o o p c i c mb n d w t h u sa d l YC Cr c lr s a e e — h oy o a d li c l r s a e s o i e i t e Ga s in mo e g o o p c x h t c u t e r c u ae c l r rg o n o h r vo s xr ci n f c lr a e ;F n l ,t ma e p e r ame t o h ia y i r t f r r moe a c r t oo e i n i n t e p e iu e ta t o oo r a a h o i al y o k rte t n f te b n r m- a e c n e td e in e emi e t e o t u f t e f c r go g o n ce r go d tr n s h u p t o h a e e in.E p rme t l r s l s o t a h ag r h xe i n a e ut h w h t t e lo i m c n u c l a d f — s t a q ik y n e i
基于肤色的人脸检测与识别的开题报告
![基于肤色的人脸检测与识别的开题报告](https://img.taocdn.com/s3/m/66c325fc4128915f804d2b160b4e767f5bcf8069.png)
基于肤色的人脸检测与识别的开题报告一、选题背景现如今,随着计算机视觉、图像处理、模式识别等技术的发展,人脸识别技术得到广泛应用于人们的生产生活中。
以认证安全为主要目的的人脸识别技术对于保障信息安全和提高社会治安有着重要的作用。
目前,人脸识别技术已经在智能门禁、考勤打卡、身份识别等方面广泛应用,并且逐步拓展至金融、医疗、教育、旅游等各个行业。
但是,人脸识别技术并非完美无缺。
一个大问题是,传统的面部识别算法不能很好地应对人脸的不同肤色或肤色的变化,这可能导致面部识别精度的下降。
因此,如何实现基于肤色的人脸检测与识别已成为目前人脸识别技术需要解决的难点。
基于以上背景,我们选择了“基于肤色的人脸检测与识别”作为我们的开题报告研究方向。
二、研究目的我们的研究目的是设计并实现一种基于肤色的人脸检测与识别的算法,以提高面部识别的准确性和可靠性。
三、研究内容1.基于肤色的人脸检测技术的研究:首先,我们将研究安静条件下不同肤色的人脸图像,在此基础之上将分析采用不同的人脸像素分割算法,对不同肤色分别进行图像预处理,并极力使其待检测的区域从图像噪声中分离出来。
2.人脸识别技术的研究:在肤色检测的基础上,我们将采用多种面部识别算法,如LBP,PCA等,对去除噪声的图像进行进一步处理,以获得相应人脸特征,从而实现不同肤色人脸识别。
3.数据收集与评估:我们将通过调查问卷、网络爬取、直接收集等方式,获得不同肤色群体数据集,进行实验测试,评估算法的检测和识别效果。
四、研究意义本研究将有助于提高人脸识别技术的普适性和准确性。
通过对肤色的分析与处理,我们将可以更好地处理跨肤色、光照变化等因素对人脸识别的干扰。
本研究可应用于各种实际场景中,如公共安全、金融、医疗、交通出行等领域。
同时进一步推进计算机视觉等领域的发展,有推动科技发展的积极意义。
五、研究方法我们将采用以下方法进行研究:1.调研现有文献,熟悉基于肤色的人脸检测与识别技术的发展历程及相关知识。
基于肤色模型和面部特征的人脸检测算法
![基于肤色模型和面部特征的人脸检测算法](https://img.taocdn.com/s3/m/bc51074969eae009581bec69.png)
基于肤色模型和面部特征的人脸检测算法摘要:提出一种基于肤色模型和面部特征的人脸检测算法,在YCbCr 颜色空间建立肤色模型,根据此模型进行肤色分割,为使分割更平滑,进行了形态学处理,再结合面部特征有效除去非人脸肤色区域。
验证了该算法的可行性和高效性。
关键词:人脸检测;肤色模型;形态学处理;面部特征人脸识别是最近几年国际上图像处理和模式识别研究的热点之一。
一个完整的人脸识别系统包括以下4个模块:①人脸检测与分割;②人脸表征和特征提取;③人脸识别;④性能评估模块。
人脸检测模块是人脸识别的前提和基础,只有人脸检测时准确进行人脸定位,后期才能更准确地对检测出来的人脸进行识别。
本文提出了一种基于肤色模型和面部特征的人脸检测,目的是提取每一个属于人脸区域的肤色像素点,主要流程如图1所示。
在由日常生活照片建立的人脸检测图像集上做了许多实验,验证了该算法的可行性和高效性。
图1 人脸检测流程1 肤色模型的建立肤色模型需要选择一个合适的颜色空间并在该空间中确定一个肤色簇。
近几年的研究发现,TSL空间提供了两种高斯密度模型(单峰高斯模型和混合高斯模型),效果最佳。
YCbCr颜色空间与人的颜色感觉是一致的,并且与TSL颜色空间具有相同特性:能将亮度信息与色度信息区分开来,并具有相当紧密的肤色簇。
所以,本文采用在YCbCr颜色空间上建立肤色模型的方法。
IEEE的AnilK. Jain等人从HHI图像库中的137幅图像中手工选取了853 571个肤色像素点,并将它们绘制在YCbCr空间及其各个二维投影子空间中,得到的结果如图2所示。
图2 YCbCr及各二维投影子空间中的肤色点从图2中看出,128≤Y≤185区域中的肤色点是一个柱体,其横截面就是图2(b)中红色的椭圆部分,椭圆中心为(107,153),长轴为25.39,短轴为14.03,与水平方向的夹角弧度2.53;40≤Y≤128以及185≤Y≤240区域用4条二次曲线式来拟合,方程为:首先考虑128<Y<185的情况,它近似为椭圆柱体,只要考虑它在CbCr子空间中的投影,也就是图2(b)中的深色部分。
基于肤色和Adaboost算法的人脸检测
![基于肤色和Adaboost算法的人脸检测](https://img.taocdn.com/s3/m/1511a125647d27284b7351ad.png)
基于肤色和Adaboost算法的人脸检测作者:付炜孔祥栋来源:《现代电子技术》2010年第06期摘要:人脸检测是人脸识别的第一环节,也是非常关键的环节。
试验中主要针对静态彩色图像进行人脸检测,研究肤色在人脸检测中的应用。
不同图像背景、人脸的可变性和光照条件变化都增加了人脸检测的难度。
因此,从一幅图像中检测人脸是一项具有挑战性的任务。
采用Adaboost 的人脸检测,并提出肤色与Adaboost 算法相结合的人脸检测方法。
对输入的彩色图像进行从RGB 空间到YCbCr 空间的转换,然后进行肤色分割,排除背景干扰,最后用Adaboost 算法对可能区域进行检测,得到人脸位置。
实验表明,该方法误检率低,鲁棒性好,对人脸检测有较强的实用性。
关键词:人脸检测;Adaboost算法;Haar特征;肤色分割中图分类号:TP391文献标识码:A文章编号:1004-373X(2010)06-131-04Face Detection Based on Skin Color and Adaboost ArithmeticFU Wei,KONG Xiangdong(Information Institute,Yanshan University,Qinhuangdao,066004,China)Abstract:Face detection is the first link and a key link in face recognition.static color image is used for detecting human face,and the primary research is skin color application in face detection.Different image background,face variability and change in light conditions have increased the difficulty of face detection.Therefore,face detection from an image is a challenge.Adaboost algorithm is used to detect human face,and a new method of face detection,which combines skin color with Adaboost is presented.Conversion of the input image from RGB to RCbCr,and then skin color is segmented,background interference is excluded,Adaboost is used to get face location from possible regional.Experiments show that this method has low rate of false detection,good robustness,and strong practicality to face detection problem.Keywords:face detection;Adaboost;Haar;skin segmentation人脸作为人类最重要的外部特征,在人与人的通信交流中起着极为重要的作用。
基于肤色建模和眼睛亮度检测的人脸定位技术研究
![基于肤色建模和眼睛亮度检测的人脸定位技术研究](https://img.taocdn.com/s3/m/3bc8e8e20975f46527d3e169.png)
基于肤色建模和眼睛亮度检测的人脸定位技术研究摘要:提出了基于肤色建模和眼睛亮度检测的方法对彩色图像中的人脸进行检测。
在检测前,先对图像进行光线补偿,再通过肤色模型获得可能的脸部区域,最后根据眼睛在人脸固有位置亮度检测人眼,最终确定人脸区域。
通过实验测试说明,该方法对人脸的检测达到了较好的效果。
关键词:人脸检测;光线补偿;肤色建模人脸作为图像与视频中重要的视觉对象之一,是智能人机接口等许多应用的处理目标对象。
近年来,人脸检测技术在模式识别、计算机视觉、人机交互等诸多领域引起了普遍重视。
人脸检测技术在计算机视觉等领域的研究中有着重要的意义:一方面,将人脸作为基本视觉对象来考虑,是自动检测与人脸识别、人脸跟踪、表情识别、人脸合成与人脸编码、唇读等技术的必要前提;另一方面,人脸检测技术有着从智能安全监控、电子商务、视频会议和远程教育、基于内容的检索等诸多领域的广泛应用。
人脸检测是指在使用计算机在输入图像中判断人脸是否存在,若存在,确定人脸的大小、位置。
人脸检测系统的输入可能包含人脸图像,输出是关于图像中是否存在人脸及人脸数目、位置、尺度、姿态等信息的参数化描述。
具体地说,就是根据一定的算法确定输入图像是否存在人脸,如果存在的话,标出人脸的位置作为人脸检测系统的输出。
1 肤色建模肤色是人脸最重要的信息,而且肤色不受面部细节特征、旋转、表情变化以及饰物遮挡等情况的影响。
不同种族、性别人的肤色差异主要体现在亮度上。
要提高肤色的聚类性就要消除亮度的影响。
经过实验验证,在YCrCb色彩空间下,利用肤色模型求相似度矩阵返回每个像素是否为肤色的概率Fmod。
获取矩阵的最大值对相似度矩阵进行归一化。
计算整张图片的亮度平均值。
归一化之后的每个矩阵点乘以255,如果该值仍然小于整张图片的Y分量平均值,则认为该点不是人脸的皮肤。
最后把认为是人脸皮肤的像素点置为白色,其余的点置为黑色,得到黑白二值图像。
其中,RGB色彩空间转换YCrCb色彩空间如式(1)所示,YCrCb 空间下肤色相似度Fmod计算如式(2)所示。
基于肤色和模板匹配模型的人脸识别新方法研究
![基于肤色和模板匹配模型的人脸识别新方法研究](https://img.taocdn.com/s3/m/92b52461af1ffc4ffe47ac92.png)
颜 色 空 间 中 , 同 人 种 肤 色 在 此 空 间 中 是 很 接 近 的 。 此 外 在 颜 色 空 不 间 中 . 果 光 照 信 息 被 忽 略 , 们 使 用 的 不 同 的 样 本 数 据 可 以 适 用 如 我 于 高斯 变换 。颜 色 可 以被 标准 的定 义 为 :
条件。 因 为 光 照 信 息 是 R B 格 式 的 。 以 它 必 须 在 颜 色 空 间 中 被 描 述 。 在 G 所
文 区 域 中 划 分 出 来 , 个 肤 色 模 型 必 须 满 足 所 有 的 肤 色 和 不 同 的 光 照 果 . 中 通 过 使 用 这 种 技 术 进 行 肤 色 分 割 的 的 图 像 可 见 图 2 这
这 种 疑 似 可 能 的 皮 肤 图 像 的 是 一 幅 灰 度 图 , 其 像 素 的 的 灰 度 值
及 简单 阈值方 法 把 可能 是 肤 色的 区 域从 非肤 色 的 区域 中被 分 离 , 得 代 表 了其 本 身 属 于 肤 色 的 可 能性 的大 小 , 因此 , 个 肤 色模 型 作 用 这 使 到 灰度 图像 ;第 二 步 在肤 色 区域 的正 面人 脸 被定 位 。 通 过 上 述步 是 把 一 张 彩 色 图 像 转 换 为 一 张 灰 度 图 , 得 灰 度 图 每 个 像 素 的 灰 度 值 表示 该像 素属 于皮肤 区域 的概 率 。 骤 。 度 值 图 像 中 肤 色 区 域 从 非 肤 色 区 域 中 被 分 割 出 来 . 像 中 亮 灰 图
同 用 于 不 同 人 种 及 不 同 光 照 条 件 下 的 肤 色 模 型 是 需 要 的 . 面 将 介 绍 制 的 版 本 的 灰 度 值 图 像 , 时 各 区 域 被 做 了 标 识 。 分 割 可 通 过 使 用 下
基于肤色模型和SURF算法的人脸识别研究
![基于肤色模型和SURF算法的人脸识别研究](https://img.taocdn.com/s3/m/45c12b2958fb770bf78a5598.png)
在 实 际 应用 中 , 人脸识别不仅需要高精确度 , 而 且 需 要 较 高 的 实 时 性 。 目前 , 在视觉局部特性 匹配算法 中, H e r b e r t B a y提
的卷积 , 其中 G( t ) 为高斯核。 ( × , 叮) 、 L W ( x , 仃 ) 具有相似的含义。
使 得 该 算 法 在 实 际应 用 中 的 效 率 不 是 很 高 ,尤 其 在 实 时 性 要 求 较 高 的 场 合 中 很 难 推 广应 用 。 因此 , 本 文从 多种 人 脸 检 测 技 术 相 结 合 的角 度 出 发 , 利 用 人 脸 肤 色 的特 殊 性 , 在 肤 色 空 间模 型 的基 础上结合 S U R F算 法 进 行 人 脸 识 别 , 将提高人脸识别的速度。
高斯 函数虽 然 适合 做 尺度 空 间 的分 析 , 但是 在 实 际应 用 中 , 它 会 被 离散 化 和裁 剪 , 因此 提 出 了近 似 的高斯 二 阶 微 分模 板 , 就 是 将 H e s s i a n矩 阵与 盒 子滤 波 结合 起来 作 近 似 计算 ,从 而 使 计算 得 以 简化。 用D 、 D 、 D 表 示 盒 子滤 波模 板 与 图像 卷 积 的结果 , 用 它 们
i t ar y an d ci vi l i an Be l o n g t o t h e t ar ge t de t ec t i on al gor i t hms. des p i t e t he ad va n t a ge o f i t s h i gh a c cu r a c y an d r o bu s t n e s s, SURF al gor i t hm do es n o t p er f o r m wel l i n r ea l -t i me be c au s e f o i t s c om p u t a t i on a l c ompl e x i t y . Th i s pa pe r pr opo s e s t h e f a ce r e c ogn i — t i on pr ogr am , whi ch i s ba s e d on t he s k i n c ol or mode l a nd t a k es adv a n t a ge of SURF a l g or i t hm . YUV c ol or s p ac e mode i s de — s cr i be d i n t h e di s s e r t a t i on as we l l a s t h e pr i nc i pl e o f h ow SURF de t ec t , des c r i b e an d gen e r a t e t h e c h ar ac t er i s t i c po i n t s . Be— s i de s, t h e t h e or y o f h ow YUV c ol or s pa ce co m bi n es wi t h SURF al go r i t h m a r e de mo ns t r a t ed i n t h i s di s s er t at i o n. Ke y wor d s: f ac e r ec o gn i t i on , SURF. sk i n co l or . YUV c o l o r s pa ce
基于肤色模型的人脸检测算法研究
![基于肤色模型的人脸检测算法研究](https://img.taocdn.com/s3/m/232a9663561252d380eb6ec9.png)
【 摘 要】利 用一种基 于肤 色的 2 asa 模 型和一定 的先 验知识实现 了人脸快速检测 。首先对一 幅图像进 行去 噪、 DG us n i 光线补偿 等预 处理 , 然后根据颜 色空 间特性建 立适宜 的肤色模 型 , 测 出大致 的肤色轮 廓 , 检 对面部特 征根 据先验 知识 实现定位 , 而剔 除 从
W ANG n o g , IDe g u ,XU n n ,S y n Ya h n L n h i Ya i g UN Xi a
( S ol n rao n o m n ao ; nitoIo a nT hog , ui U irt o ltn e nly G nx Gi 10 , ha c oo f m tn dCm uitn h I t e n r t e nl y Gi nei er iTcoo , n gi ui5 04 Ci ) h fIo i a ci st f m i c o u f o l n v s fE co c h g a y l 4 n n
基于肤色的实时人脸检测算法研究
![基于肤色的实时人脸检测算法研究](https://img.taocdn.com/s3/m/6eb243543b3567ec112d8a04.png)
是 本 文 探 讨 的 主 要 思 想 和 方 向 。 经 实 验 表 明 。 于 肤 色 的 人 基 脸 检 测 是 一 种 便 捷 而 简 单 、 速 而 有 效 的 实用 算 法 。它 在 单 快
Z HAIYi u ,HU G — i k AN Yu,XI inh a,W U Z i o g,GUO C e gg n E Ja -u h- n l h n -a g
(c olfI om t nadE gnei , y U i ri , i g e 2 0 0 C ia S ho o n rai n nie r g Wui nv sy J n m n5 9 2 , hn ) f o n e t a
一一 ■ 一
第 1 9卷 第 9期
Vo .9 11
No5 .
电子设 计工 程
El cr n c De in Engn e i e to i sg ie rng
2 1 年 5月 01
Ma . 0 l r 2 1
基于肤 色的实时人 脸检 测算 法研 究
翟 懿奎 ,黄 聿 , 剑华 ,吴志 龙 ,郭 承刚 谢
近 年来 , 着 计 算 机 性 能 不 断 提 高 , 时 人 脸 识 别 系 统 随 实
器 , 把 不 是 肤 色 的 区 域 过 滤 掉 , 把 人 脸 区域 定 位 出 来 , 先 再 这
得 到 了很 大 发 展 , 能应 用 在 门监 、 控 、 索 等 广 泛 领 域 。 然 监 检 而, 目前 的人 检 识 别 技 术 还 不 够 完 善 , 处 于研 究 阶 段 , 其 还 使
人 脸 检 测 中 所 耗 时 间 短 , 测 准 确 率 高 , 以 满 足 实 时 检 测 检 可
基于肤色特征的人脸检测算法
![基于肤色特征的人脸检测算法](https://img.taocdn.com/s3/m/6b1b66fc7c1cfad6195fa7fb.png)
【 关键词 】人脸检测 ; : 色彩空间; 肤色模 型; 色分割 ; 肤 形态学运算 ; 几何特征
1引 言 .
图像 中常 用 的 色彩 模 型 。 Y r b 色模 型 中 。 在 CC 颜 Y分量 表 示 颜 色 在 生物 特征 识别 技术 中 . 脸识 别 相对 于其 它识 别技 术 来讲 . 的亮 度 .r和 C 人 C b分 量 分 别 为 红 色 分 量 和 蓝 色分 量 相 对 于参 考
征 的色 彩属 性将 人脸 检测 方 法分 为基 于肤 色 特征 的方 法 和基 于 灰
度特 征 的方 法 和 旋
转 、 等变 化情 况 。 相对 的稳定 性并 且 和大 多数 背 景物 体 的 表情 具有
着色 相 区别 。 因此 肤色特 征在 人脸检 测中是 最常 用的一 种特 征 本 文提 出 了一种基 于肤 色特征 的人脸 检测方 法 首先进 行 色彩空 间转
换(G R B到 Y rb空间1 利用颜 色信 息将彩 色 图像分 割成 肤色 区 CC . 再 域和 非肤 色 区域 , 然后对 检测 到 的肤 色 区域进 行形 态学 运算 和运 用 知识 和几何 特征 进行处 理 。 确定位 出 人脸 的位 置 实 验证 明本 算 正
法速 度快 . 测 率较高 。 检 2肤 色 区 域 分 割 21 彩 空 间 选 择 .色 ・
f .5 ^ Rr 2 5 nⅨ
{ Q . 5 2 既 ∞ 5
I C2 5mⅨ Br .5,
对 一 种 颜 色 而 言 , 计 算机 中有 不 同 的表 达方 式 . 样 就 形 在 这 成 了 各 种 不 同 的色 彩 空 间 , 因此 . 用 何 种 形 式 的肤 色 模 型 与 色 使 度 空 间 的选 择 密 切 相 关 。 常 用 的 颜 色 模 型 主 要 有 : G . CC R B Y rb 等 , 面 分 别 介 绍 本 实 验 中用 到 的 R B和 Y r b颜 色 模 型 。 下 G CC 211 GB色 彩 空 间 ..R 所 说 的彩 色 图像 。通 常 都 是 R GB色 彩空 间 .在 R B模 型 G 通 过建 立的肤 色模型 ,将所 输入 图像的 三基色 R G B值 进行 、、 中 , 种 颜 色 出 现 在 红 、 、 的 原 色 光 谱 分 量 中 . 个 模 型基 于 调整 、然 后转换 为 Y r b 间 .在实 验 中按 照 D u l h i N 每 绿 蓝 这 CI 空 = o ga C a 和 . s
基于肤色分割的人脸检测算法研究
![基于肤色分割的人脸检测算法研究](https://img.taocdn.com/s3/m/f72a5918a21614791711281b.png)
Re e r h 0 c t c i n Al o ih s d 0 s a c n Fa eDe e to g r t m Ba e n Co p e i n l e m e t to m lx o a g n a i n S
体识别过程 中,有些可利用肤色信息很快排除 的区域 ,在 B ot acd o s d C sa e算法中却没有被排除掉。针对该算法的缺陷提出 了一种改进算 e 法 ,即利用 B ot acd o s d C s e人脸检测算法 ,检测 出人脸 的候选 区域 ,通过人脸肤色模 型进行验证,如果候选 区域的像素符合人脸的肤色 e a 模型 的程度到达某一数值 ,则接受该区域 ,即认 为该区域是人脸 ;否则排除该区域 。改进后的算法能够有效地提高检测的正确率 ,减小出
维普资讯
第3 3卷 第 4 期
V0 .3 1 3
・
计
算
机
工
程
20 0 7年 2月
Fe r r 20 7 b ua y 0
No. 4
Com put rEng ne r ng e i ei
人工智能及识别技术 ・
文 标识 献 码t A
[ yw r s ae eet n Bose saeag r m; o l in le me tt n Ke o d ]F c tc o ; o t Cac d lo t C mpe o asg nai d i d i h x o
LI Zh n g a g LI Je U e g u n , U i
( p r n f tma o , ini ies yTaj 0 0 2 De at t Auo t n TajnUnvri , ini 3 0 7 ) me o i t n [ srcIT i pp rpee t tehg etsed fc eet nag rh Abta t hs ae rsns h ih s pe aed tc o lo tm i i Bo s dC saefc eet n ag r m. ic eB otd ot acd aedtci loi e o h t Sn et o s h e
基于肤色特征的人脸检测技术研究
![基于肤色特征的人脸检测技术研究](https://img.taocdn.com/s3/m/9367e41f14791711cc79177b.png)
2 K y a oaoyoA vn e l tc l n i ei d n r eh o g , in n o tcncU i ri, . e b r t d a cd e r a gn r ga e yTc n l y Ta i P l eh i nv s y L r f E ci E e n nE g o j y e t
T ni 3 0 8 , h a i j 03 7C i ) a n n
Absr t A a e d tcin a d o ain eh sp o s d t n utpl a e n ai g .Ti m a e i tac : fc ee to n lc t m tod i r po e o f d m li ef c s i ma e o i l i g s e c a g r m h n efo RGB olrs c oYCr o o p c . es npiesc nbed tce c or n ot i itiuto c o pa et Cbc l rs a e Th ki x l a ee t da c digt rd srb i n he i Y Cr olrs a e An s lt dnos oi a le e Thep sbl a ea e sc n b eem i d b te n Cb c o p c . d io ae iep ntc nbef tr d. i osi e fc r a a e d tr ne y h po e ta u to m eh d. hef c r a a b tr ie c o dngt h a esr t a h rce it o t tn il ncin t o T a ea e sc n edeem n d a c r i ote fc tucur l a a trsi f m he f c cr p s il a eae s Th , utp efc sd tci nc n b e lz d. m uai nr s lsp o tSv ld o sb efc r a . us m lil a e ee to a er aie Si lto e ut r vei’ ai . K e r :fc ee to ;s i olr poe ta n to c lrs c y wo ds a ed tci n kn c o ; tn il c in; oo pa e u f
复杂背景基于肤色的人脸检测
![复杂背景基于肤色的人脸检测](https://img.taocdn.com/s3/m/f271848fec3a87c24028c482.png)
HI 色 空间对 图像进 行肤色 分类 , S颜 但是 HI 色模 型存在 S颜
两个 问题 [ ] 一是 当亮度很 高或很低 时, 6, 色调是不稳定 的 ; 二
是在 R GB取值相近 的情况下 。 色调也是不稳定 的。 于前 者 , 对 需要 对肤色 象素在不 同光照下 的分 布进 行分析 , 体划 分高 具
块面特征验证结合 的方法 , 可以快速地检测 不 同大小 , 同平 不
面及一定 侧面旋转 角度 的人脸 , 且可 以适应一 定程度 的表 而 情变化。 使用H g -b otieig用于提取 嘴区特征 , 以增 ih o sftr l n 可 加灰度对 比度 , 嘴区灰度 对光照的依赖大 大降低 I 使 基于视觉 特性 的梯度 用于眼 睛提 取 中, 以更加 有效 的 区分 眼睛 和背 可
维普资讯
Mi oo ue p l ain o.2 No 6 2 0 c e mp trA pi t sV i2 , . ,0 6 r c o
文章 一 号 :O 7 7 7 2 0 ) 6 O 1 一O 1 O — 5 X(0 6 0 - O 2 3
研究与设计
与其 它颜色 空间 比较 , S颜 色空 间不但 与人类 的视 觉 HI
感 知非 常相近 , 且色调 比较稳定 , 而 对一定 范围内光照 的变 化 不太敏感 , 尤其适用 于彩色图像 的分割 , 本文采 用投影模型在
能检 测竖直 的正面人脸 , 而且误 检率 比较高 l 基于模板 匹配 的 方法 , 实现简单 , 但计算 复杂度较高 , 速度也较慢 , 而且 不能适 应光 照、 姿势 、 人脸 大小 的变 化。 于表 象的方法 , 测准确率 基 检 高, 但是训 练和扫描 的时 间长 , 因而 速度 比较 慢 , 且样本 的 而
人脸识别技术对不同肤色的准确度分析
![人脸识别技术对不同肤色的准确度分析](https://img.taocdn.com/s3/m/1da5a2b3cd22bcd126fff705cc17552707225eda.png)
人脸识别技术对不同肤色的准确度分析近年来,随着科技的不断发展,人脸识别技术逐渐成为了现代社会中不可或缺的一部分。
无论是在安全领域还是商业领域,人脸识别技术都发挥着重要的作用。
然而,一些研究表明,人脸识别技术在对不同肤色的人群进行识别时,存在一定的准确度差异。
首先,我们需要了解人脸识别技术的工作原理。
人脸识别技术通过使用摄像头捕捉人脸图像,并将其与存储在数据库中的人脸特征进行比对,从而识别出该人的身份。
然而,由于人脸识别技术的训练数据集主要来自于欧洲和北美地区的人群,这导致了对其他肤色人群的识别准确度不足。
研究表明,人脸识别技术在对较浅肤色的人群进行识别时,准确度较高。
这是因为训练数据集中包含了大量欧洲和北美地区的人脸特征,使得人脸识别技术对这些人群的识别具有较高的准确度。
然而,对于较深肤色的人群,人脸识别技术的准确度则普遍较低。
造成这种准确度差异的原因有多方面。
首先,由于训练数据集的不平衡,即欧洲和北美地区的人脸特征占据了主导地位,导致了对其他肤色人群的识别准确度不足。
其次,人脸识别技术在对较深肤色的人群进行识别时,由于光线条件的限制,往往无法获取到足够清晰的人脸图像,从而影响了识别的准确度。
为了提高人脸识别技术在对不同肤色的人群进行识别时的准确度,一些研究者提出了一些解决方案。
首先,增加训练数据集中其他肤色人群的样本数量,使得人脸识别技术能够更好地适应不同肤色的人群。
其次,改善光线条件,通过使用更先进的摄像设备或者增加光线源,提高对较深肤色人群的识别准确度。
另外,也有一些人脸识别技术的研究者提出了一种更加公平的评估方法,即将不同肤色人群的识别准确度作为评估指标之一。
通过这种方式,可以促使人脸识别技术的研究者更加关注对不同肤色人群的识别准确度,从而提高整体的准确度水平。
总结起来,人脸识别技术对不同肤色的准确度存在一定的差异。
由于训练数据集的不平衡以及光线条件的限制,人脸识别技术在对较深肤色的人群进行识别时准确度较低。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
四川大 学工程硕士学位论文
基于肤色的人脸检测算法的研究
前言
上世纪九十年代后期,随着计算机处理速度的飞速提高以及图形识别算法 的革命性改进, 人脸识别技术在公安边防、实时监控、 智能门 禁等方面得到广 泛应用。并以 其独特的方便、经济、 准确等特点受到世人的瞩目。 人脸识别技术包含人脸检测、人脸跟踪、人脸比对等课题,而人脸检测是 人脸识别系统的 第一个环节。当 前用于人脸检测的主要方法有: 基于知识的方 法、 基于特征的方法、 模板匹配的方法以及基于统计分析和机器学习的方法等。
四川大学 硕士学位论文 基于肤色的人脸检测算法的研究 姓名:胡晓燕 申请学位级别:硕士 专业:软件工程 指导教师:周激流;章文嵩 20040430
四川大学工程硕士学位论文
荃于肤色的人脸检测算法的研究
基于肤色的人脸检测算法的研究
软件工程领域
研究生:胡晓燕
指导老师:周激流 章文篙
人脸识别技术是模式识别和计算机视觉研究的一个重要领域。它在身份验 证、视频监控、边防安全等方面都有重要的应用价值。人脸识别系统主要包括 两个技术环节:首先是人脸检测和定位,然后是对归一化的人脸图像进行特征
S fw r E g n e i g o t a e i e r da e X o a H i u
A v sr JLu o eSn Zag d io : i Z u Wn og n i h h
F c rc nto tcn lg , m jr l o a tr rcg iin g iin ho oy a a o fe d p te n onto ae o e e s a i f e ad op tr iin eerh i pr iua l sg iia t o n cm ue vso c, s a tc lr y infcn t r sa ap ia in sc a iett a tet cto, do ntrn, d p lcto s h dn iy hn ia in ie m io ig a u s u v o n fo te dfne cr t ec T o y c nqe a cu t t e s fr rn ir e s s uiy . k t h iu s o ns m t e e t w e e c h o o a m nf c r cg iin se : i fc dtc in d ina in h a- a e o nto s tm oe ae eto a o ett o ; u e y n s e n r te e i faue src in rc giin m iid a-ae h ohr e tr a tato a d onto fo u fe hmnfc t s b n e r n u
提取与识别。
作为人脸识别的重要的第一步,人脸检测所做的工作是将人脸从图像背景
中检测出来,它是人脸识别、 视点跟踪和人脸图 像压缩等应用中的重要环节。 由于受图像背景、 亮度变化及人的头部姿势等因素的影响,使得人脸检测变得 更为复杂。 本文首先总结了人脸检测技术的概念、 应用、 技术难点和研究现状, 然后介绍了当前人脸检测领域比较成功的系统,对各种方法进行了比 较。进而 提出了 一种基于肤色的彩色图像人脸检测算法。本系统首先对输入图像进行尺
ia e m g .
B ig ia y s o ae onto , in n ta ig ad r mr pae fc r cg iin vso p it cn, en a p h f e i o r n fc ia e m r s in c,isetn hm n c o t o te a e a e g c pe so e m o t np c ig a f e f m i g u a u r h m bcg on i te y rt e . ee, e sl o fc dtc in a kru d h vr f s s p Hw vr t r ut ae e to s e i t o h e f e i u u ly fce b te cgon , ihns cagn o ha s a l a e td h b kr ud rgtes n ig ed s f y a b h r ps ue t e g ad o , ih e te cs o d tc in r o tr o h ia e s n w c m k s poes ee to m e f m n o h a h r f o
本文致力于研究基于肤色的人脸检测系统,以肤色为主线综合运用多种方 法实现人脸检测的目的。 以大量技术文献为基础, 本文第一部分综述了人脸识别和人脸检测的研究 现状,简要介绍了有关人脸识别和检测的常用技术,并对其特点进行了总结, 对多项技术的优劣进行了对比。 第二部分详细阐述了基于肤色的人脸检测算法,介绍了 肤色模型、系统流 程和各个功能模块的算法,并结合实验结果进行了总结和分析。 第三部分提出了对今后工作的改进方向与前景展望。
trsod ig t Ybr lr ae d B lr ae f loig heh l u n b h C c o s c a R c o s c ; lw n s o C o p n G o p o ta te se frhr iia e n ie ma s oe oea in o h t s tm te e m nts s b en o pn rtos h y u l o y f p r coe o ea in b sd cm lxo pr iinn, a te a se, lsd r tos e o op ein tto ig a d h fn l p p a n a n s i t te se jde fo tee m lxo a es odn t fc os k h s tm gs m s c pe in a acr ig atr l e y u r h o r c o i sa e sa e h i, lig to c,a d e dsad f le e, c l, p , r f ln r i e . n t n crs s o s h a i a t h i a n
别,结果显示该方法具有一定的实用性。
关 键词: 人脸识别, 人脸检测, 色彩空间, 肤色模型, 肤色分割
四川大学工程硕士学位论文
基于肤色的人脸检测算法的研究
T e uy A gr tm aot c Dtcin h S d o lo ih s u F e eto t f b a e
B sd C m lx o a e o op e in n
四川大学工程硕士学位论文
基于肤色的人脸检测算法的研究
te u iae loe b ncsay h cmesto, n dcs h ipt g f lwd eesr lgt pnain te cnut n m o y i o h o a nr-au ta som to oeain o te ae t da b ayvle nfra in rto u n i g w h l i r p p h m i u
控、公安布控、身份验证等多种场合。与其他身份鉴别方法相比,具有直接、 友好、方便和鲁棒性强等特点,因此,人脸识别问题的研究不仅在模式识别中 具有重大的理论意义,而且具有很强的实用价值。 人脸识别 Fc Rcgiin 是指对于输入的 (ae onto) e 人脸图 像或者视频,首先 判断其中是否存在人脸,如果存在人脸,则进一步给出每个人脸的位置、大小 和各个主要面部器官的位置等信息,并依据这些信息,提取每个人脸中所蕴含 的身份特征,并将其与己知人脸库中的人脸进行对比,从而识别每个人脸的身
t u i e t f e h m n c a e s h s d n i i s a f e a . u a r
Te s t o xeiet s w t s eto ls eprmn s o ta t i d tc in 即poc h r u e f h h h e rah fa ue a i ise tn sed i isn iie te e tr ; etr s a d pc ig e ad ne stv t h fc p sue rp n p n s o a o m aw ie sne t ss ae pri inn m to, fcie enh l, ic i ue a ra tto ig h d e etv n a e f m lifc d srmnto i e s t a hee ap ia in a son u t-ae ci ia in ay c iv i plc to, hw i s o n s b ep rm na r sls y e iet l ut x e Ky r s Fc r cg iin Fc dtc in C lr ae Cm lxo e W d : e onto, e eto, o s c, pe in o a e a e o p o m dl Cm lxo pr iinn oe, p e in tto ig o a
cm lctd Te e sma ie cnet, lctos ky hia op iae. ppr m rzs cps ap iain, tcncl h a u o p e e po lm , lts rsac otoe fr fc d tc in hooy rbes ad et erh cms te e eto tcnlg, n a e u o h a e e
ad e itou to s a w l a cma io s we sm sc esu n m ks r dc in t s l opr sn bten e cs fl a n o e s e o u sses p id fc dt c in l. ad to, e e i b ig ytm a le i a e eto fe d I d iin t t ss ns p n e i n h h r
ot opei门bsd oih fr crmtc iae fc dtcin u a lxo一ae agrtm te oa i-mgd e eto. cm l o h h a e