基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在复杂背景下的人脸检测技术是当今智能视觉技术中的一项难题。为了提高人脸检测的精度和实时性,降低误检率,基于 HSV 模型和模糊级联分类器对复杂背景中的人脸检测技术进行研究。首先在 HSV 模型中对图像进行选择性光线补偿,然后对图像在 HSV 模型中进行分割,接着用图形学的方法去噪,再将连通的肤色区域构建肤色团块,并且利用人脸的脸部比例特征来剔除不相符的人脸团块,最后利用模糊级联分类器对肤色团块检测人脸。该算法的误检率和漏检率分别为0.1%和5.9%,检测的准确率可以达到94.1%,并且有效提高了检测速度,具有一定的实用价值。实验结果表明,基于 HSV 肤色检测和模糊级联分类器的算法能更好地处理人脸在较差光线和有阴影干扰的环境下的检测。
推荐文章
一种自下而上的人脸检测算法
人脸检测
深度学习
关键点检测
自下而上
一种基于稀疏编码的人脸特征点检测方法
人脸检测
人脸特征点检测
稀疏编码
人脸校准
基于肤色分割和改进Gabor滤波相结合的人脸检测
人脸检测
改进Gabor滤波
肤色分割
一种自动分割人脸的方法
自动分割
人脸检测
图切分
混合高斯模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于 HSV 颜色分割和模糊级联分类器的人脸检测技术
来源期刊 计算机应用与软件 学科 工学
关键词 选择性光线补偿法 HSV肤色模型 模糊级联分类器 肤色检测 人脸比例特征
年,卷(期) 2014,(4) 所属期刊栏目 图像处理与应用
研究方向 页码范围 197-200,238
页数 5页 分类号 TP751.1
字数 3242字 语种 中文
DOI 10.3969/j.issn.1000-386x.2014.04.050
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 许雪梅 中南大学物理与电子学院 56 455 12.0 18.0
2 王华 中南大学物理与电子学院 63 560 11.0 21.0
3 吴建好 中南大学物理与电子学院 14 71 6.0 8.0
4 尹林子 中南大学物理与电子学院 24 176 8.0 13.0
5 黄征宇 中南大学物理与电子学院 4 16 2.0 4.0
6 李丽娴 中南大学物理与电子学院 3 11 1.0 3.0
7 曹粲 中南大学物理与电子学院 5 32 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (10)
同被引文献  (24)
二级引证文献  (28)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(12)
  • 引证文献(3)
  • 二级引证文献(9)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(11)
  • 引证文献(1)
  • 二级引证文献(10)
2020(7)
  • 引证文献(1)
  • 二级引证文献(6)
研究主题发展历程
节点文献
选择性光线补偿法
HSV肤色模型
模糊级联分类器
肤色检测
人脸比例特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导