关于人耳检测的文献 1 基于AdaBoost的侧面人脸、人耳检测 现今,人脸检测技术的局限性主要存在于侧面人脸检测这方面,本文主要利用人脸人耳的位置关系,用 AdaBoost方法进行分别检测,最后人脸检测与人耳检测融合在一起,以提高人脸检测效率
2 综合肤色模型和多模板匹配增强 Adaboost人耳检测 为克服传统的Adaboost算法出现的样本训练时间过长、过于依赖样本质量等问题,在训练不足及初始人耳定位不好的情况下,引入 YCbCr肤色模型和多模板匹配技术策略对人耳进行精确定位
实验表明,改进后的人耳检测性能得到较大的提高,对动、静态人耳均能达到准确定位和检测的效果,算法的鲁棒性较好
3 基于肤色模型的人耳检测系统 人耳检测是人耳识别以及基于内容的图像和视频检索的一项重要任务
本文提出了一种将背景差分和肤色模型相结合的人耳检测算法
算法首先在序列图像中自动提取运动目标并进行人体检测,然后经过肤色分割进行人耳的粗定位,产生人耳候选区域
最后利用人耳检测模块判断候选区域中是否含有人耳,以及获得它们的位置、大小等信息
实验结果表明,该算法是有效的
4 一种基于改进 GVF Snake的自动人耳检测方法 近几年对人耳这种生物特征的研究大都只能依靠手工定位和分割人耳,这大大减缓人耳识别技术的实用化进程
文中提出一种人耳自动检测方法
该方法首先利用 YCbCr肤色模型和 Gentle AdaBoost级联分类器检测出人耳块,然后运用改进的GVF Snake方法提取外耳轮廓
该方法通过构造耳形图,提取非常接近于人耳实际边缘的初始轮廓线,不但节省迭代时间,还提高 GVF Snake提取人耳边缘的准确率,在 USTB人耳库上获得约 97
3%的正确检测率
实验结果表明,该方法具有较好的检测效果和鲁棒性
5 一种内外轮廓加权的人耳检测算法 为了提高人耳检测中图像匹配的精确性,提出对
