导读:本文包含了肤色模型论文开题报告文献综述、选题提纲参考文献，主要关键词:肤色,模型,颜色,空间,算法,手势,工字形。
肤色模型论文文献综述写法
张杜娟[1]（2019）在《基于肤色模型与颜色空间的目标识别算法》一文中研究指出为了解决当前皮肤病变目标特征微弱和所处背景环境干扰大,导致对病原目标识别能力较弱的问题,提出了基于肤色模型与颜色空间的目标识别算法。首先,根据RGB颜色空间,设计一个肤色图像模型,区分皮肤区域与非皮肤区域;然后,根据HSV颜色空间,建立淡红图像模型,区分疑似目标区域与非目标区域;结合以上两种模型,进行图像与操作,进一步缩小疑似目标区域,提取图像帧颜色特征;最后,建立基于支持向量机的机器学习机制,精准区分正常图像帧与含病变图像帧,完成病原目标识别与定位。实验测试结果显示,相对于已有的目标识别技术而言,该方案具有更高的准确识别率。(本文来源于《国外电子测量技术》期刊2019年10期）
张彩珍,张云霞,赵丹,张晓金[2]（2019）在《基于肤色模型与BP神经网络的手势识别》一文中研究指出针对基于视觉的手势识别率不高,鲁棒性欠佳的问题,提出了一种基于YCb Cr椭圆聚类肤色模型分割手势结合反向传播(BP)神经网络识别的手势识别方法。对采集到的图像序列利用离散余弦变换(DCT)去噪处理和边缘检测,根据人体肤色在YCb Cr空间聚类紧凑的特性提取出手势的形状轮廓,将边缘检测与肤色模型分割结果相与得到分割出的手势,利用加速稳健特性(SURF)算法提取构建手势的特征向量,最后通过BP神经网络对手势图分类和识别。实验结果表明:针对复杂背景下的手势,该算法具有较强的鲁棒性,效率高,识别的准确率可达到96%。(本文来源于《传感器与微系统》期刊2019年06期）
王志强,苗翔宇[3]（2018）在《基于保边滤波和肤色模型的人脸美颜技术研究与实现》一文中研究指出随着相机和手机的拍照像素不断提高,拍摄的人像均为高清晰度的,但人脸部的瑕疵,如雀斑、痘痘等同时会被清楚地记录下来。针对这一课题,文章提出了基于肤色分割和保边滤波操作的人脸美颜算法。此算法共分成4个步骤,首先对图像进行保边滤波操作,保留面部轮廓和五官,消除瑕疵;再对人脸图像在YCb Cr色彩空间中,根据肤色范围分割皮肤区域与非皮肤区域;然后将滤波处理过的图像和原图根据肤色区域进行alpha通道融合;最后提高皮肤区域的亮度达到美白效果。经实验,此算法可以基本实现面部美化,对头发耳朵等细节保留较高真实性,且无明显修饰痕迹。(本文来源于《无线互联科技》期刊2018年17期）
李岚,张云[4]（2018）在《基于高斯肤色模型与Blob算法的人脸检测》一文中研究指出针对彩色图像中背景复杂的人脸检测率低的问题,提出了一种基于肤色模型的人脸检测方法。在新颜色空间YCgCr上对图像进行肤色检测并应用预处理技术缩小人脸检测的搜索区域;在候选区域的基础上,应用Blob分析方法确定任意旋转角度的人脸,去除非人脸区城,降低误检率。实验结果表明:文中方法对不同尺寸、任意旋转的人脸有较好的检测效果。(本文来源于《咸阳师范学院学报》期刊2018年04期）
张忠军[5]（2018）在《基于肤色椭圆边界模型和改进帧差分算法的手势分割方法》一文中研究指出针对在复杂环境背景下肤色、光照变化等对动态手势分割的干扰,提出了一种改进的结合叁帧差分法和肤色椭圆模型的动态手势分割方法。该方法首先把视频的RGB颜色空间转为YCbCr颜色空间,然后将YCbCr颜色空间中的肤色分布投影到CbCr空间中,利用肤色检测初步确定肤色区域,然后结合帧间差分方法对手势进行检测并实现动态手势分割,以解决光照变化、类肤色背景等因素对手势分割的干扰问题。(本文来源于《福建电脑》期刊2018年05期）
姚子怡,张清勇,李雪琪[6]（2018）在《一种融合改进型AdaBoost和肤色模型的人脸检测方法》一文中研究指出人脸检测是人脸信息处理领域中的一项关键技术,当图像中具有复杂背景或多人脸时,不能够快速准确地检测人脸,成为了人脸检测领域的重要的问题。论文首先提出了一种基于双阈值的改进型Ada Boost分类器算法,使用双阈值的弱分类器代替单阈值的弱分类器,从而提高单特征的分类能力,并给出了双阈值的搜索方法;其次提出了一种基于Harr特征的改进后的Ada Boost分类器融合YCb Cr空间高斯肤色模型的人脸检测方法,首先采用基于Harr特征的改进型Ada Boost人脸检测算法对输入图片进行预检测,再用基于高斯肤色模型的检测算法剔除误检的人脸区域。实验结果表明,该文提出的方法检测率高、误检率低,具有可靠的检测性能。(本文来源于《计算机与数字工程》期刊2018年04期）
崔鹏,燕天天[7]（2018）在《融合YCbCr肤色模型与改进的Adaboost算法的人脸检测》一文中研究指出提出了一种将人脸肤色检测与改进的Adaboost算法相结合的人脸检测方法。将人脸图像从RGB颜色空间映射到YCbCr颜色空间,建立肤色模型进行人脸相似度求取,通过形态学处理得到候选人脸区域。在训练阶段,通过调整加权误差分布限制目标类权重的扩张,通过修改目标权重更新抑制训练退化和训练目标类权重分布过适应现象。用改进的Adaboost算法对得到的人脸候选区域进行检测,提高了检测速度。实验结果表明,该算法抑制了训练目标类权重过适应现象,有效的提高了检测率和检测速度。(本文来源于《哈尔滨理工大学学报》期刊2018年02期）
任民宏,陈波,鲁秋菊[8]（2017）在《基于灰度直方图和高斯混合模型多特征肤色识别算法》一文中研究指出肤色识别是色情图像识别和人脸检测中的关键技术,肤色识别的效果关系着相关图像处理技术的应用效果。尽管基于高斯混合模型的肤色识别算法能较好识别存在干扰因素的图像中的肤色,但对于图像中与肤色相近的毛发、背景、风景等部分识别效果并不理想。为了解决这个问题,结合灰度直方图和高斯混合模型的优势,提出了基于灰度直方图和高斯混合模型多特征肤色识别算法。实验表明该算法识别效率较高,能较好识别与肤色相近的非肤色部分,具有一定的实用性。(本文来源于《陕西理工大学学报(自然科学版)》期刊2017年05期）
张情,黎明,冷璐[9]（2017）在《结合自适应肤色模型和区域生长的掌纹分割》一文中研究指出为克服移动终端掌纹图像预处理受到的多方面干扰,设计一种"工"字形辅助定位拍摄方法,在此基础上提出一种结合自适应高斯肤色模型和区域生长的掌纹分割方法。选取训练子区域自适应估计高斯肤色模型的参数,设定肤色似然度阈值,得到非完整的分割结果,进行区域生长,分割出准确的手部区域。该方法可有效抵御与手部不连通背景类肤色区域的干扰,克服单一固定阈值分割对手部区域肤色渐变的失效性。实验结果表明,该方法在移动环境下能够达到较高的正确率和认证精度。(本文来源于《计算机工程与设计》期刊2017年10期）
丁勇,吴彦儒[10]（2017）在《基于双肤色模型和改进的SNoW算法的人脸检测方法》一文中研究指出针对环境与光照对面部肤色提取的影响,提出一种基于双肤色模型和改进的SNo W算法相结合的人脸检测方法。首先,利用自适应光照补偿方法对图像进行预处理,减少光照变化导致的色彩偏差;然后,综合利用YCbCr和HSI肤色模型提取预处理后图像中的人脸信息;最后,结合改进的SNoW算法检测人脸位置。实验结果表明,在复杂背景和光照变化的情况下,该方法可以准确检测和定位人脸,提升了检测效率和提高了算法对于复杂背景、光照、表情的鲁棒性。(本文来源于《计算机应用与软件》期刊2017年05期）
肤色模型论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对基于视觉的手势识别率不高,鲁棒性欠佳的问题,提出了一种基于YCb Cr椭圆聚类肤色模型分割手势结合反向传播(BP)神经网络识别的手势识别方法。对采集到的图像序列利用离散余弦变换(DCT)去噪处理和边缘检测,根据人体肤色在YCb Cr空间聚类紧凑的特性提取出手势的形状轮廓,将边缘检测与肤色模型分割结果相与得到分割出的手势,利用加速稳健特性(SURF)算法提取构建手势的特征向量,最后通过BP神经网络对手势图分类和识别。实验结果表明:针对复杂背景下的手势,该算法具有较强的鲁棒性,效率高,识别的准确率可达到96%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
肤色模型论文参考文献
[1].张杜娟.基于肤色模型与颜色空间的目标识别算法[J].国外电子测量技术.2019
[2].张彩珍,张云霞,赵丹,张晓金.基于肤色模型与BP神经网络的手势识别[J].传感器与微系统.2019
[3].王志强,苗翔宇.基于保边滤波和肤色模型的人脸美颜技术研究与实现[J].无线互联科技.2018
[4].李岚,张云.基于高斯肤色模型与Blob算法的人脸检测[J].咸阳师范学院学报.2018
[5].张忠军.基于肤色椭圆边界模型和改进帧差分算法的手势分割方法[J].福建电脑.2018
[6].姚子怡,张清勇,李雪琪.一种融合改进型AdaBoost和肤色模型的人脸检测方法[J].计算机与数字工程.2018
[7].崔鹏,燕天天.融合YCbCr肤色模型与改进的Adaboost算法的人脸检测[J].哈尔滨理工大学学报.2018
[8].任民宏,陈波,鲁秋菊.基于灰度直方图和高斯混合模型多特征肤色识别算法[J].陕西理工大学学报(自然科学版).2017
[9].张情,黎明,冷璐.结合自适应肤色模型和区域生长的掌纹分割[J].计算机工程与设计.2017
[10].丁勇,吴彦儒.基于双肤色模型和改进的SNoW算法的人脸检测方法[J].计算机应用与软件.2017