摘要：针对目前我国公安领域对人脸自动检测的需求,本文提出一种联合肤色分割的Adaboost算法人脸快速检测方案。首先,针对人脸检测过程中可能面临的复杂背景及光照不均问题,设计了基于高斯肤色分割模型的预处理方案以去除大部分背景图案,并对分割后的图像执行伽马校正以减弱光照不均的影响。其次,采用Haar特征描述人脸灰度分布特征,并结合Adaboost算法训练针对人脸具有良好检测效果的分类器,可实现对图像中的人脸快速自动检测。实验表明,本文所提人脸检测方案对于图像中人脸具有较高的精准率及召回率,可在公安视频监控领域应用。

摘要：针对被检测图像的背景非常复杂时,基于特征的人脸检测算法通常会出现很高的误检率即将复杂背景错误判断为人脸问题,提出了一种基于Adaboost的肤色分割算法。由于人脸部皮肤颜色和其他背景颜色反差较大,基于Adaboost算法通过相应数据库建立皮肤颜色分类器,与传统肤色分类方法相比,这种新的方法不需要设置阈值,避免了人工的干扰,通过实验对比发现基于Adaboost算法的肤色分割算法速度较快而且错误率低。

摘要：针对现有人体肤色区域分割方法在光照等环境因素变化情况下鲁棒性差、精确度不高的问题,提出一种自适应模型的人体肤色分割方法.首先通过AdaBoost实现自动人脸检测,得到包含光照等信息的脸部皮肤区域样本;然后将所取得的肤色样本在YCbCr颜色空间的Y分量和CbCr分量上分别建立高斯混合模型;最后利用改进的Mahalanobis距离度量其他像素与肤色模型间的相似度,并确定阈值来对整幅图像进行肤色分割.实验结果表明,与同类融合算法、CbCr固定阈值等肤色分割方法相比,该方法实现了自动化的肤色建模,在降低误检率的同时平均可以提高10%左右的正检率,具有更好的鲁棒性.

摘要：针对具有一定程度偏转和模糊的人脸图像难以实现胡子检测的问题,提出基于人脸特征点定位与肤色分割的胡子检测算法。该算法的设计思路是首先使用主动形状模型(ASM)算法定位人脸特征点进而获取下巴区域,然后利用提出的自动选择聚类中心(ASCC)的肤色分割算法分离出下巴的非肤色区域,最后在下巴非肤色区域中使用胡子颜色判别法检测得到胡子。在LFW人脸库上的实验表明,该算法能够准确地检测出人脸的胡子,特别地,对有一定程度偏转和模糊的人脸图像,算法依然能获取良好的检测效果。

摘要：针对视频图像中人体运动形态多变、方向不确定等问题,提出了一种基于肤色分割的视频人体检测算法。采用改进的帧间差分方法求得自适应背景,与背景差相结合进行运动目标粗分割,在粗分割范围内进行肤色分割。在肤色分割时,利用YCbCr色彩空间的自适应亮度分段椭圆肤色模型及形态学操作、约束性条件等后处理确定人脸区域,得到人体目标。实验结果表明,该方法能有效地检测视频中的人体目标,与同类方法相比,该方法的时间复杂度更低,因而能更好地满足视频处理的实时性要求。

摘要：为解决当被检测图像中具有复杂背景或者含有多人脸时,不能够快速准确的进行人脸检测的问题,本文提出一种基于肤色分割和改进AdaBoost算法的人脸检测方法。首先利用肤色分割方法对样本图像实现图像的预处理,排除样本图像的复杂背景和人体非肤色区域,简化后续的人脸检测工作。然后对AdaBoost算法的弱分类器使用双阈值判决方法,以减少弱分类器个数,提升训练速度;改进权值更新规则,防止训练过程中出现过分配现象。最后对基于肤色分割得到的区域图像利用改进后的Adaboost算法进行最后的精确人脸检测。仿真试验表明,两种算法结合后在训练速度上提升,在检测速度和检测率上有明显提高。

摘要：针对听障人士手语交流的问题,设计了一种基于肤色分割和卷积神经网络的手语识别系统。首先,利用视觉传感器采集不同的手势图像,然后基于YCrCb空间对手势图像进行肤色分割,构建手势图像数据集,采用卷积神经网络对手势图像数据进行特征提取与分类,将训练与测试得到的最优模型导入树莓派,使用讯飞语音包将识别结果转化为语音,实现语音播报手语识别结果。

摘要：针对传统高斯肤色模型在肤色和光照变化较大情况下不能有效提取肤色区域的问题,提出一种改进的高斯肤色模型,并将其应用于人脸检测中。模型参数采用一种自适应更新的参数选择方法,通过对相似度人脸和灰度人脸在对应像素点加权相乘的方式,得到将肤色相似度信息和灰度分布信息有效结合的人脸肤色模型,并结合Adaboost算法设计了人脸检测方法。在FERET(facial recognition technology database)、LFW(labeled faces in the wild)、GTFD(Georgia Tech face database)和多人脸图库上的实验结果表明,该模型的肤色提取正确率比传统高斯肤色模型提高了27.1%,提出的人脸检测方法的检测率比Adaboost算法提高了5.5%。

摘要：提出了一种新的基于肤色的多人脸检测方法。该方法先通过肤色分割得到人脸候选区,然后结合图像的小波表示和主元分析方法通过训练得到可用于区分人脸和非人脸的特征向量,并用改进的贝叶斯分类器对输入图像进行多人脸检测,改进的判决准则中参数,可用于控制检测的准确率和虚警概率,通过设定不同值可使算法适用于不同要求的应用,另外为保证获得较高准确率的同时降低虚警概率,还提出在经分类器判决后的人脸区域中依据对应的马赛克模板进一步排除虚假人脸。

摘要：地震灾害的发生对人类的生命构成极大威胁,在救援人员以及大型救援机器无法及时到达的易坍塌、结构不稳定的灾后废墟环境,快速、及时地检测到被困人员可以极大程度提升救援效率。人脸检测在易坍塌废墟救援过程中起到至关重要的作用。为此,提出一种基于ZYNQ开发平台的软体救援机器人人脸检测系统。人脸检测算法采用基于肤色的人脸检测算法。采用软硬件协同设计方法,PL(FPGA)端实现图像色彩空间转换模块、基于肤色阈值的二值化处理模块、肤色分割模块功能。ARM-Cortex A9 PS(ARM)端实现对整个FPGA工程的控制。实验验证,软体救援机器人能够实现实时检测到人脸信息,并且机器人自身软体导向结构通过弯曲到达被困人员处,实现输送水、氧气等功能。