基于K均值聚类与肤色的人脸检测研究

张申; 黄庆梅; 孙丽佳

doi:10.13741/j.cnki.11-1879/o4.2022.03.009

您当前的位置：

首页 >

文章列表页 >

基于K均值聚类与肤色的人脸检测研究

光学测量 | 更新时间：2025-09-01

- 基于K均值聚类与肤色的人脸检测研究
- Face detection based on K-means clustering and the skin-color
- 光学技术 2022年48卷第3期页码：301-306
- 作者机构：
  
  1:北京理工大学光电学院颜色科学与工程国家专业实验室
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61975012)
- DOI：10.13741/j.cnki.11-1879/o4.2022.03.009
  中图分类号： TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
张申, 黄庆梅, 孙丽佳. 基于K均值聚类与肤色的人脸检测研究[J]. 光学技术, 2022,48(3):301-306.

Face detection based on K-means clustering and the skin-color[J]. 2022, 48(3): 301-306.
张申, 黄庆梅, 孙丽佳. 基于K均值聚类与肤色的人脸检测研究[J]. 光学技术, 2022,48(3):301-306. DOI： 10.13741/j.cnki.11-1879/o4.2022.03.009.

Face detection based on K-means clustering and the skin-color[J]. 2022, 48(3): 301-306. DOI： 10.13741/j.cnki.11-1879/o4.2022.03.009.

摘要

针对传统人脸检测中存在色偏所造成检测精度偏低，深度学习方法中通过训练大量数据来实现人脸检测而造成硬件要求高等问题。提出了训练简单的卷积神经网络来实现人脸和非人脸的判断，并利用白平衡算法来解决色偏的问题。将YCgCr颜色空间与K均值聚类的方法结合起来实现肤色检测，最后在肤色检测的基础上实现人脸检测。其精度相较于传统的人脸检测方法提升3%左右，速度比基于深度学习的人脸检测快2倍左右。

Abstract

关键词

Keywords

references

浏览量

527

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于DSA-BCNN的毫米波图像隐藏物检测

基于改进Faster-RCNN的偏光片表面缺陷检测

基于双通道神经网络的图像脉冲噪声降噪

基于K均值聚类与肤色的人脸检测研究

Face detection based on K-means clustering and the skin-color

DOI：10.13741/j.cnki.11-1879/o4.2022.03.009

摘要

Abstract

关键词

Keywords

references