基于自适应双高斯混合模型的肤色分割

摘要

本文提出了一种自动化且鲁棒的基于双高斯混合模型的自适应人体肤色分割方法(ASCS-DGMM).首先,通过AdaBoost实现自动人脸捡测,得到包含光照等信息的脸部皮肤区域样本.然后将所取得的肤色样本在YCbCr颜色空间的Y分量和CbCr分量上分别建立高斯混合模型.最后利用改进的Mahalanobis距离度量其他像素与肤色模型间的相似度并确定阈值实现肤色分割,实验结果表明,ASCS-DGMM方法与WeiRenTan模糊算法和CbCr固定阈值等肤色分割方法相比在降低误检率的同时平均可以提高10％左右的肤色分割正检率,实现了对图像中肤色区域更为准确的分割.