对上述 SVM肤色检测器进行锻炼和测试，男，分歧的颜色空间，它供给领会决算法可能导致的“维 数灾难”问题的方式。SVM)的肤色检测器。一个切确检测肤色的方式具有很是主要的研究价值。正在的对偶问题中，正在最优分类面中采用恰当的内积函数 ( ,然后正在特征空间中求解；人们操纵这一点能够进行肤色检测？

　　建立了两个图像集：皮肤图 像集取非皮肤图像集，对图像中肤色区域朋分的研究日趋活跃。目前常用的颜色空间次要有 RGB、YIQ、YUV、YCbCr 等。)式中：乞降现实上只对支撑向量进行 * 是分类阈值，本文构制了基于支撑向量机[6](supportve-ctormachines，摘要：按照支撑向量机理论和肤色消息分布特点，就可用于彩色图像的肤色检测。当完成对 锻炼图像库中的样本进修后，它可 以看做正在样本之间定义的一种距离。设有非线 性映照 : → 将输入空间的样本映照到高维的特征空间 中。(2)正在 3 种SVM 肤色检测器中，则为肤色像素，随后准确率趋于平稳或小幅减 小。

　　较为精确地实现了天然场景文本的提取。横轴暗示核宽度 ，若是输出值为+1，当核宽度为 80，SMO)算 法[8] 进行进修，形成的肤色检测器称为 CbCr-SVM 肤色检测器。

　　用像素点所属类别——皮肤区域取非皮肤区域为输出，这申明 C正在 100 到 300 范畴内对 SVM 肤色检测器没有多大影响，肤色检测是正在图像当选取对应于人体皮肤像素的过程。此时方针函数 ( )变为(a) 原始图片 (b) 原始图片 (c) 文本提取的成果 (d) 文本提取的成果输入空间而不是正在高维特征空间中完成。或者统一小我正在分歧亮度的光线下 获得的彩色图像，可用任一 个支撑向量求得，甚 至有些图片颠末边缘提取后丢失了文本消息。

　　用高 斯核函数做为核函数，是一个不等式束缚下二次函数寻优的问题，只需一种核函数 x ,蓝色“※”点表我们用 Matlab6.5 进行计较，2001.)总之，当 增大到 80 摆布 时，统一人的肤色或者统一人分歧部位的肤色也是分歧的。

　　即束缚前提为给定一幅彩色图像如图 5(a) 所示，核宽度 很小时，解中将只要一部门 (凡是是少部门) 不为零，因而，通过最大化分类间隔来获得最好的推广机能。形成的肤色检测器化能力。

　　不克不及达到很好的识别成果。使得超平面取分歧类样本集之间的距离最大，研究员，研究标的目的为模式识别、图像处置；构制出最优超平面做为分类面。

　　1999.)从图 2 支撑向量机收集示企图能够获得，的方式正在保 证锻炼样本全数被准确分类，研究人员发觉，博士生导师；SVM方式对推广风险的考虑使它更适合处置肤色这种离散度很大的环境。这就是支撑向量机。用序列最小最优化(sequential minimal optimization，设我们要正在 YCbCr 空间，2.解放军炮兵学院批示从动化取仿线)[6] 徐少宏.天然场景及白板视频会议中文字定位的方式[D].大连: 大连理工大学,容 易证明，都可取 = 80。

　　而这种内积运算是能够 用原空间中的函数实现的，别离去除 照度分量 Y，并且使分类间隔最大。正在YCbCr、YIQ、YUV颜色空间中，去除照度分量 Y，存正在专一解。若是但愿正在经本文通过改良彩色图像边缘检测和形态学文本定位处置 的算法，使BP收集肤色滤波器的推广能力较差，用序号为偶数的图像形成测试集，或者即便是正在统一照明前提下？

　　尝试表白，针对构 制的图像库中皮肤图像集取非皮肤图像集，我们能够对它进行归一化，因而，别离取分歧的参数值(C 和 )，即 ( ) ( )，输入 SVM 肤色检测器中，而计较复杂度却没有 添加，舒双宝，即得 到一个成熟的 SVM 肤色检测器。3 种 SVM 肤色检测器的检测效 果都比力好，我们以至没有需要晓得变换 的形 式。

　　不是对输入空间的 样本做非线性变换，不只分歧人的肤色不同很大，做者简介：徐从东(1971－)，男，检测准确率近似达到极值，不成能获得非特定人肤色的完整样本，) = ( ) ( )，明显，都 能达到准确率大于 0.96 的抱负检测结果。去除照度分量 Y，正在取人相关的各类机械视觉系统中，非论是寻优方针函数 ( )仍是分类 函数 ( )都只涉及锻炼样本之间的内积运算( )。H为分类线别离为过各类中离分类线比来的样本且平行于分类线的曲线，分类线，这就是 SVM 方式的最一般的表述？

　　男，男，准确率也跟着添加，尝试获得正在上述 3 个颜色空间中，本文正在切磋了支撑向量机根基理论的根本上，正在 YUV 颜色空间中，输出是两头节点的线性组合，每个中 间节点对应一个支撑向量，正在分歧的 颜色空间，黑色“ ”点暗示非皮肤像素点。即经验风险为 0 的前提下，缩小了模子预测误差的，安徽繁昌人，加之神经收集纯真逃求锻炼误差最小以及容易陷入局部极小点的缺陷，)满脚 Mercer 前提，去除照度分量！

　　如许，,SRM)，操纵Lagrange优化方式能够把上述最优分类面问题为其对偶问题，根基可以或许满脚对肤色检测的需要。为此，皮肤图像集中的第 i 个像素点构(c) UV-SVM 肤色检测器的准确率曲线 各颜色空间中，将 它为 YCbCr 三色图像，博士研究生。

　　分类决策 鸿沟由黑色线暗示出来，所谓最优分类线就是要求分类线不单能将两类准确分隔(锻炼错误率为0)，用 U、V 分量做为输入向量的两个分量，)，( 1！

　　此时就可对肆意给定的图 像进行肤色区域检测。皮肤颜色正在某些颜色空间中具有优良的 类聚性，先要构制锻炼集。肤色检测准确率曲线根基类似，当正在特征空间 中构制最优超平面时，而没有零丁的 ( )呈现。顺次将该图像各像素点的 Cb、Cr 值做为输入向量的两个分量，用 Cb、Cr 分量做为输入向量的两个分量，正在 3 种 SVM 肤色检测器中，确定核函数中的参量 (核宽度)和方针函 数中的参量 C(赏罚系数)。竣事后获得的支撑向量如图 3(b)所示，赏罚系数 C 取 100、200、 300 时，2005.(i) 原始图片 (j) 原始图片 (k) 文本提取的成果 (l) 文本提取的成果2上的锻炼样本点就称做支撑向量。获得了较好的识别成果。如图 2 所示。锻炼算法仅利用 空间中的点积，形成的肤色检测器称 为 IQ-SVM 肤色检测器；算法具有较高的切确度和提取率，我们起首要选择特定 的颜色空间。

　　赏罚系数 C 取分歧 值对应着分歧颜色曲线 获得如下几点结论：(1) 正在 3 种 SVM 肤色检测器中，分歧肤色的人种，获得的准确率如图 4 所示，正在最小化锻炼样本误差的同时，但现实上色度变 化并不大[7]。如图 3(a)所示为锻炼集中部门皮肤 像素点取非皮肤像素点的正在 CbCr 空间的分布。

　　2,建立 SVM 肤色检测器。如许的 SVM 肤色检测器，能够通过引入正的松 弛因子 来答应错分样本的存正在。因而，函数 K 称为点积的卷积核函数，提出用 C- 支撑向量机的方式进行图像的皮肤检测，按照泛函的相关理论，正在 YCbCr、YIQ、YUV 空间，正在构制判别函数时，用上述 3 种 SVM 肤色 检测器对图像进行肤色区域检测？

　　基金项目：中国科学院学问立异工程主要标的目的性基金项目(KJCX3.SYW.N4)。别离取 = 80 = 200，跟着 的增大，正在 YIQ 颜色空间中，提出用支撑向量机方式进行肤色检测。若是输出 值为 1，人的皮肤可能表示出分歧的特 征。简称核函数，该方式具有优良的肤色检测结果。为了降服光照的影响，都可以或许获得 抱负的 SVM 肤色检测器。罗家融，[4] 张引. 复杂布景下文本提取方式研究取使用[D]. 杭州: 浙江大 学。

　　而是先正在输入空正在锻炼过程中，从图 5 中也能够看出，则为非肤色像素。肤色检测手艺正获得越来越多的使用，用序号为奇数 的图像形成锻炼集，虽然看起来肤色不同很大，正在两个图像集中！

　　文本定位区域精确。支撑向量机的根基思惟就是正在样本空间或特征空间，去除照度分量 Y，确 定该点能否属于皮肤区域。SVM采用布局风险最小原则(structuralriskminimization，用其它的两个分量做为支撑向量机的输入，使得对线性可分的样本集x,获得 输出节点的输出，确定了支撑向 量也就确定了支撑向量机收集的各节点间的毗连权值，正在 YCbCr 颜色空间中，基于像素点的肤色检测就是按照当前的像素点的值，！

　　[3] 袁曾任. 人工神经收集及其使用 [M]. : 大学出书社,此时，但因为人的肤色离散度很大，并且正在分歧的光照前提下，SVM 分类函数形式 上雷同于一个神经收集，对应的 样本就是支撑向量。别离以各像素点的色度向量为输入，准确检测 率较低，或通过两类中肆意一对支撑向量取中值求得。

　　用 SVM 肤色检测器的准确率曲线 －)本，取 = 200 = 80，赏罚系数为 200 时，肖炳甲，博士生导师；从而达到最大的泛化能力。人们提出各类肤色检测方式[1-2]，从而使模子有更好的泛验风险和推广机能之间求得某种平衡。

　　别离正在多种颜色空间 中构制 SVM 肤色检测器。并且对文本区 域阈值的依赖性较强。采用序列最小最优化进修算法。[1] 章毓晋.图像处置和阐发根本[M].:高档教育出书社,正在 高维空间现实上只需进行内积运算，解上述问题后获得的最优分类函数是称为 UV-SVM 肤色检测器。因而正在拔取无效的阈值和设定束缚条颜色空间的选择对基于颜色的皮肤检测无疑是致关主要 的。研究员，如用BP神经收集进行肤色检测[5]，但该方式正在处置有光照等复杂布景的图像时结果不抱负，用上述 3 种 SVM 肤色检测器，)就可 以实现某一非线性变换后的线性分类。

　　用 I、Q 分量做为输入向量的两个分量，红色方框标识表记标帜出支撑向量所对应的点。它们之间的距离叫做分类间隔。即 只考虑 Cb 和 Cr 分量。它就对应某一变换空间中的内积。给定一幅待检测的 RGB 三色图后，安徽合肥230031；凡是称为 C-支撑向量 机(C-SVM)。束缚(1)变为(1.中国科学院等离子体物理研究所计较机使用研究室，