文档介绍：关于人耳检测的文献1基于AdaBoost的侧面人脸、人耳检测现今,人脸检测技术的局限性主要存在于侧面人脸检测这方面,本文主要利用人脸人耳的位置关系,用AdaBoost方法进行分别检测,最后人脸检测与人耳检测融合在一起,以提高人脸检测效率。2综合肤色模型和多模板匹配增强Adaboost人耳检测为克服传统的Adaboost算法出现的样本训练时间过长、过于依赖样本质量等问题,在训练不足及初始人耳定位不好的情况下,引入YCbCr肤色模型和多模板匹配技术策略对人耳进行精确定位。实验表明,改进后的人耳检测性能得到较大的提高,对动、静态人耳均能达到准确定位和检测的效果,算法的鲁棒性较好。3基于肤色模型的人耳检测系统人耳检测是人耳识别以及基于内容的图像和视频检索的一项重要任务。本文提出了一种将背景差分和肤色模型相结合的人耳检测算法。算法首先在序列图像中自动提取运动目标并进行人体检测,然后经过肤色分割进行人耳的粗定位,产生人耳候选区域。最后利用人耳检测模块判断候选区域中是否含有人耳,以及获得它们的位置、大小等信息。实验结果表明,该算法是有效的。4一种基于改进GVFSnake的自动人耳检测方法近几年对人耳这种生物特征的研究大都只能依靠手工定位和分割人耳,,,提取非常接近于人耳实际边缘的初始轮廓线,不但节省迭代时间,还提高GVFSnake提取人耳边缘的准确率,%,,提出对内外耳轮廓加权,并利用Hausdorff距离进行人耳检测的算法。在传统的Hausdorff距离匹配中,图像如果受噪声干扰或边缘不连续等情况,检测结果不理想。因此为使检测位置更加接近外耳轮廓,需要强调外耳轮廓的作用,这通过对外耳加大权值、对内耳加小权值实现,然后再结合加权Hausdorff距离进行图像匹配计算。仿真实验表明,提出的算法是有效的。相比传统Hausdorff距离和平均Hausdorff距离的匹配,人耳轮廓加权的算法更加精确。6基于梯度的ROI提取及人耳检测利用人耳区域内梯度幅值较大这一特点,提出基于区域梯度的感兴趣区域(ROI)提取方法,进而利用支持向量机对人耳进行检测。ROI提取方法计算人耳大小区域的梯度均值,通过设定合适的阈值得到较少的候选区域。为降低搜索范围,用肤色模型检测人脸区域,然后设计区域梯度值快速搜索算法提取人耳的候选区域。将提取的候选区域利用主元变换降维后用支持向量机进行分类判别。实验结果表明此方法是有效的。7基于几何结构关键点的人耳检测人耳识别是目前生物特征识别的一种重要技术,外耳图像上最具区分能力的特征就是外耳的形状特征和外耳的解剖学特征,比如对耳轮、耳垂、三角窝等部分。本文的方法首先将基于灰度识别转化为复杂度比较,从而增强可操作性,然后结合人耳特有的几何特征,进行结构特征基本点的选取,在选取时考虑在局部采用优化算法进行最优化选点,最后抓取选取的最优点进行曲线的拟合,得到人耳轮廓及特征结构。8利用Hausd