全部作者：樊寧第1作者單位：北京郵電大學電信工程學院論文摘要：本文介紹了基於膚色的人臉檢測演算法的原理與系統構成。實驗採用了Anil 等人在YCbCr色彩空間上所建立的膚色模型，根據其在色度平面上的聚類結果，對待檢影象進行膚色分割。此外提出在膚色分割前對影象光度進行高頻提升濾波預處理步驟。該舉有效摒除了與面板色澤相近的背景物體的干擾，加強了膚色分割效果，提高了最終的檢測準確率。關鍵詞：膚色分割；人臉檢測演算法；高頻提升濾波 (瀏覽全文)發表日期：2008年01月11日同行評議：
本文主要貢獻在於：在膚色分割前對光度進行了濾波預處理，該步驟可以提高最終的檢測準確率。文章表述較為清晰，但在實驗部分建議以下修改：1）經濾波後圖像檢測的準確度為93.7%，那麼未經預處理的影象檢測的準確度為多少？雖然從視覺上，圖1和圖2在分割效果上存在著較大的差異，但通過ababoost演算法進行檢測，是不是仍然存在較大的差異？2）圖1和圖2應該改為彩色顯示。文中說圖1中的紅色磚牆背景在圖2中被清除。1個疑問是為什麼紅色磚牆會被誤識為人臉，在訓練時，人臉的取樣中是否存在紅色樣本？還是由於光照的影響導致的結果，但是文中說明訓練樣本為自然光線下獲取。3）實驗樣本來源如何？有沒有考慮到人臉色彩在不同種族上的差異。另外訓練樣本是如何獲取的？也是HHI中的137影象嗎？另外測試樣本和訓練樣本有沒有存在重疊？4）文章中說8幅漏檢的影象均為傾角70度以上的側面人臉，那麼漏檢的'原因是不是因為adaboost演算法的侷限性？還是由於分割演算法的問題？因為根據顏色進行分割的演算法應該和人臉的角度沒有關係的。希望能夠增加漏檢的影象樣本，作為圖例。5）文章所有的參考文獻都為2002年及之前，建議加入近幾年國內外最新的研究工作綜述，並且建議同至少1個近3年內該領域的分割演算法進行實驗效果比較，以增強演算法的說服力。
