基于肤色检测和背景差分的人手定位和跟踪

合集下载

基于肤色检测和背景差分的人手定位和跟踪

ｉｎｄｔｃｉｎａｇｒｈｉｎｉｏｍｅｔｌｄｐａｉｔｎａｋｒｕｄｄｆｒｎｅａｇｒｈｉｆｃｅｃｎｔ－ｏｅｅｔｌｏｉｍｎｅｖｒｎｎａａｔｂｌｙａｄｂｃｇｏｎｉｅｅｃｌｏｉｍｎｅｉｎｙａｄｓａｏｔａｉｆｔｉ
・
２０・
《测控技术）００年第２２１９卷第８期
基于肤色检测和背景差分的人手定位和跟踪
郭怡文，党凯
（武汉大学电子信息学院，湖北武汉４０７）３０９
摘要：对现有运动目标检测算法在实时性和准确性上的不足，出了一种改进的人手定位和跟踪算针提
法。该算法的基本思路是利用肤色检测和背景差分算法相结合的方式实现人手的定位和跟踪。该算法继承了肤色检测算法环境适应性好和背景差分算法高效稳定的优点，不仅对于复杂的背景环境具有较
好的适应性，而且具有较高的检测效率，够保证检测的实时性。实验证明该算法可实现对视频流中人能手的实时定位和跟踪，之原有算法提高了识别速度和精度，较降低了误识别率。
ｏｏｆｃｍｐｌｘｏｅｅｔｏｎａｋｒｕｄｄｆｒｎｅａｇｒｔｍ．ｉｌｏｔｍｎｅｉｓｔｅａｖｎｔｇｆｃｍｐｅ－ｅｉｎｄｔｃｉｎａｄｂｃｇｏｎｉｅｅｃｌｏｉｈｆＴｈｓａｇｒｈｉｈｒｔｈｄａａｅｏｏｌｘｉ

基于肤色模型和中线定位的人脸检测算法

Face Detection Algorithm Based on Skin Color Model and Midline Localization
LIU Zai-ying, ZHU Lin-ling, YANG Ping
(College of Information Science and Technology, Sanda University, Shanghai 201209, China) 【Abstract】The appearances of human face, expression, color and so on are different, which bring difficulties to face detection, such as high false face detection and false dismissal. This paper proposes a multi-face detection algorithm based on skin color model and midline localization. Utilizing the facial skin color information firstly, most of the background regions can be excluded quickly. The approximate face candidate regions can be segmented according to facial external structure features. By projecting the edge detection image to X-axes, the midline position of face can be located, and multi-face detection and localization are realized. A black hair single face detection rate of 93.3% can be obtained for a test photo sequence. Experimental results show that the algorithm proposed in the paper can improve the multi-face detection accuracy and is highly robust to facial expression. 【Key words】face detection; skin color model; midline localization; dominant characteristic; edge detection; projection DOI: 10.3969/j.issn.1000-3428.2013.01.043

基于肤色建模与人眼定位的人脸检测方法

中，由于人脸图像背景一般比较复杂，人脸结构、位置、表
脸检测是很不可靠的，因而几乎所有基于肤色特征的方法都
需要利用人脸的其他特征进行验证。因此本文提出一种基于
情的变化以及光照等因素影响，使得人脸检测成为了计算机视觉和模式识别中较为困难的工作。人脸检测需要考虑多方面的因素，既要保证较高的正确率，又要保证较低的误解率。如何能快速、准确地检测到人脸是计算视觉和模式识别领域的重点研究课题。现有的人检测方法可分为两类，一类是基于知识的方法，另一类是基于学习的方法。基于知识的方法是基于特定的规则进行人脸检测，而规则来源于关于人脸模式的先验知识总结出 “ 人脸特征区域 ”与 “ 人脸特征脸 ”的方法，这类方法有几何特征法、模板匹配法、肤色模型法；基于学习的方法收集大量人脸和非人脸样本，然后得到机器学习算法，通过学习得到一个分
近年来，人脸识别、表情识别和性别识别等已成为计算机视觉和模式识别领域的热门话题。而人检测是上述几种研
究课题的一项关键技术，因此受到了广大研究者们的高度关
肤色是人脸的重要信息，具有相对的稳定性并且和大多
（林电子科技大学电子工程与自桂动化学院，广西桂林５１０）４０４
【摘要】根据肤色在Ｙｃｃｒｂ色彩空间中具有很好的聚类性，通过形态学算法对肤色建模之后的图像进行预处理，消除噪
声，再对肤色进行分割，从而可以对人脸图像有一个大致的定位，并通过平均眼睛模板匹配法定位出人的眼睛，在此基础可以比较精确的定位出人脸位置。实验结果表明，该方法用于人脸检测取得较为良好的效果，具有较好的鲁棒性。

基于肤色分割及特征定位的人脸检测算法研究

基于肤色分割及特征定位的人脸检测算法研究作者：张书真宋海龙向晓燕来源：《现代电子技术》2008年第14期摘要：针对复杂彩色图像提出一种快速有效的人脸检测算法。

首先通过一种新的色彩均衡技术消除由光照引起的色彩偏移，然后采用I空间与归一化RGB空间相结合的混合肤色模型，提取出原图像中的类肤色区域，最后根据人脸的几何特征定位眼睛、嘴巴和人脸区域。

实验结果表明，该算法能较为准确地定位彩色图像中的正面或小角度偏转的人脸，具有较快的检测速度。

关键词：人脸检测；色彩均衡；肤色模型；特征定位，，(1College of Physics cience & Information Engineering,Jishou[JZ]2College of Information Management & Engineering,JishouUniversity,Zhangjiajie,427000,China )[J12/3]Abstract：A face detection algorithm for the color image with complex background is presented,which is effective and feasibleFirstly,a new technique of color balance is used to remove the color bias produced by light conditionecondly,a mixed model in both I and normalized RGB colorskin color segmentation,the geometrical shape information of face is used to locate eyes mouth the face regionExperimental results show that the proposed approach can detect positive or rotated facece detection isKeywords：1 引言人脸检测是模式识别与计算机视觉领域的一项热点课题，它广泛用于人脸识别、智能人机接口、视频会议等。

基于视觉中医按摩机器人穴位定位与跟踪系统

基于视觉中医按摩机器人穴位定位与跟踪系统视觉中医按摩机器人是一种结合中医理论和机器人技术的新型机器人，旨在为人们提供全面、精细的中医按摩服务。

在实现这一目标的过程中，穴位定位与跟踪系统是非常重要的部分。

本文将针对这一系统进行介绍，分析其在视觉中医按摩机器人中的作用。

一、穴位定位技术穴位定位技术是视觉中医按摩机器人的核心技术之一。

准确地定位穴位，在中医按摩中至关重要。

一些穴位小、位置难以确定或无法触及，需要机器人来完成。

穴位定位技术包括如下几种：1. 人脸识别——相关研究已证明，人脸是一个宝贵的参考点。

视觉中医按摩机器人可以通过人脸识别技术找出特定人脸的一些重要点，从而确定穴位的位置。

2. 肤色/亮度识别——根据人体肤色的差异来区分不同的穴位。

3. 特征点识别——包括鼻子、嘴巴、眼睛等。

这些特定点的位置确定了眼镜的位置，从而确定其他穴位的位置。

4. 多点定位技术——参考多个点，如鼻子和嘴巴，以确定穴位的位置。

二、穴位跟踪技术穴位跟踪技术是指通过机器视觉技术，对人体穴位进行跟踪追踪，实现精确按摩。

穴位跟踪技术包括如下几种：1. 实时描绘——即时记录穴位位置，以便机器人按摩时迅速定位。

2. 颜色区分——通过穴位不同的颜色特征进行区分，从而实现定位，并精准按摩。

3. 视觉算法——如边缘检测、轮廓识别等算法，可以精确计算穴位的位置，从而实现更精准的按摩。

三、穴位定位与跟踪系统的优势1. 精度高——机器人可以精准地定位和跟踪穴位，从而更精准地按摩。

2. 自动化——机器人可以自动完成定位和跟踪，省去了传统按摩师的人工操作。

3. 可控性强——人们可以自主选择机器人按摩的穴位，控制按摩的强度和频率。

4. 安全性高——机器人能够确保按摩的力度和频率，避免将过强的力度施加于人体，从而避免损伤人体。

总之，穴位定位与跟踪系统是视觉中医按摩机器人的重要组成部分。

准确的穴位定位和跟踪技术，能够为人们提供更加精细、全面的中医按摩服务，同时也为很多中医爱好者提供了一个新的选择。

一种基于肤色和脸部特征的人脸跟踪算法

２１ｌ线补偿．＿光光线补偿想法的提出主要是考虑到肤色等色彩信息经常受纹的经典算子是Ｌｐａｅ平边缘检测算子。记当前的Ｍｓｉａｌ水ｃｏａｅ到光源颜色、像采集设备的色彩偏差等因素的影响．在整体单元的灰度值为：ｏａ＿ｍｇ［ｊ，各点的Ｌｐａｅ变换式如图而ｍｓｉｉａｅｉ则ｃ，】ａｌｃ上偏离本质色彩而向某一方向移动。下：为了抵消这种整个图像中存在着的色彩偏差．我们将整个Ｌｉ］ｍｏａｅｉｇ［１］２ｍｓｉｉａｅｉ］ｍｓｌｉｇ［ｊ，＝ｓｉｍａｅｉ，－ｏａ —ｍｇ［＋ｏａ —ｍａｅ — －ｊｃ，ｊｅ图像中所有像素的亮度从高到低进行排列．取前５％的像素．如【ｌ】ｉ，＋ｊ果这些像素的数目足够多（如。于１ｏ，们就将它们的Ｒ、例大０）我给定阈值Ｔｍｓｉｇ－ｍｇ【］是在阈值为下的横行，ｏａｃｅｉａｅ，就ｉｊ
时地对视频序列中的Ａｇ进行跟踪。．ｔ
【关键词】人脸跟踪，色，部特征。：肤脸
ｌ引言＿
之问１，时它们基本成水平分布且具有较明显的对称性。虽然各
但且人脸是人类特有的，视觉世界中最常见的对象，泛存在器官的长度不等．它们在垂直方向上的宽度大致近似，该特是广征在Ｍｏａｓｊ上体现的更加明显１ｃ图－２１。于可视电话、频消息、持无线终端、视新闻与电视会议等视手电视频业务中。与人脸相关的自动识别一直是计算机视觉和人工２．筛选肤色检测的候选人脸区域．１２般来说人脸的长宽比范围为『．，．，虑到经肤色粗检０１】考９２智能领域中一项极富挑战性的工作．在视频检测、卫安全、并门

基于人脸肤色和特征的实时检测跟踪算法

维普资讯
第３卷第４４期
２０年４月０７
光电工程
ＯｐｏＥｌｃｒｎｃＥｎｎｅｉｔ — ｅｔｏｉｇｉｅｒｎｇ
Ｖ０．４．１３Ｎｏ．４Ａｐｉ２０７ｒｌ０，
文章编号：１０ — ０（０７０ — ０４０３５２０）４０４ — ５０１Ｘ
ｃａａｔｆｋｎｃｌｒｎＹｂ｜ｏｏｐｃ．ｔｏｓａｐｒｓｄｔｅｎｎｆｃｉａｅａｌｎｔｃｏｄｎｈｒｃｒｉｏｏＣｃｌｓａｅＡｆｒｉｗｓｕｐｅｓ，ｈｏ —ａｅｓｎｒａｗｓｉａｄａｃｒｉｇｅｏｓｉｃｒｅｎｅｓｅｋｅｍｉｅ
ｉｆｒｔｎｆｓｌ，ａｄｔｅｈｋｎａｅｓｓｇｎｅａｅｎｉｕｓａｄｌｓａｌｈｄｄｅｔｈｌｓｅｉｇｎｏｍａｉｉｔｏｒｙｎｈｎｔｅｓｉｒａｗａｅｍｅｔｄｂｓｄｏｔＧａｓｉｎｍｏｅｔｂｉｅｕｏｔｅｃｕｔｒｓｅｓｎ
ｆｅｗｓｒｐｓｄＭｏｉｇｈｍａ—ｏｙｏｊｃｅｅｅｔｃｅｏｖｄｏａｃｒｉｇｔｔｍｐｒｌｉｅｅｃｇａｄｓａｅａａｏｏｅ．ｖｎｕｎｂｄｂｅｔｗｒｘｒｔｄｆｍｉｅｃｏｄｎｃｐｓａｒｏｅｏａｄｆｒｎｉｎｐｎｈ
ｔｈｅｍｅｒｃｃａａｔｒｆｆｃｎｈｏｏｈａｔｒｆｏｇｎｎｆｃ，ａｄｔｅｈａｅｗａｏａｅｎｉｇ．ｏｔｅｇｏｔｈｒｃｅｓｏａｅａｄｔｅｃｌｒｃａｃｅｓｏｒａｓｉａｅｎｈｎｔｅｆｃｓｌｃｔｄｉｍａｅｉｒＡｃｏｄｎｅｆｃｏａｉｎｔｅｈａｎｈｕｄｒａｔｒｅｔｒｄｉｉｅｙｄｉｉｇｃｍｅａｕｉｇｃｎｒｌｔｔｇ，ｃｒｉｇｔｔａｅｌｃｔ，ｈｅｄａｄｓｏｌｅｒｅｃｎｅｅｌｖｄｏｂｒｖｎａｒｓｎｏｔｒｅｙｏｈｏｐｗｅｌｏｓａＳｖｍｅｔｒｃｉｇｗａａｉｅ．ｌｏｄｒｏｅｈｃｅａａｔｂｌｙｆｒｌｈｈｎｅ，ｒｐｒｕｄｔｇｓａｅｙｆｒｈＯｍｏｅｎａｋｎｓｅｌｄＩｒｅｎａｅｔｄｐａｉｔｏｇｔａｇｓｐｏｅｐａｉｔｔｇｏｅｔｒｚｌｔｎｈｉｉｃｎｒｔＧａｓｉｎｍｏｅｐｒｍｅｅｓＷａｒｐｓｄＥｐｒｎｓｓｏｔａｈｒｐｓｄｍｅｈｄｐｒｏｍｓｗｅｌｎｆｃｅｅｔｎｕｓｏｄｌａａｔｒｓｐｏｏｅ．ｘｅｉｍｅｔｈｗｈｔｔｅｐｏｏｅｔｏｅｆｒｌｉａｅｄｔｃｉｏｎｋｎｎｂｔｉｌａｋｒｕｄａｏｌｘｂｃｇｏｎ．ａｄｔｃｉｇｉｏｈｓｍｐｅｂｃｇｏｎｄｃｍｐｅａｋｒｕｄａｒｎ

基于肤色评价的人手定位与跟踪

第３卷第３期ｌ２１０２年９月
武
汉
工
业
学
院
学
报
Ｖ０．ｌ．１３Ｎｏ３Ｓｐ２１ｅ．０２
ＪｕｎｌｏＷｕａＰｌｔｃｎｃＵｎｖｒｉｏｒａｆｈｎｏｙｅｈｉｉｅｓｙｔ
文章编号：０９４８（０２０－０５０１０－８１２１）３０６－３
ｓｂｏｌｅ变换相结合的方法定位人手。人手跟踪的方法分为基于模型的方法和基于表象的方法Ｊ。基
之人手是复杂变形体以及视觉本身的不适定性，因
此基于视觉的手势识别是一个极富挑战性的多学科
交叉研究课题。Ｊ手势定位与手势跟踪是基于视觉的手势识别中
像素进行评价，再对肤色评价值进行ｓｂｅ变换，到候选目标区域的边缘，别将边缘作水平ｏｌ得分
和垂直投影，而实现人手定位，而跟踪人手运动轨迹。从进
关键词：帧差法；色评价；ｏｌ肤ｓｂｅ变换；手定位；人轨迹跟踪
研究符合人际交流习惯的新颖人机交互技术变得异常活跃，这些研究包括人脸识别、面部识别、唇
用到手势识别当中Ｊ。传统的运动人手定位方法主要有帧间差分法、景差分法和光流法。光流法背
重要的步骤。随着硬件平台运算能力的不断提高，越来越多的人手定位和跟踪算法能够被实现并被应

基于肤色和运动检测技术的单目视觉手势分割

中图分类号：３１４ＴＰ９．１文献标识码：Ａ
ＭｏｏｕａｉｉｎＧｅｔｒｇｅａｉｎｎｃｌｒＶｓｏｓｕｅＳｅｍｎｔｔｏ
ＢａｅｎＳｋｎＣｏｏｎｏｉｎＤｅｅｔｏｎｓｄｏｉｌｒａｄＭｔｏｔｃｉ
２ｃｏｌｆＥｌｃｒｎｃａｄＩｆｒｔｏｇｎｅｉｇ，Ｃｈｎｃｕｉ，Ｃｈｎｃｕ．ＳｈｏｅｔｏｉｎｎｏｍａｉｎＥｎｉｅｒｏｎａｇｈｎＵｎｖａｇｈｎ，Ｊｌ１０２Ｃｈｎ；ｉｎｉ３０２，ｉａ
第３８卷第１期２Ｏ１ｌ年１月
湖
南
大
学
学
报（自然科学版）
Ｖｏ．８Ｎｏ１１３，．
ＪｕｎｌｆＨｕａｉｅｓｔ（ｔｒｌｃｅｃｓｏｒａｎｎＵｎｖｒｉｙＮａｕａＳｉｎｅ）ｏ
Ｊｎ２０１１ａ．
文章编号：６４２７（０１０ —０８０１７ — ９４２１）１０７～６
基于肤色和运动检测技术的单目视觉手势分割
曹昕燕，继印 ¨，赵李敏。
（．林大学通信工程学院，林长春１吉吉１０２；．春大学电பைடு நூலகம் 信息工程学院，林长春３０２２长吉１０２；３０２
３ＣｏｌｇｆＥｅｔｏｃａｉａｎｎｏｍａｉｎＥｎｉｅｒｎ．ｌｅｏｌｃｒｍｅｈｎｃｌｄＩｆｒｔｇｎｅｉｇ，ＤａｉｎＮａｉｎｌｉｓＵｎｖ，Ｄａｉｎ。Ｌｉｏｉｇ１６０ｅａｏｌｔｏａｉｅｉａｔｌａａｎｎ１６０。Ｃｈｎ）ｉａＡｂｔａｔｓｒｃ：Ａｎｄｏｅｔｅｓｇｍｅａｉｔｄｂａｅｎｍｏｏｃｌｒｖｓｏｓｂｕｉｔｆｒｔｅａａｌｉｋｉｆｇｓｕｒｅｎｔｔｏｎｍｅｈｏｓｄｏｎｕａｉｉｎｗａｌｏｈｎｙｓｓｏｈｅｓｎｃｌｒｉｆｒｔｏｈａａｔｒｓｉｓａｄｇｓｕｒｏｅｎｔｅｔｅｆｔｋｉｏｏｎｏｍａｉｎｃｒｃｅｉｔｃｎｅｔｅｍｖｍｅｓｆａｕｒｓ，ｗｉｈｗｈｉｈａｍｅｎｎｇｕｌｇｓｔｃａｉｆｅ — ｔｅｒｇｏｏｕｄｂｔｉｅｒｍｔｅｖｄｅｍａｓｑｎｃ．Ｆｏｒｈｅｉｅｉｉｄａｋｏｄｉａｕｒｅｉｎｃｌｅｏｂａｎｄｆｏｈｉｏｉｇｅｅｕｅｅｔｄｎｔｆｅｂｃｇｒｕｎｍｇｅ，ｔｈｅｓｎｃｏｅｏｎｏｆｇｅｔｅｓｃｐｔｒｄｔｒｇｈｔｅａａｙｓｓｏｆｔｋｉｏｌｎｆｍａｉｈａａｔｒｓｉｓｋｉｏｌｒｒｇｉｓｕｒｓｗａａｕｅｈｏｕｈｎｌｉｈｅｓｎｃｏｒｉｏｒｔｏｎｃｒｃｅｉｔｃｗｉｈａｓｍｐｉｎｔｒａｆ１ｒｍｅ．Ａｔｔｅｓｍｅｔｍｅ，ｔｅｍｏｅｎｔｒｇｉｎｏｆｇｅｔｒｓｗａａｕｅｔａｌｎｇｉｅｖｌｏｆａｓ０ｈａｉｈｖｍｅｅｏｓｕｅｓｃｐｔｒｄｔｒｕｈｅｄｉｆｒｎｅｍｅｈｏｈｏｇｈｔｆｅｅｃｔｄ，ａｈｅｈｎｉｉｌｇｅｔｒｅｏｎｃｌｂｔｉｄａｔｒｔｅｆｉｎｏｈｅｎｄｔｎｔｅｉｔａｓｕｅｒｇｉｏｕｄｂｅｏａｎｅｆｅｈｕｓｏｆｔ

基于图像处理的手势识别技术研究

基于图像处理的手势识别技术研究一、引言手势识别技术是目前计算机视觉领域的热门研究方向之一。

它可以让人们通过特定的手势来控制电脑，手机等数字设备，提高用户的互动体验和操作效率。

而图像处理是实现手势识别的核心技术之一，本文将从实现原理、常用方法、优化策略等方面对基于图像处理的手势识别技术进行研究和探讨。

二、实现原理基于图像处理的手势识别技术是通过采集摄像头上传的图像进行分析和处理，从而识别出图像中的手势特征。

首先将图像进行处理，获取手部的位置、大小、形状等信息，再通过分类器和机器学习算法进行特征匹配和比对，最终确定手势种类和执行对应操作。

三、常用方法1.背景减除法：将摄像头获取的图像与背景图像做差，得到一个前景图像，再通过形态学处理，提取出前景图像中的手部轮廓，最后利用特征匹配算法进行手势识别。

2.肤色检测法：利用肤色在RGB、HSV、YCbCr等颜色空间中的特点，提取图像中肤色区域，并通过形态学处理、轮廓检测等方法，获取手部的轮廓信息，最后通过分类器实现手势识别。

3.深度相机法：通过深度相机获取三维图像信息，提取出手部的深度信息和表面轮廓，再通过分类器实现手势识别。

四、优化策略1.采用卷积神经网络(CNN)模型：通过搭建CNN模型，利用大量的手势图像进行训练，提高识别准确率和鲁棒性。

2.手势数据增强：通过旋转、平移、缩放等变换方式增加手势数据集的样本数量，提高识别效果和泛化能力。

3.动态手势识别：不仅识别手部静止时的手势，还可以通过视频流技术对动态手势进行识别，提高用户交互的灵活性和实用性。

五、应用场景1.智能家居：通过手势识别技术，控制灯光、窗户、电视、音响等家居设备，提高生活舒适度和便捷性。

2.娱乐互动：通过手势识别技术，玩游戏、跳舞、健身等娱乐项目，增强娱乐体验和活力。

3.工业生产：通过手势识别技术，控制机器人臂、开关设备、调整仪表等工业操作，提高生产效率和安全性。

六、结论基于图像处理的手势识别技术是计算机视觉中的重要研究方向，虽然在实现过程中存在许多挑战和难点，但其应用前景广泛，将极大地提高用户交互的体验和操作效率，有效推动数字化时代的发展进程。

基于肤色信息的实时人脸跟踪方法

维普资讯
２００６年第ｌ２期
福
建电
脑
１１１
基于肤色信息的实时人脸跟踪方法
陈吓洪弟，陈锻生
（华侨大学信息学院福建泉州３２２）６０１
【摘要】：提出一种基于人脸检测与肤色信息相结合的人脸实时跟踪方法。该方法先用Ａａｏｓ算法进行人脸检测，ｄｂｏｔ在此基础上。ＡＨＦＣＭＳＩＦ算法跟据人脸肤色信息实现对人脸的自动跟踪。实验表明，该算法具有快速、鲁棒的特点，能够满足
踪模式．目标跟踪的特性，即它可以是图像轮廓、征点或是由特检测或图像差分而得到的任何特性。跟踪模式中．色信息是在颜特预处理：用帧问信息检测出前景运动的像素，利用肤色计算机视觉领域。别是图像处理领域中用得较多的一个信息，利再检测．非肤色像索去除，后通过区域分割算法，确定要进它在运动目标跟踪模式中往往有着至关重要的作用。将最来计算机中常用的色彩模式ＲＢ彩色空间并不能很好地反Ｇ步进行人脸检测的区域。映视觉上的颜色感知性．个色彩点的ＲＢ空间距离也不能均两Ｇ人脸检测：前一步处理的结果区域进行检测。对匀地反映其感知度的相似性ＨＶ空间的Ｈｅ分量与色彩的明Ｓｕ人脸跟踪：踪检测的结果．用ＣＭＳＩＴ算法对人脸跟利ＡＨＦ暗无关．能很好地表征色调。本实验的跟踪算法将结合单一的区域进行跟踪。

基于运动分割和肤色判别的人体目标检测方法

Ａｓａｔｂｔｃｒ
Ｔｅｌｉｈｉａｉａｔｅｈｍａｂｃｓａａｔｒｄｂｔｌａｅａｉａｓｏｔｉａｃ．ｕａｂｃｄｔｔｎｏｄａｗｔｔｅｓｕｔｎｔｔｈｕｎｏｊｔｒｃｐｕｅｙａｓｌｃｍｒｎｈｒｄｓｎｅａｈｍｎｏｊｔｅｅｉｈｔｏｈｅｅｉｔｅｃｏ
第２７卷第６期
２１００年６月
计算机应用与软件
ＣｏｕｅｍｐｔｒＡｐｐｉａｉｎｎｏｗａｅｌｔｓａｄＳｆｒｃｏｔ
Ｖｏ．７Ｎｏ６１２．
Ｊｎ００ｕ．２１
基于运动分割和肤色判别的人体目标检测方法
．
ｍｅｈｄｉｒｐｓｄｉｈｓｐｐｒＩｍａｎｙｉｃｕｅｗｔｐ：ｎｔｅｍｏｉｎｓｇｎａｉｎｓｅｔｅｂｃｇｏｎｍａｅｉｐｅｉｅｙｏｔｉｅｙｔｏｓｐｏｏｅｎｔｉａｅ．ｔｉｌｎｌｄｓｔｏｓｅｓｉｈｔｅｍｅｔｔｔｐ，ａｋｒｕｄｉｇｓｒｃｓｌｂａｎｄｂｏｏｈ
部轮廓特征
０引言
人体目标检测是计算机视觉领域的一个研究难点，是很也
总结以上方法，我们认为影响人体目标检测准确率的因素
主要在于两点：１）运动分割的效果运动分割的效果直接决定ｒ后面的
ＡＨＵＭＡＮＪｏＢＥＣＴＤＥＴＥＣＴＩｏＮＥＴＨｏＤＭＢＡＳＥＤｏＮｏＴＩＭｏＮＥＧＭＥＮＴＳＡＴＩＯＮ

基于肤色HSV颜色模型下的人脸实时检测与跟踪

基于肤⾊HSV颜⾊模型下的⼈脸实时检测与跟踪
基于肤⾊HSV颜⾊模型下的⼈脸实时检测与跟踪
崔昌华;朱敏琛
【摘要】提出⽤于视频电话、监视与监控等场合的⼈脸实时检测跟踪⽅法.⾸先运⽤差分图像快速提炼出运动物体的外接矩形,消除背景对肤⾊检测的影响,缩⼩肤⾊搜索的范围;然后利⽤肤⾊在空间的聚类特性检测⼈脸,利⽤HSV颜⾊模型中的⾊调H的范围抽取肤⾊,去除亮度对肤⾊的影响.实验表明,这种检测和跟踪⽅法是快速有效的,与单独运⽤HSV⽅法相⽐它能更好地处理背景对肤⾊的影响.
【期刊名称】《福州⼤学学报（⾃然科学版）》
【年(卷),期】2006(034)006
【总页数】5页(P826-830)
【关键词】差分图像;HSV模型;⼈脸跟踪
【作者】崔昌华;朱敏琛
【作者单位】福州⼤学数学与计算机科学学院,福建,福州,350002;福州⼤学数学与计算机科学学院,福建,福州,350002
【正⽂语种】中⽂
【中图分类】基础科学
第 3 4 卷第 6 期福州⼤学学报（⾃然科学版）V 01.3 4 N o ． 6 20 06 年12 ⽉ Jo u r n a l of F u z h o u U niv e rsity( N atu ral S cie n c e)D e c.2 0 0 6⽂章编号：1 0 0 0 -2 2 4 3 ( 2 0 0 6 ) 0 6 - 0 8 2 6 - 0 5基于肤⾊ H S V 颜⾊模型下的⼈脸实时检测与跟踪崔昌华，朱敏琛（福州⼤学数学与计。

基于肤色与肤色矩实时视频人脸检测与跟踪

高，对光照、脸姿态的变化具有较强的鲁棒性。基于４０３０图像处理速度平均为２／，满足系统实时性要求。且人８ｘ６５帧秒可关键词：脸检测；跟踪；提取；背景；肤色；肤色矩人
基于肤色与肤色矩实时视频人脸检测与跟踪
郑明恩，管业鹏
（海大学通信与信息工程学院，上海２０７）上００２
摘要：出了一种新颖、提鲁棒、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
ａｒｓ８ｘ６ｇｓｗｈｃｅｓｈｅｎｆｅｌｉｙｔｍｒａｅｄｔｃｉｎａｄｔｃｎ．ｃｏｓ０３０ｉ４ｍａｅ。ｉｈｍｅｔｅｄｍａｄｏｒａｍｅｓｓｅｆｃｅｅｔａｋｇｔｔｏｆｏｎｒｉＫｅｒｓｆｃｅｅｔｎｔａｋｎ；ｅｔｃｉｎｂｃｇｏｄｓｉｏｏ；ｓｉｏｏｍｅｔｙｗｏｄ：ａｅｄｔｃｉ；ｒｃｉｇｏｘａｔ；ａｋｕ；ｋｎｃｌｒｋｎｃｌｒｒｏｒｎｍｏｎ
中图法分类号：Ｐ９－Ｔ３１４
文献标识码：Ａ
文章编号：００７２２０）４０７．３１０．０４（０８０．８９０
Ｆａｅｄｔｃｉｎａｄｔａｋｎａｅｎｓｉｏｏｎｋｎｃｌｒｍｏｅｔｃｅｅｔｎｒｃｉｇｂｓｄｏｋｎｃｌｒａｄｓｉｏｏｍｎｏ

基于肤色与边缘检测及排除的手势识别

好地将识别物体与背景空间分开。进行肤色检测其转换公式为：
１
ｌ
ｌ
０
【）
（）
ｌ
１
１
一
１
（）
】
Ｉ ቤተ መጻሕፍቲ ባይዱ
０
ｌ
１
０
ｌ
摘要：绍了通过视频图像处理技术进行手势识别，肤色检测上通过ＨＳ空间图像处理的肤色检测技术，技介在Ｖ该
术对颜色描述的能力最接近与人的视觉感知，以较好地将识别物体与背景空间分开。在边缘检测与排除上，用可采
算子模板，以我们选择了Ｐｅｔ算子。Ｐｅｔ是有两所ｒｗｉｔｒｗｉｔ
在计算机视觉中，色空间主要有Ｒ、Ｖ、Ｓ彩ＧＢＨＳＨＩ、ＹＩＹｕＶ等。目前常用的颜色空间是ＲＧＢ颜色空间，Ｑ、但是从ＲＧＢ值中很难知道值所表示的如色调、和度、饱亮
们着重讨论的是肤色分割。
Ｋｒｃｉｈ算子等。Ｒｏｅｔ子是一种利用局部算子寻找边ｓｂｒ算缘的算子，是采用上述算子检测的边缘图像常需做细化但
处理，缘定位的精度不是很高。Ｓｂｌ子是一种一阶边ｏｅ算
度等颜色的认知属性，且ＲＧＢ值在很小的变化下都会而引起较大的波动，且在实际检测中ＲＧＢ并不能准确地并

人脸自动定位及其系统实现

人脸自动定位及其系统实现作者：王猛冀中来源：《现代电子技术》2008年第12期摘要：人脸自动定位技术在智能视频通信、视频监控以及娱乐等领域有着广泛的应用。

通过将基于肤色的人脸检测和基于人工神经网络的控制策略相结合，提出一种新的人脸自动定位算法。

该算法简单有效，克服传统跟踪算法中需要利用帧间相关信息和需要标定摄像机的缺点，只需通过人脸检测程序给出人脸特征点在计算机图像中的坐标，就可直接得出摄像机水平调整量和垂直调整量，根据调整量控制摄像机运动即可将人脸自动定位在图像中心。

最后利用面向对象的方法实现了系统，并且取得了满意的效果。

关键词：人脸定位；人脸检测；神经网络；肤色模型Face Auto-(School of Electronic & Information Engineering,Tianjin University,Tianjin,300072,ChinaAbstract：Face auto-location has a wide range of usage,such as intelligent video communication,video surveillance and entertainment.A new approach to face auto-location based onproposed.The algorithm is simple and effective.Neither requiring the information of correlative frames nor camera calibration,the algorithm can locate the faces′ feature point in the image center quickly using the face feature points and coordinates.Implemented by object-oriented method,the system works fine and haseywords：face location;face detection;neural network;skin-1 引言人脸的自动定位是应用视觉研究领域的一个重要课题。

基于视觉的手势检测与跟踪技术简述

随着各种各样的计算机应用深入到人们的生活各１手势检测技术、个层面，与计算机的交互日趋频繁及多样化，人同时用手势检测从视频序列中检测到手并定位手的区户对人机交互舒适程度要求越来越高．传统的人机交域。过程对于特征的选择与处理相当关键．色及运该肤互方式如键盘和鼠标越来越显出其局限性。研究符合动信息是经常被采用的两个有效的特征。但是，现实环
２１基于特征点的手势跟踪方法．Ｃｍｐｔｇ１９，３６：１ — ２．ｏｕｉ，９５１（５５５ｎ）１【Ｙｎａｉｏｎ．ｅｇＨａｄｓｎｒｃｇｉｏｏｉｔｓ５ｕｔＣｕ，ｈＷｎ．ｎｇｏｎｔｎｆｍｅｉ】ｏＪＪｉｅｉｒｎｎ－基于特征点的跟踪方法是通过提取目标物体的一ｔｍｇｅｕｅｃｅｗｉｃｙｉａｅｓｑｎｓｔｏｍｐｌｘａｋｒｎｄｉＰｒｃｅｉｓｏｆｈｅｂｃｇｏｕ．ｎｏｅｄｎｇ些个体特征。图像之间匹配这些特征点来进行跟踪。在ｉｅｉ它不考虑跟踪目标的整体特征１９１。这些特征可以是点、ＩＥＣｏｕｅｓｎａｄＰｔｍｃｇｉｏ（Ｒ）９６ＥＥｍｐｔｒＶｉｏｎａｔＲｅｏｎｔｎｃｖｖ，１９：线或者曲线。文献［０先检测到指尖，后利用卡曼滤１１然波（ａｎＦｌｒ方法分别对多个指尖进行跟踪从而Ｋｌｉｅ）ｍａｔ得到手及各个指头的运动路径。基于特征匹配跟踪的缺点在于特征点会由于遮挡或者光线变化而不可见．这将导致跟踪失败【９】

固定场景中基于肤色信息的人脸检测

固定场景中基于肤色信息的人脸检测摘要：给出了一种用于固定场景的快速人脸检测方法。

在背景差的情况下，利用SHEN滤波进行二值图像并提取出运动目标区域，基于肤色聚类模型对运动目标子图像进行肤色分割，结合椭圆模板检测出人脸区域，进行人脸定位。

实验数据表明，该方法对固定场景中的人脸检测具有较好的鲁棒性，对姿态、表情、年龄都有较强的适应性,并具有一定的实时性。

关键词：差分图像；SHEN滤波；肤色分割；椭圆模板；人脸检测0 引言随着智能化信息技术的发展，视频监控、远程教育、人机交互技术及安全等各方面都迫切希望能够进行快速、有效的身份验证。

人脸检测问题最初来源于人脸识别，是指在输入图像中判断是否存在人脸区域，进一步确定人脸的位置，以及面部特征信息等。

现在人脸检测的应用背景已经远远超出了人脸识别系统的范畴，并体现出越来越多的学术价值和应用价值。

笔者给出了一种用于固定场景的快速人脸检测方法。

首先运用背景差方法剔除静止背景的干扰，再用SHEN滤波确定阈值进一步去掉多余背景，得到运动目标子图像。

接着基于肤色聚类模型对运动目标子图像进行肤色分割，最后结合椭圆模板检测出人脸区域，进行人脸定位。

最后利用Matlab7.0进行了实现，并在自建的人脸测试图像库上做了很多实验。

该方法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除，在目标跟踪和运动检测上，不仅能有效地抑制背景噪声，减少误检率，而且还能缩小人脸检测范围，加快检测速度。

1 从视频图像中提取运动目标（人）1.1 建立背景图取出初始目标在视频图像中为了定位人脸，应尽可能减少图像背景的干扰，这样可以更快更准确地定位人脸。

由于是固定场景，所以采用背景差方法即可提取出运动目标。

1.2 双峰法取阈值分割出运动目标背景差分后得到的运动目标不是很清晰，还存在一些背景，观察发现，其图像的直方图是典型的双峰分布（见图1），且左边的峰为背景，右边的峰为运动目标，要从图像中分割出运动目标，只需找到直方图中两峰之间的谷点即可。

基于人脸检测的人脸跟踪算法

（1）
在下一帧中 R0 限定范围内检测人脸
No
检测到人脸 Yes 使用公式（2）计算新的监视区域 Rn 在下一帧中 Rn 限定范围内检测人脸
（2）
Yes
检测到人脸 No
了人脸在两帧之
在下一帧中 Rn 限定范围内检测人脸
间位置和尺度的最大变化，它们与人脸的运动速度以及人脸与采集设备的相对位置关系等因素有关，可以根据实际的应用背景取经验值。
基于人脸检测的人脸跟踪算法1
梁路宏艾海舟（清华大学计算机科学与技术系，智能技术与系统国家重点实验室，北京 100084）摘要：本文提出了一种基于人脸检测技术的人脸跟踪算法。该算法利用前一帧的人脸检测结果预测当前帧中人脸可能的尺度与位置范围，在限定的范围内采用模板匹配与人工神经网分类的方法定位人脸，从而实现快速而可靠的人脸跟踪。由于使用了人脸检测技术，该方法可以自动定位初始人脸。实验表明该方法在具有复杂、动态变化背景的图象序列中是很有效的，速度为 5-11Hz，可用于实时性系统。关键词：人脸跟踪，人脸检测，模板匹配，人工神经网中图分类号：TP391.4 人脸跟踪（Face Tracking）是指在输入图象序列中确定某个人脸的运动轨迹及大小变化的过程。人脸跟踪技术具有重要的潜在应用价值，它作为自动人脸识别、基于模型的编码、视频检索、视觉监测等领域中的一项关键技术，受到研究者的普遍重视。文献中的人脸跟踪方法主要有：基于肤色信息的方法[1]、基于运动信息的方法[2]、基于运动模型的方法[3]、基于局部器官特征的方法[4]等。这些方法的共同出发点是利用相关的启发性知识（如根据肤色和运动信息限定搜索空间）达到快速跟踪的目的，通常只使用了人脸的一小部分或局部器官的分布信息，在一些典型的约束环境下（如背景简单静止的视频、工作台前的人脸或头肩部人脸视频等）可以取得很好的人脸跟踪效果。需要说明的是这些方法一般建立在人脸初始位置大致已知的基础上，需要使用其它方法解决起始帧中人脸的检测问题。当我们考虑较大范围的复杂动态变化背景下的人脸跟踪问题（如视觉监视问题）时，由于存在类似肤色的区域或其它运动的目标，单靠启发性知识是很不可靠的。针对这一问题，我们以人脸检测技术为基础，利用图象序列前后帧中人脸在位置和大小上存在的关联性限定搜索空间，实现快速可靠的人脸跟踪。人脸检测（Face Detection）是指在给定的图片中确定人脸的位置及大小的过程。文献中的方法主要有：基于启发式规则的方法[5]、基于特征脸的方法[6]、基于聚类学习的方法[7]、基于人工神经网的方法[8]以及基于支持矢量机的方法[9]等。人脸检测技术可以用来搜索图象序列中人脸的初始位置，也可用于在跟踪过程中定位人脸。但由于这些方法的计算复杂度比较高，因而难以满足人脸跟踪的实时性要求。本文针对复杂动态变化背景下的人脸跟踪问题，特别是非头肩人脸序列的人脸跟踪问题，提出了一种基于人脸检测技术的人脸跟踪算法。该算法将人脸跟踪问题转化为当前帧中由前一帧结果提供约束范围的人脸检测问题，采用基于模板匹配与人工神经网的人脸检测技术[10] 定位人脸，从而实现了人脸的跟踪。由于对跟踪问题进行了合理的约束，并且对检测算法进行了优化，速度为 5-11Hz，可用于实时性系统。实验表明了该算法的有效性和鲁棒性。

视频中的人脸检测定位与跟踪识别（1）

视频中的人脸检测定位与跟踪识别华见华见张祥张祥张祥龚小彪龚小彪龚小彪（西南交通大学信息科学与技术学院，四川成都成都 610031 610031 610031））摘要人脸检测定位跟踪作为生物特征识别的一项重要技术，其应用相当广泛。

人脸检测定位跟踪的方法有很多，为了实现视频中彩色图像人脸的精确定位，本文采用了一种基于肤色模型、肤色分割处理的人脸定位算法。

肤色分割处理的人脸定位算法。

通过建立肤色模型，通过建立肤色模型，通过建立肤色模型，经自适应阈值的二值化处理后，经自适应阈值的二值化处理后，经自适应阈值的二值化处理后，再进行再进行肤色分割，肤色分割，将非人脸区域去除；将非人脸区域去除；将非人脸区域去除；最终利用眼睛特征定位人脸。

最终利用眼睛特征定位人脸。

实验结果表明，实验结果表明，该算法对于复杂背景下的彩色图像中的人脸正面定位和人脸转动一定角度后定位都有较好效果。

杂背景下的彩色图像中的人脸正面定位和人脸转动一定角度后定位都有较好效果。

关键字：人脸检测跟踪；人脸检测跟踪；肤色建模；肤色建模；二值化；二值化；Face Detection And Tracking Identification In The Video HuaJian Zhang Xiang Gong Xiaobiao （School of Information Science & Technology, Southwest Jiaotong University, Chengdu, 610031, China ）AbstractFace Face detection detection detection positioning positioning and and tracking tracking tracking as as as a a a biological biological biological feature feature feature recognition recognition recognition is is is an an an important important technique, it is widely used in many aspects. In this article, in order to localize the human face in color color images captured images captured from from the the the video video video accurately, accurately, accurately, a a a human human human face face face localization localization localization algorithm algorithm algorithm based based based on on skin module and skin color segmentation was presented. Firstly, we build the skin module. Then, the the non-face non-face non-face region region region was was was removed removed removed in in in color color color image image image after after after binary binary binary image image image processing processing processing with with with adaptive adaptive threshold and the skin color segmentation. And finally the human face was localized by using the characteristic the eyes Experiments show that the algorithm is effective to localize the human front face and the face after turning an angle in color images under complex background. key words: face detection and tracking; skin module; enbinary 目录第1章绪论 ...................................................................................................................... 3 1.1 1.1 课题研究背景与意义课题研究背景与意义 (3)1.2 1.2 国内外研究状况国内外研究状况 (4)1.3 1.3 人脸检测与跟踪的难点人脸检测与跟踪的难点 (4)1.4 1.4 主要研究内容及章节安排主要研究内容及章节安排 (5)第2章人脸检测和跟踪的主要方法 (6)2.1 2.1 人脸检测的方法人脸检测的方法 (6)2.2 2.2 基于肤色的检测方法基于肤色的检测方法 (7)2.2.1 RGB 模型模型.................................................................................................. 7 2.2.2 YCbCr(YUV)2.2.2 YCbCr(YUV)格式格式 (8)2.2.3 HSV 2.2.3 HSV（色调（色调（色调//饱和度饱和度//强度）模型强度）模型................................................................ 8 2.3 2.3 基于启发式模型的方法基于启发式模型的方法 (9)2.3.1 2.3.1 基于知识的方法基于知识的方法......................................................................................10 2.3.2 2.3.2 基于局部特征的方法基于局部特征的方法...............................................................................10 2.3.3 2.3.3 基于模板的方法基于模板的方法......................................................................................10 2.3.4 2.3.4 基于统计模型方法基于统计模型方法 .................................................................................. 11 2.4 2.4 人脸跟踪的方法人脸跟踪的方法 ................................................................................................ 11 2.4.1 2.4.1 基于特征检测方法的人脸跟踪基于特征检测方法的人脸跟踪.................................................................12 2.4.2 2.4.2 基于模型的人脸跟踪基于模型的人脸跟踪...............................................................................12 2.5 2.5 本章小结本章小结...........................................................................................................14 第3章基于肤色模型的单图片人脸检测 ...........................................................................15 3.1 3.1 基于肤色的人脸定位基于肤色的人脸定位 .........................................................................................15 3.2 RGB 到YCrCb 色彩模型的转换色彩模型的转换............................................................................15 3.3 3.3 人脸肤色模型和二值化人脸肤色模型和二值化......................................................................................16 3.4 3.4 后处理后处理 ..............................................................................................................19 3.5 3.5 人脸定位人脸定位...........................................................................................................19 3.6 3.6 本章小结本章小结...........................................................................................................20 第4章基于肤色模型视频中的人脸检测 ...........................................................................21 4.1算法流程 ...........................................................................................................21 4.2 4.2 图像差分——运动目标提取图像差分——运动目标提取图像差分——运动目标提取.............................................................................21 4.3 4.3 模型建立和光补偿模型建立和光补偿.............................................................................................22 4.4 4.4 眼部特征检测眼部特征检测....................................................................................................24 4.5 4.5 本章小结本章小结...........................................................................................................25 第5章总结 ...................................................................................................................25 参考文献.........................................................................................................................26 第1章绪论1.1 课题研究背景与意义近年来，随着计算机技术和数字信号处理技术的迅猛发展，人们用摄像机获取环境图像并将其转换成数字信号，且利用计算机实现对视觉信息处理的全过程，这就是计算机视觉技术的起源。

相关主题

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)。

型皂罂堂篷纛曼：褒±塑罗里，夏篓篓妻曼．銎县喜要
色与肤色近似的物体存在；右上为对原图进行肤色检
¨。豸：主：豸淼亍芸＝了萎Ｉ？：五‘：磊”矗…；”茎…釜一；”釜霉”８…报…川，一２０…０９硐，ｔ。５
测后的效果图；左下为进一步进行背景差分后的效果；右下为跟踪效果图，跟踪到的手用一个红色方框进行标记。可以看到定位效果较好，在一定速度下运动时
菇ｃ２—孑一
∑ｍｍ
。—；厂
（３５）
式中，菇ｃ和Ｙ。为质心的横纵坐标值。
３实验结果
实验环境：ＰＣ机，ＩｎｔｅｌＣｏｒｅ２Ｄｕｏ，２ＧＨｚ，ｌＧＢ内存；蓝色妖姬Ｓ１摄像头，ＣＭＯＳ传感器，５００万像素，３０帧／ｓ。
本文方法适用于复杂环境条件下对人手运动的定位与跟踪，尤其是对于环境光照变动较大的场合同样适用。通过实验可以确定，本方法在各种复杂背景及不同光照条件下对于人手运动的定位和跟踪效果都比较好。图６给出了仅仅应用背景差分方法与应用本文所述的肤色检测结合背景差分的方法实现的人手定位效果对比。可以发现，在相同背景下，仅仅使用背景差分方法的效果远不如本文所用方法。
色检测的效果如图４所示。２．２利用背景差分滤除噪声
在进行肤色检测后，已经将人体部分与复杂的背景显著地分离开来，但是由于周围环境中类肤色物体的影响，可能还会带来一些噪声点，如图５中所示。此时，采用了背景差分的方法滤除这些噪声点”１。
图４肤色检测的效果图
｛雪糕
图２归一化后的黄种人肤色Ｈ值统计直方图而Ｊｓ（Ｓａｔｕｒａｔｉｏｎ）分量则随着光照强度的增加逐渐减小，Ｖ（Ｖａｌｕｅ）分量随着光照强度的增加逐渐增加（如图３所示）。另外，可以发现，．Ｓ和ｙ两条曲线关于某一条平行于水平轴的直线基本对称，即：ｓ分量和ｙ分量之和基本保持不变帕ｊ。因此，通过对获取到的图像日分量、Ｊｓ分量和ｙ分量进行分析后，可以设定合适的阈值进行图像二值化处理，从而实现肤色的检测。
·２０·
《测控技术）２０１０年第２９卷第８期
基于肤色检测和背景差分的人手定位和跟踪
郭怡文，党凯
（武汉大学电子信息学院，湖北武汉４３００７９）
摘要：针对现有运动目标检测算法在实时性和准确性上的不足，提出了一种改进的人手定位和跟踪算法。该算法的基本思路是利用肤色检测和背景差分算法相结合的方式实现人手的定位和跟踪。该算法继承了肤色检测算法环境适应性好和背景差分算法高效稳定的优点，不仅对于复杂的背景环境具有较好的适应性，而且具有较高的检测效率，能够保证检测的实时性。实验证明该算法可实现对视频流中人手的实时定位和跟踪，较之原有算法提高了识别速度和精度，降低了误识别率。关键词：人手定位；运动跟踪；肤色检测；背景差分
ＧＵＯＹｉ．ｗｅｎ，ＤＡＮＧＫａｉ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７９，Ｃｈｉｌｍ）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｄｉｓａｄｖａｎｔａｇｅｏｆｅｘｉｓｔｉｎｇｍｏｖｉｎｇｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｉｎｒｅａｌ－ｔｉｍｅａｎｄａｃｃｕｒａｃｙ，ａｎｉｍｐｒｏｖｅｄｐｏｓｉｔｉｏｎｉｎｇａｎｄｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｂａｓｉｃｉｄｅａｏｆｔｈｅａｌｇｏｒｉｔｈｍｉｓｔｈｅｃｏｍｂｉｎａｔｉｏｎ
《测控技术》２０１０年第２９卷第８期确率上取得了较好的平衡，且总体陛能高于其他常见算法。由于本文算法运算量介于背景差分法和帧间差分法之间，明显小于光流检测法，具有运算量相对较小的特点，且检测正确率明显高于背景差分法和帧间差分法。因此可以考虑用以取代以上两种算法，在嵌入式平台等运算能力相对较弱的处理平台上获得广泛的应用。
图７复杂环境下的人手定位与跟踪
４结束语
洲ｂ星三篓妻：熙戮嚣翼竺…篡品黧嚣黧裟然嚣（ｂ）本文所述方法图６背景差分法和本文所用方法的人手定位效果对比
究［Ｊ］·机器人，２００９，３１（４）：３５１－３５６．［３］ＧｏｎｚａｈｚＲｃ，ＷｏｏｄｓＲＥ，ＥｄｄｉｒｍＳＬ．数字图像处理（Ｍａ‘·
万方数据
１方法概述
本文提出的方法的主要流程是：首先对摄像头获取到的每一帧图像进行预处理，采用中值滤波滤除噪声；然后将处理过后的图像进行通过肤色检测转换为二值图像，鉴于ＨＳＶ色彩空间比ＲＧＢ色彩空间更符合人的视觉特性，故肤色检测过程中采用了ＨＳＶ色彩空间旧】，在进行肤色检测后，图像中已经解决了非肤色运动物体的干扰，即我们已经将肤色运动物体与背景显著地分割开了，接着通过背景差分滤除背景中类肤色点的干扰，即可得到较好的识别结果Ｈ１；最后再利用图像质心位置的判断来实现人手的跟踪。算法流
嚣“圈屯卜圜馏程图如图ｌ所示。
图１方法流程图
基于肤色检测和背景差分的人手定位和跟踪
·２ｌ·
２基于肤色检测和背景差分的人手定位和跟踪算法
２．１基于ＨＳＶ色彩空间的肤色检测经过对３０张不同光照环境下的肤色照片进行分
析可以发现，当照射在皮肤表面的光线强度或曲度发生变化时，获取到的图像中皮肤的Ｈ（Ｈｕｅ）分量基本保持在０—０．１和０．９—１．０这两个区间内（如图２所示），实验过程中测试了从阴暗的室内（照度大约为２０Ｉｘ）到光线条件良好的室外（照度大约为２００００ｌｘ）不同环境条件的情况。
随着科学技术的发展和人民生活水平的提高，人工智能…越来越成为科学技术的热点话题。手势识别心。作为机器视觉的主要研究方向之～，也越来越受到重视。人手运动的定位和跟踪作为准确提取和识别手势的先决条件，在各种手势识别的研究中一直受到广泛关注。随着硬件平台运算能力的不断提高，越来越多的人手定位和跟踪算法能够被实现并被应用到手势识别当中。
ｏｆｃｏｍｐｌｅｘｉｏｎｄｅｔｅｃｔｉｏｎａｎｄｂａｃｋｇｒｏｕｎｄｄｉｆｆｅｒｅｎｃｅａｌｇｏｒｉｔｈｍ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｉｎｈｅｒｉｍｔｈｅａｄｖａｎｔａｇｅｏｆｃｏｍｐｌｅｘ－
ｉｏｎｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｉｎｅｎｖｉｒｏｎｍｅｎｔａｌａｄａｐｔａｂｉｌｉｔｙａｎｄｂａｃｋｇｒｏｕｎｄｄｉｆｆｅｒｅｎｃｅａｌｇｏｒｉｔｈｍｉｎｅｆｆｉｃｉｅｎｃｙａｎｄｓｔａ－ｂｉｌｉｔｙ．Ｉｔｈａｓｇｏｏｄａｄａｐｔａｂｉｌｉｔｙｆｏｒｔｈｅｃｏｍｐｌｉｃａｔｅｄｂａｃｋｇｒｏｕｎｄａｎｄａｌｓｏｈｉ【ｇｈｄｅｔｅｃｔｉｏｎｅｆｆｉｃｉｅｎｃｙ，ｗｈｉｃｈｅｎｓｕｒｅｓｒｅａｌ—ｔｉｍｅｄｅｔｅｃｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｏｒｉｇｉｎａｌａｌｇｏｒｉｔｈｍ，ｔｈｉｓｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｉｍ－ｐｒｏｖｅｓｔｈｅｓｐｅｅｄａｎｄａｃｃｕｒａｃｙｏｆｒｅｃｏｇｎｉｔｉｏｎ，ｒｅｄｕｃｅｓｆａｌｓｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅ．Ｋｅｙｗｏｒｄｓ：ｈｕｍａｎｈａｎｄｓｌｏｃａｔｉｎｇ；ｍｏｔｉｏｎｔｒａｃｋｉｎｇ；ｃｏｍｐｌｅｘｉｏｎｄｅｔｅｃｔｉｏｎ；ｂａｃｋｇｒｏｕｎｄｄｉｆｆｅｒｅｎｃｅ
依托于现有技术，本文提出了建立在肤色检测和背景差分联合检测基础上的人手定位算法和跟踪算法，来解决原有算法计算复杂、环境条件要求较高、跟踪能力有限等问题，进一步提高了人手定位和跟踪的速度和精度。
收稿日期：２０１０—０４—１９作者简介：郭怡文（１９８９一），湖北襄樊人，男，在读本科，主要研究方向为数字图像处理与计算机视觉。
ａｎｍｉｘｔｕｒｅｍｏｄｅｌ）对背景进行建模。高斯混合模型是

单一高斯几率密度函数的延伸。即对背景图像而言，
特定像素Ｍ（并，Ｙ）的各个通道的值的大小分布满足多
个高斯分布Ｍ。（戈，Ｙ）一Ｎ（ｎ。，ｄ。），￡∈［１，ｋ］，其概率模
型为
Ｋ
Ｐ（Ｍ）＝∑咄Ｊ×７１（Ｍ。，ｎｉＪ，ｄｉ，ｊ）
（１）
式中，使用了Ｋ个高斯模型来组成混合高斯模型，Ｋ的值应根据相应硬件环境进行适当调整；∞“为每个高斯模型的权重；叩为高斯概率密度函数；ｎｉ和ｄ“分别为，ｊ各个高斯模型的期望和均方差
在实现了人手定位后就需要进一步实现跟踪，这里采用了求质心的方法实现跟踪，与物理学中算法类似，此处质心的确定方法为
·２２·
ｋ：等等等：学㈤ｒｃ２■ｉ石ｉｉｉｉＦ。了（４，
式中，，ｃ为质心位置矢量；ｍ；和＾分别为第ｉ个像素点的灰度值和位置矢量。在二维平面坐标系下，该公式可简化为
２专厂Ｙｃ。々 ∑ｍ＾
本文链接：/Periodical_ckjs201008006.aspx 授权使用：西安电子科技大学(xadzkj)，授权号：72b2ae5f-2159-4775-a9bc-9e9f018aa7ae
下载时间：2011年3月7日
图３不同光照度情况下皮肤的Ｓ、ｙ值本文设定日分量的阈值为０．１和０．９，Ｓ分量的阈值为０．２和０．８，即认为日分量在０。０．１和０．９—１．０之间，ｓ分量在０．２—０．６之间的像素点为肤色点，肤
万方数据
Ｉ冬Ｉ５背景差分后的效果图
背景差分所要解决的首要问题就是如何对环境背
景进行建模，这里采用高斯混合模型【７Ｊ（ＧＭＭ，Ｇａｕｓｓｉ—
［５］釜≤，于曼曼。基于背景差分的运动目标检测研究［Ｊ］。软
件导航，２００９，８（６）：１８７—１８８．［６］尚可可，刘迎，路毅行，等．ＨＳＶ色彩空间中的肤色特征及
万方数据
基于肤色检测和背景差分的人手定位和跟踪
作者：作者单位：刊名：
英文刊名：年，卷(期)：被引用次数：
郭怡文，党凯， GUO Yi-wen， DANG Kai 武汉大学,电子信息学院,湖北,武汉,430079
中图分类号：哪９１．４１文献标识码：Ａ文章编号：１０００—８８２９（２０ｌｏ）０８—００２０一０３