一种基于 HSV 颜色分割和模糊级联分类器的人脸检测技术

在复杂背景下的人脸检测技术是当今智能视觉技术中的一项难题。为了提高人脸检测的精度和实时性，降低误检率，基于 HSV 模型和模糊级联分类器对复杂背景中的人脸检测技术进行研究。首先在 HSV 模型中对图像进行选择性光线补偿，然后对图像在 HSV 模型中进行分割，接着用图形学的方法去噪，再将连通的肤色区域构建肤色团块，并且利用人脸的脸部比例特征来剔除不相符的人脸团块，最后利用模糊级联分类器对肤色团块检测人脸。该算法的误检率和漏检率分别为0．1％和5．9％，检测的准确率可以达到94．1％，并且有效提高了检测速度，具有一定的实用价值。实验结果表明，基于 HSV 肤色检测和模糊级联分类器的算法能更好地处理人脸在较差光线和有阴影干扰的环境下的检测。