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...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%。展开更多
针对H su R L的肤色检测方法的不足,提出了一种改进的自适应肤色检测算法。用白平衡算法取代了H suR L的光线补偿方法,从而较好地解决了由光照引起的图像彩色偏移,使得检测结果更加稳健。在H su R L的统计模型的基础上,提出了一种自适...针对H su R L的肤色检测方法的不足,提出了一种改进的自适应肤色检测算法。用白平衡算法取代了H suR L的光线补偿方法,从而较好地解决了由光照引起的图像彩色偏移,使得检测结果更加稳健。在H su R L的统计模型的基础上,提出了一种自适应检测算法,该算法根据肤色值在非线性变换后的色度空间的二维直方图分布,自动确定肤色模型的位置,从而能更加准确地描述肤色在一幅图像中的分布情况。并将该算法用于彩色视频图像中的人脸检测,实验结果表明,该算法比H su R L的方法更能取得满意的检测效果。展开更多
文摘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%。
文摘针对H su R L的肤色检测方法的不足,提出了一种改进的自适应肤色检测算法。用白平衡算法取代了H suR L的光线补偿方法,从而较好地解决了由光照引起的图像彩色偏移,使得检测结果更加稳健。在H su R L的统计模型的基础上,提出了一种自适应检测算法,该算法根据肤色值在非线性变换后的色度空间的二维直方图分布,自动确定肤色模型的位置,从而能更加准确地描述肤色在一幅图像中的分布情况。并将该算法用于彩色视频图像中的人脸检测,实验结果表明,该算法比H su R L的方法更能取得满意的检测效果。
