摘要：由于人脸在不同的环境、背景等情况下有着不同的视觉效果,同时人脸本身有着细致复杂的模式变化,一般传统的检测方法都是针对正面五官清晰的人脸,而对于多姿态或小目标人脸检测效果不佳,由此提出了一种在光线补偿下基于人脸和头发几何约束的检测算法。该算法首先分别依据肤色和发色的色彩空间模型分割出目标区域,再利用几何约束特点检测出人脸。实验结果表明,相比于特征提取和模板匹配的人脸检测算法,该算法对于五官模糊的小目标人脸以及面部特征不齐全的多姿态人脸具有较高的检测精度。

摘要：基于均值偏移(mean shift)分割算法需人工进行带宽选择和耗时长问题,本文利用直方图密度估计与真实密度之间局部协方差最小来进行自动带宽计算方法。将该方法应用于彩色图像多人头的检测中,可以有效克服因发色模型检测出现的漏检现象,该方法首先利用mean shift自动分割图像,然后利用图像的灰值形态学来增强发色的灰度特性后进行二值化,在此基础上,采用二值形态学的膨胀腐蚀算法进行预处理,从而得到若干个候选区域最后利用轮廓的几何特征综合判断这些区域是否为人头。实验结果表明:自适应带宽的mean shift算法可快速完成,并具有较好的分割,该方法显示了良好的适用性,在检测目标发色出现白发和染色情况下,不会造成漏检,克服了发色模型检测的缺陷。