人脸检测算法中对肤色分割效果的加强
全部作者： 樊宁 第1作者单位： 北京邮电大学电信工程学院 论文摘要： 本文介绍了基于肤色的人脸检测算法的原理与系统构成。实验采用了Anil K.Jain等人在YCbCr色彩空间上所建立的肤色模型，根据其在色度平面上的聚类结果，对待检图像进行肤色分割。此外提出在肤色分割前对图像光度进行高频提升滤波预处理步骤。该举有效摒除了与皮肤色泽相近的背景物体的干扰，加强了肤色分割效果，提高了最终的检测准确率。 关键词： 肤色分割；人脸检测算法；高频提升滤波 (浏览全文) 发表日期： 2008年01月11日 同行评议：
本文主要贡献在于：在肤色分割前对光度进行了滤波预处理，该步骤可以提高最终的检测准确率。文章表述较为清晰，但在实验部分建议以下修改：1）经滤波后图像检测的准确度为93.7%，那么未经预处理的图像检测的准确度为多少？虽然从视觉上，图1和图2在分割效果上存在着较大的差异，但通过ababoost算法进行检测，是不是仍然存在较大的差异？2）图1和图2应该改为彩色显示。文中说图1中的红色砖墙背景在图2中被清除。1个疑问是为什么红色砖墙会被误识为人脸，在训练时，人脸的采样中是否存在红色样本？还是由于光照的影响导致的结果，但是文中说明训练样本为自然光线下获取。3）实验样本来源如何？有没有考虑到人脸色彩在不同种族上的差异。另外训练样本是如何获取的？也是HHI中的137图像吗？另外测试样本和训练样本有没有存在重叠？4）文章中说8幅漏检的图像均为倾角70度以上的侧面人脸，那么漏检的'原因是不是因为adaboost算法的局限性？还是由于分割算法的问题？因为根据颜色进行分割的算法应该和人脸的角度没有关系的。希望能够增加漏检的图像样本，作为图例。5）文章所有的参考文献都为2002年及之前，建议加入近几年国内外最新的研究工作综述，并且建议同至少1个近3年内该领域的分割算法进行实验效果比较，以增强算法的说服力。
综合评价： 修改稿： 注：同行评议是由特聘的同行专家给出的评审意见，综合评价是综合专家对论文各要素的评议得出的数值，以1至5颗星显示。【人脸检测算法中对肤色分割效果的加强】相关文章：