基于肤色的人脸检测与分割
2016-11-01 21:19
309 查看
基本步骤:
1、图像预处理;2、建立肤色模型;3、相似度计算;4、二值化
1、图像预处理包括滤除噪声和亮度补偿。滤除噪声中是使用高斯滤波器等方法进行;由于光照影响图像的亮度,这里亮度补偿采用Gary World算法对RGB图像进行快速颜色补偿,即如下公式:
S=av1/av2;f=f1*S;其中av1为标准亮度图像R、G、B的平均值,av2为原输入图像R、G、B的平均值,f1为原输入图像的像素值,f为亮度补偿后输出图像的像素值
2、建立肤色模型的过程包括RGB颜色空间映射到YCbCr颜色空间,
3、相似度计算是指在YCbCr颜色空间归一化色度直方图后,假设肤色满足二维高斯模型M=(m,C);其中m为色度的均值,即m=E(x),C为色度的协方差矩阵,通过这个高斯模型检测任意一个像素是否为肤色的概率计算公式如下:
这里的S就是协方差矩阵,μ为均值或方差。
4、二值化是在得到人脸肤色概率图后,进行二值化分割处理,从而得到人脸肤色二值图像。
1、图像预处理;2、建立肤色模型;3、相似度计算;4、二值化
1、图像预处理包括滤除噪声和亮度补偿。滤除噪声中是使用高斯滤波器等方法进行;由于光照影响图像的亮度,这里亮度补偿采用Gary World算法对RGB图像进行快速颜色补偿,即如下公式:
S=av1/av2;f=f1*S;其中av1为标准亮度图像R、G、B的平均值,av2为原输入图像R、G、B的平均值,f1为原输入图像的像素值,f为亮度补偿后输出图像的像素值
2、建立肤色模型的过程包括RGB颜色空间映射到YCbCr颜色空间,
3、相似度计算是指在YCbCr颜色空间归一化色度直方图后,假设肤色满足二维高斯模型M=(m,C);其中m为色度的均值,即m=E(x),C为色度的协方差矩阵,通过这个高斯模型检测任意一个像素是否为肤色的概率计算公式如下:
这里的S就是协方差矩阵,μ为均值或方差。
4、二值化是在得到人脸肤色概率图后,进行二值化分割处理,从而得到人脸肤色二值图像。
相关文章推荐
- 基于肤色分割和改进AdaBoost 算法的人脸检测
- 简单的基于YCrCb颜色空间的人脸检测(肤色)
- 人脸检测---基于肤色检测的实现
- 简单的基于YCrCb颜色空间的人脸检测(肤色)
- 基于肤色的人脸检测
- 基于人脸检测的肤色采集以及两种常见肤色模型建模
- 【转】简单的基于YCrCb颜色空间的人脸检测(肤色)
- 基于肤色和眼睛定位的人脸检测算法——MATLAB实现
- 简单的基于YCrCb颜色空间的人脸检测(肤色)
- 基于肤色和眼睛定位的人脸检测算法——MATLAB实现【转】
- 人脸--基于肤色模型的人脸检测研究
- 基于Opencv的视频人脸检测
- 玩转Android Camera开发(五):基于Google自带算法实时检测人脸并绘制人脸框(网络首发,附完整demo)
- 基于adaboost的人脸检测方法
- Matlab基于Viola-Jones算法的人脸检测(1)
- 人脸特征检测--基于DLIB库
- 肤色检测&人脸检测数据集等链接大集合(持续更新中...)
- dlib 14 dlib自带demo 基于DNN的人脸检测
- 基于OpenCV读取摄像头进行人脸检测和人脸识别
- 基于Boost方法的人脸检测(5):在一张图片中检测人脸