人体肤色区域的自适应模型分割方法

摘要：

针对现有人体肤色区域分割方法在光照等环境因素变化情况下鲁棒性差、精确度不高的问题,提出一种自适应模型的人体肤色分割方法.首先通过AdaBoost实现自动人脸检测,得到包含光照等信息的脸部皮肤区域样本；然后将所取得的肤色样本在YCbCr颜色空间的y分量和CbCr分量上分别建立高斯混合模型；最后利用改进的Mahalanobis距离度量其他像素与肤色模型间的相似度,并确定阈值来对整幅图像进行肤色分割.实验结果表明,与同类融合算法、CbCr固定阈值等肤色分割方法相比,该方法实现了自动化的肤色建模,在降低误检率的同时平均可以提高10％左右的正检率,具有更好的鲁棒性.

关键词：AdaBoost、高斯混合模型、Mahalanobis距离、肤色分割

所属期刊栏目：25

分类号：TP391.4(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金2012RC022;国家自然科学基金61100115

在线出版日期：2013-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：229-234