基于YCbCr肤色模型改进算法及区域特征的人脸检测研究

doi:10.3969/j.issn.1006-2475.2012.04.049

计算机与现代化 ›› 2012, Vol. 1 ›› Issue (200): 179-04.doi: 10.3969/j.issn.1006-2475.2012.04.049

基于YCbCr肤色模型改进算法及区域特征的人脸检测研究

邱鹏瑞

昆明冶金高等专科学校，云南昆明 650033

收稿日期:2012-03-05 修回日期:1900-01-01 出版日期:2012-04-16 发布日期:2012-04-16

Research on Human Face Detection Based on Improved YCbCr Skin Color Model and Area Character

QIU Peng-rui

Kunming Metallurgy College， Kunming 650033， China

Received:2012-03-05 Revised:1900-01-01 Online:2012-04-16 Published:2012-04-16

摘要/Abstract

摘要： 针对当前人脸检测的研究现状与难题，采用改进的YCbCr椭圆聚类肤色模型进行肤色区域提取，根据肤色在YCb’Cr’空间的分布，对于亮度小于80的非肤色像素点会误判为肤色点，则缩小椭圆聚类；对于亮度大于230的肤色像素点会误判为非肤色点，则扩大椭圆聚类，有效避免了在高亮度区域和亮度较低的区域中的肤色点误判问题。接着利用人脸的几何特征，对二值化图中的目标区域进行比例、大小结构的分析，排除不可能的人脸区域，并基于肤色和位置进行区域优化，将处理后的结果作为候选人脸区域输出。

关键词: 人脸检测, 肤色模型, 区域特征

Abstract: In accordance with the current study situation and difficult problem of human face detection， the paper adopts improved YCbCr elliptic clustering skin color model to extract color zone from the skin. According to the distribution of the YCb’Cr’， if the color brightness less than 80 pixel of color will be a miscarriage， it narrows the ellipse clustering； if greater than 230 complexion pixel of color will be a miscarriage also， it expands the ellipse clustering. It can avoid wrong judgment about skin color spot between high brightness zone and lower brightness zone effectively. And then taking advantage of the geometric characteristic of human face, it analyzes the objective zone with proportion and size in the binary picture to get rid of the impossible human face.

Key words: face detection, skin color model, area character

邱鹏瑞. 基于YCbCr肤色模型改进算法及区域特征的人脸检测研究[J]. 计算机与现代化, 2012, 1(200): 179-04.

QIU Peng-rui. Research on Human Face Detection Based on Improved YCbCr Skin Color Model and Area Character[J]. Computer and Modernization, 2012, 1(200): 179-04.

[1]	韩建, 李林, 曹志民, 段朝辉, 万川, . 基于区域结构特征的城区LiDAR数据快速分类[J]. 计算机与现代化, 2021, 0(12): 48-52.
[2]	胡骞鹤1，方书雅1，刘守印1，李纪平2. 基于教室监控视频的学生位置检测和人脸图像捕获算法[J]. 计算机与现代化, 2019, 0(12): 60-.
[3]	周慧娟，张强，刘羽，王旭阳，柳颖. 基于YOLO2的地铁进站客流人脸检测方法[J]. 计算机与现代化, 2019, 0(10): 76-.
[4]	詹伟，张科，徐焕，罗弦，龙霏，纪依依. 一种基于扩散速度的移动应用端活体人脸识别技术[J]. 计算机与现代化, 2019, 0(03): 28-.
[5]	郑健,王志明,张宁. 一种基于深度学习的改进人脸识别算法[J]. 计算机与现代化, 2018, 0(12): 90-.
[6]	戴海能,茅耀斌. 一种改进的基于R-FCN模型的人脸检测算法[J]. 计算机与现代化, 2018, 0(08): 12-.
[7]	刘铎. 基于CUDA的实时人脸识别系统[J]. 计算机与现代化, 2015, 0(6): 122-126.
[8]	沈科磊1，杨正理2，欧阳广帅1. 基于特征裁剪的双阈值Adaboost人脸检测算法[J]. 计算机与现代化, 2014, 0(8): 50-53+95.
[9]	孙立超;张盛兵;程训焘;张萌. 基于CUDA的快速人脸检测算法[J]. 计算机与现代化, 2013, 1(8): 11-14.
[10]	徐菲;李玉鑑. 改进的ASM人脸特征定位方法及其应用[J]. 计算机与现代化, 2013, 218(10): 38-41.
[11]	刘在英;杨平;张丽晓. 基于肤色模型和高斯分布的多人脸检测方法[J]. 计算机与现代化, 2013, 218(10): 30-34.
[12]	李晓丽;邵叶秦;罗敏. 基于FR的远程考试身份认证系统研究[J]. 计算机与现代化, 2012, 1(200): 167-04.
[13]	张亚南;张作. 人脸检测与跟踪技术综述[J]. 计算机与现代化, 2012, 208(12): 60-65.
[14]	邱伟. 一种基于FKT算法的人脸表情识别方法[J]. 计算机与现代化, 2011, 1(1): 121-3.
[15]	李先锋;花小朋;赵峰;孔令东. 基于AdaBoost算法的人脸检测在嵌入式系统中的实现[J]. 计算机与现代化, 2010, 1(8): 143-146.

基于YCbCr肤色模型改进算法及区域特征的人脸检测研究

Research on Human Face Detection Based on Improved YCbCr Skin Color Model and Area Character

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价