为了对坐姿下的几种行为进行识别，在分析常有坐姿的基础上，提出了通过PCA对八种不同姿势进行分类识别的方法。结合背景帧信息通过背景轮廓消减法提取运动目标区域，利用肤色在YCbCr空间聚集在一片固定区域且在CbCr平面上投影为一个近似椭圆的特性，在运动目标区域提取肤色区域，并对检测出的肤色灰度图进行PCA运算，实现了姿势识别。实验结果表明，所提出的利用PCA进行姿势识别的方法正确率达到84.92%，能够准确地识别坐姿行为，并且对运动阴影、光线变化具有良好的鲁棒性。
2021-12-20 13:42:10
330KB
1
完整代码，可直接运行
2021-12-01 17:03:11
638KB
为解决当被检测图像中具有复杂背景或者含有多人脸时，不能够快速准确的进行人脸检测的问题，本文提出一种基于肤色分割和改进AdaBoost算法的人脸检测方法。首先利用肤色分割方法对样本图像实现图像的预处理，排除样本图像的复杂背景和人体非肤色区域，简化后续的人脸检测工作。然后对AdaBoost算法的弱分类器使用双阈值判决方法，以减少弱分类器个数，提升训练速度；改进权值更新规则，防止训练过程中出现过分配现象。最后对基于肤色分割得到的区域图像利用改进后的Adaboost算法进行最后的精确人脸检测。仿真试验表明，两种算法结合后在训练速度上提升，在检测速度和检测率上有明显提高。
2021-11-25 18:42:05
1.2MB
1
对图片进行二值化处理，并进行肤色检测。有5种检测方法：HSV颜色空间H范围筛选法、椭圆肤色检测模型、YCrCb颜色空间的Cr分量+Otsu法阈值分割算法、BGR空间的手势识别、Cr，Cb范围筛选法。
2021-11-21 19:00:51
6KB
1