复杂背景和光照多变的人脸检测方法

doi:10.3778/j.issn.1002-8331.2009.18.006

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (18): 22-24.DOI: 10.3778/j.issn.1002-8331.2009.18.006

复杂背景和光照多变的人脸检测方法

李全彬^1,2,孙巧榆³,刘锦高¹,李明¹

1.华东师范大学电子科学技术系，上海 200062
2.徐州师范大学物理与电子工程学院，江苏徐州 221116
3.华东师范大学计算机科学技术系，上海 200062

收稿日期:2009-02-25 修回日期:2009-03-26 出版日期:2009-06-21 发布日期:2009-06-21
通讯作者: 李全彬

Face detection in complicated backgrounds and different illumination conditions

LI Quan-bin^1,2,SUN Qiao-yu³,LIU Jin-gao¹,LI Ming¹

1.Department of Electronic Engineering，East China Normal University，Shanghai 200062，China
2.College of Physics and Electronic Engineering，Xuzhou Normal University，Xuzhou，Jiangsu 221116，China
3.Department of Computer Science and Technology，East China Normal University，Shanghai 200062，China

Received:2009-02-25 Revised:2009-03-26 Online:2009-06-21 Published:2009-06-21
Contact: LI Quan-bin

摘要/Abstract

摘要： 复杂背景和光照多变的人脸检测是自动人脸识别系统需要解决的重要问题之一，首先利用YCbCr空间进行肤色分割，获取候选人脸区域，然后提取相应区块的LSMQT特征，并利用SNoW分类器进行特征分类，最终获取人脸在图像中的准确位置。实验证明，该方法对复杂背景和光照多变的图像中的人脸具有较高的正确检测率。

关键词: 人脸检测, YCbCr颜色空间, 连续均值量化变换, 稀疏网络模型

Abstract: Face detection in complicated backgrounds and different illumination conditions is one of the important problems to be solved in the automatic face recognition system.The image including faces is searched by using YCbCr color space firstly，then，the features of the segmented skin color areas are extracted through LSMQT method，further，the SNoW classifier is introduced.Finally，the features and classifier are combined for the task of face detection.The results of experiments show that this method has a high face detection correct rate to the images with complicated backgrounds and different illumination conditions.

Key words: face detection, YCbCr color space, Successive Mean Quantization Transform（SMQT）, Sparse Network of Winnows（SNoW）

李全彬^1,2,孙巧榆³,刘锦高¹,李明¹. 复杂背景和光照多变的人脸检测方法[J]. 计算机工程与应用, 2009, 45(18): 22-24.

LI Quan-bin^1,2,SUN Qiao-yu³,LIU Jin-gao¹,LI Ming¹. Face detection in complicated backgrounds and different illumination conditions[J]. Computer Engineering and Applications, 2009, 45(18): 22-24.

[1]	高树静，王程龙，董廷坤. 基于ZYNQ的优化Adaboost人脸检测[J]. 计算机工程与应用, 2020, 56(6): 201-206.
[2]	郭静，宋文爱，杨吉江，王青，梁雅琪，雷毅，高雪梅，李海振. 计算机辅助诊断人脸形态学疾病研究综述[J]. 计算机工程与应用, 2020, 56(19): 22-33.
[3]	刘淇缘，卢树华，兰凌强. 遮挡人脸检测方法研究进展[J]. 计算机工程与应用, 2020, 56(13): 33-46.
[4]	李静，降爱莲. 复杂场景下基于R-FCN的小人脸检测研究[J]. 计算机工程与应用, 2020, 56(1): 203-208.
[5]	罗明柱，肖业伟. 全卷积神经网络的多尺度人脸检测的研究[J]. 计算机工程与应用, 2019, 55(5): 124-128.
[6]	李亚可，玉振明. 级联的卷积神经网络人脸检测方法[J]. 计算机工程与应用, 2019, 55(24): 184-189.
[7]	梁雅琪，宋文爱，杨吉江，王青，王星月，雷毅. 人脸辅助诊断关键技术研究[J]. 计算机工程与应用, 2019, 55(15): 24-31.
[8]	张进1，张娜娜2. 优化特征提取的互动式人脸活体检测研究[J]. 计算机工程与应用, 2019, 55(13): 193-200.
[9]	周安众，罗可. 一种多尺度卷积神经网络的人脸检测模型[J]. 计算机工程与应用, 2018, 54(14): 168-174.
[10]	吴志洋，卓勇，廖生辉. 改进的多目标回归实时人脸检测算法[J]. 计算机工程与应用, 2018, 54(11): 1-7.
[11]	罗富丽，李佳田. 结合运动特征的AdaBoost层次增强算法[J]. 计算机工程与应用, 2017, 53(7): 154-159.
[12]	曾鸿军1，2，沈燕飞2，王毅1. 基于感兴趣区域的头像视频前处理方法[J]. 计算机工程与应用, 2017, 53(6): 188-192.
[13]	张言飞，欧阳健飞，姚丽峰. 基于快速人脸检测的实时呼吸测量系统的设计[J]. 计算机工程与应用, 2016, 52(2): 256-261.
[14]	刘王胜，冯瑞. 一种基于AdaBoost的人脸检测算法[J]. 计算机工程与应用, 2016, 52(11): 209-214.
[15]	周仁琴. 视频监控场景下的面部遮挡检测[J]. 计算机工程与应用, 2015, 51(4): 192-195.

复杂背景和光照多变的人脸检测方法

Face detection in complicated backgrounds and different illumination conditions

PDF

可视化

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