彩色图片中的面部检测[外文翻译].doc
约10页DOC格式手机打开展开
彩色图片中的面部检测[外文翻译],附件c：译文彩色图片中的面部检测rein-lien hsu, ieee学生会员mohamed abdel-mottaleb,ieee会员anil k. jain, ieee研究员摘要：人脸检测在如影像监督、人机接口、面貌识别，和外观图象数据库管理的应用中起着重要作用。我们提出了一个在不同的照明条件以及复杂的背景的情况下...
内容介绍
此文档由会员 qs_f5t2xd 发布
附件C：译文
彩色图片中的面部检测
Rein-Lien Hsu, IEEE学生会员
Mohamed Abdel-Mottaleb,IEEE会员
Anil K. Jain, IEEE研究员
摘要：人脸检测在如影像监督、人机接口、面貌识别，和外观图象数据库管理的应用中起着重要作用。我们提出了一个在不同的照明条件以及复杂的背景的情况下供彩色图像使用的外观检测算法。我们基于新型照明补偿技术和非线性色彩转换检测出整个区域皮肤的形象，然后生成脸。
选择物以蒙皮补片的空间排列为基础。该算法构造出眼，口，以及边界地图核查每个外观选择物. 试验结果证明了图像从若干照片集（包括户内和户外）里无论在颜色、位置、比例尺、方向、三维姿势和表情的范围里能进行成功的面部检测。
索引词：外观检测、面貌识别、光补偿、颜色变换、肤色、脸的特色地图、霍夫变换
1、 介绍
在人类活动中主要涉及到各种各样如视频监控，人机界面，人脸识别[ 7 ]、 [ 42 ] 、 [ 47 ] 和人脸图像数据库管理[ 36 ]的应用 。外观检测是进行这些识别应用的关键一步。大多数人脸识别算法假定面部位置是已知的。同样，人脸跟踪算法（例如 [ 10 ] ）往往假定最初面部位置是已知的。请注意，人脸检测可视为一个二阶（外观函数）分类问题。
因此，一些人脸识别的技术在发展（例如，整体/范本的办法[ 12 ] 、 [ 30 ] 、 [ 41 ] 、 [ 27 ] ，功能一分子的方法[ 6 ] ，他们的结合[ 20 ] ），也被用来检测面孔，但他们要求非常严格的计算，不能处理图像中面部大的变化
各种人脸检测办法在[11] 、 [ 24 ] 、 [ 26 ] 、 [ 45 ] ， [ 14 ] 中都有讨论。主要办法按时间顺序列出在表1 。最近调查的人脸检测，见[ 45 ]和[ 14 ] 。这些办法利用各种技术，如主成分分析，神经网络，机器学习，信息理论，几何建模， （变形）模板匹配， 霍夫变换，运动提取和颜色分析。 神经网络为基础的[ 32 ] ， [ 33 ]和看法为基础的[ 39 ]的方法需要大量的脸和培训的例子，其目的主要是为了找到正面面部灰阶图像。基于特征的利用几何面部特征与信仰网络[ 46 ]的方法，提供了侧面的人脸检测。几何面模板和霍夫变
彩色图片中的面部检测
Rein-Lien Hsu, IEEE学生会员
Mohamed Abdel-Mottaleb,IEEE会员
Anil K. Jain, IEEE研究员
摘要：人脸检测在如影像监督、人机接口、面貌识别，和外观图象数据库管理的应用中起着重要作用。我们提出了一个在不同的照明条件以及复杂的背景的情况下供彩色图像使用的外观检测算法。我们基于新型照明补偿技术和非线性色彩转换检测出整个区域皮肤的形象，然后生成脸。
选择物以蒙皮补片的空间排列为基础。该算法构造出眼，口，以及边界地图核查每个外观选择物. 试验结果证明了图像从若干照片集（包括户内和户外）里无论在颜色、位置、比例尺、方向、三维姿势和表情的范围里能进行成功的面部检测。
索引词：外观检测、面貌识别、光补偿、颜色变换、肤色、脸的特色地图、霍夫变换
1、 介绍
在人类活动中主要涉及到各种各样如视频监控，人机界面，人脸识别[ 7 ]、 [ 42 ] 、 [ 47 ] 和人脸图像数据库管理[ 36 ]的应用 。外观检测是进行这些识别应用的关键一步。大多数人脸识别算法假定面部位置是已知的。同样，人脸跟踪算法（例如 [ 10 ] ）往往假定最初面部位置是已知的。请注意，人脸检测可视为一个二阶（外观函数）分类问题。
因此，一些人脸识别的技术在发展（例如，整体/范本的办法[ 12 ] 、 [ 30 ] 、 [ 41 ] 、 [ 27 ] ，功能一分子的方法[ 6 ] ，他们的结合[ 20 ] ），也被用来检测面孔，但他们要求非常严格的计算，不能处理图像中面部大的变化
各种人脸检测办法在[11] 、 [ 24 ] 、 [ 26 ] 、 [ 45 ] ， [ 14 ] 中都有讨论。主要办法按时间顺序列出在表1 。最近调查的人脸检测，见[ 45 ]和[ 14 ] 。这些办法利用各种技术，如主成分分析，神经网络，机器学习，信息理论，几何建模， （变形）模板匹配， 霍夫变换，运动提取和颜色分析。 神经网络为基础的[ 32 ] ， [ 33 ]和看法为基础的[ 39 ]的方法需要大量的脸和培训的例子，其目的主要是为了找到正面面部灰阶图像。基于特征的利用几何面部特征与信仰网络[ 46 ]的方法，提供了侧面的人脸检测。几何面模板和霍夫变
