KR20000045611A - Method for hand gesture recognition using formal color distribution and direction histogram - Google Patents

Method for hand gesture recognition using formal color distribution and direction histogram Download PDF

Info

Publication number
KR20000045611A
KR20000045611A KR1019980062178A KR19980062178A KR20000045611A KR 20000045611 A KR20000045611 A KR 20000045611A KR 1019980062178 A KR1019980062178 A KR 1019980062178A KR 19980062178 A KR19980062178 A KR 19980062178A KR 20000045611 A KR20000045611 A KR 20000045611A
Authority
KR
South Korea
Prior art keywords
color
image
direction histogram
distribution
hand gesture
Prior art date
Application number
KR1019980062178A
Other languages
Korean (ko)
Inventor
김남호
Original Assignee
김영환
현대전자산업 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김영환, 현대전자산업 주식회사 filed Critical 김영환
Priority to KR1019980062178A priority Critical patent/KR20000045611A/en
Publication of KR20000045611A publication Critical patent/KR20000045611A/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/113—Recognition of static hand signs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

PURPOSE: A method for hand gesture recognition using formal color distribution and direction histogram is disclosed to accentuate color distribution of complex environment's color change by using regular color distribution and direction histogram, which uses light intensity of image for color images that emphasizes on beige color. CONSTITUTION: A method for hand gesture recognition using formal color distribution and direction histogram is composed of conversion, accentuation, generation, and finalization. Color image is inputted and converted into formalized color(ST1)(ST2). The formalized color is then modeled as temporary draft distribution and an image, which accentuates the predetermined color, is created and glossiness is extracted(ST3)(ST4). Input image and training image's direction histogram is generated by the image that accentuates the predetermined color(ST5). The utility distance between input image and training image's direction histograms is compared, the glossiness of the predetermined color is finalized, and color image is recognized(ST6).

Description

정규화 색상 분포와 방향 히스토그램을 이용한 손 제스쳐 인식 방법Hand Gesture Recognition Using Normalized Color Distribution and Direction Histogram

본 발명은 영상 처리 분야에서의 손 제스쳐 인식에 관한 것으로, 특히 명암 영상을 이용하는 방향 히스토그램을 살색을 강조한 정규화된 컬러 영상에 이용함으로써 복잡한 배경 등의 여러 환경 변환에 강한 손 제스쳐 인식 방법에 관한 것이다.BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to hand gesture recognition in the field of image processing. In particular, the present invention relates to a hand gesture recognition method that is resistant to various environments such as complex backgrounds by using a direction histogram using a contrast image for normalized color images with emphasis on flesh color.

일반적으로 컴퓨터 시스템에 의한 디지털 영상 처리는 메모리 소자 등의 급속한 진보에 의하여 우주 관측, 의학용, 사진 해석, 디자인, 각종 패턴 인식 등 많 은 응용 분야에서 실용화되고 있다. TV 카메라, CCD(Charge Coupled Device, 전하 결합 소자) 카메라 등이 화상 입력 장치로서, 또한 카피(copy)를 위한 하드, 소프트의 각종 출력 장치가 사용되며, 디지털화된 화상을 컴퓨터로 처리하기 위한 MPEG과 같은 방법이 개발되고 있다.In general, digital image processing by computer systems has been put to practical use in many applications such as space observation, medical, photographic interpretation, design, and pattern recognition due to rapid advances in memory devices. TV cameras, CCD (Charge Coupled Device) cameras and the like are used as image input devices, and various hard and soft output devices for copying are used, and MPEG for processing digitized images with a computer and The same method is being developed.

이러한 영상 처리 분야에서 손 제스쳐 인식분야는 인간과 컴퓨터의 자연스러운 정보 전달 수단의 한 방법으로 관심을 모으고 있다.In the field of image processing, the hand gesture recognition field is drawing attention as a method of natural information transmission means of humans and computers.

그리고 손 제스처 인식에는 여러 방법들이 제안되고 있으나, 대부분 처리 시간이 많이 걸리고 영상의 취득 환경이 다름에 따라 동작이 영향을 많이 받는 단점이 있었다.In addition, various methods have been proposed for hand gesture recognition, but most of them take a lot of processing time and have a disadvantage in that operations are affected by different image acquisition environments.

특히 손 제스쳐 알고리즘은 실시간 구현 등의 제한점을 가지고 있다. 그리고 조명의 변화, 사용자의 개인적 차이, 카메라와 손의 거리에 의한 물체의 크기의 변화 등 영상의 취득 환경 변화에 영향을 받지 않아야 한다.In particular, the hand gesture algorithm has limitations such as real-time implementation. In addition, it should not be affected by changes in the image acquisition environment such as changes in lighting, personal differences of users, and changes in the size of objects due to the distance between the camera and the hand.

이에 본 발명은 상기와 같은 종래의 제반 문제점을 해소하기 위해 제안된 것으로, 본 발명의 목적은 명암 영상을 이용하는 방향 히스토그램을 살색을 강조한 정규화된 컬러 영상에 이용함으로써 복잡한 배경 등의 여러 환경 변환에 강한 정규화 색상 분포와 방향 히스토그램을 이용한 손 제스쳐 인식 방법을 제공하는 데 있다.Accordingly, the present invention has been proposed to solve the above-mentioned conventional problems, and an object of the present invention is to use a directional histogram using a contrast image for normalized color images with emphasis on flesh color, so that it is resistant to various environments such as complex backgrounds. The present invention provides a hand gesture recognition method using a normalized color distribution and a direction histogram.

상기와 같은 목적을 달성하기 위하여 본 발명에 의한 정규화 색상 분포와 방향 히스토그램을 이용한 손 제스쳐 인식 방법은,In order to achieve the above object, the hand gesture recognition method using the normalized color distribution and direction histogram according to the present invention,

영상 내에서 빛의 밝기에 영향을 덜 받기 위해 정규화 색상 분포를 이용하여 컬러 영상의 빛의 크기 변화를 억제하고, 컬러 정보를 가우시안 분포로 계수화하여 영상을 손을 분리해 낸 다음 물체의 위치와 크기 변화에 영향을 받지 않고 물체의 모양을 구분해내는 방향 히스토그램을 이용하여 손의 제스쳐를 인식함을 그 기술적 구성상의 특징으로 한다.In order to be less affected by the brightness of the light in the image, the normalized color distribution is used to suppress the change in the size of the light in the color image, and the color information is counted by the Gaussian distribution to separate the image from the hand, The technical configuration features that the hand gesture is recognized using a histogram that distinguishes the shape of an object without being affected by the size change.

도1은 본 발명에 의한 정규화 색상 분포와 방향 히스토그램을 이용한 손 제스쳐 인식 방법을 보인 흐름도이며,1 is a flowchart illustrating a hand gesture recognition method using a normalized color distribution and a direction histogram according to the present invention.

도2는 일반적인 RGB 공간에서의 색상 분포 그래프이고,2 is a graph of color distribution in a general RGB space,

도3은 본 발명이 적용되는 영상에 대한 방향 히스토그램을 보인 도면이며,3 is a view showing a direction histogram of an image to which the present invention is applied;

도4는 본 발명이 적용되는 훈련영상의 예를 보인 도면이다.4 is a view showing an example of a training image to which the present invention is applied.

이하, 상기와 같은 본 발명 정규화 색상 분포와 방향 히스토그램을 이용한 손 제스쳐 인식 방법의 기술적 사상에 따른 일실시예를 첨부한 도면에 의거 상세히 설명하면 다음과 같다.Hereinafter, an embodiment according to the technical concept of the method for recognizing a hand gesture using the present invention's normalized color distribution and direction histogram will be described in detail with reference to the accompanying drawings.

도4는 본 발명에 의한 정규화 색상 분포와 방향 히스토그램을 이용한 손 제스쳐 인식 방법을 보인 흐름도이다.4 is a flowchart illustrating a hand gesture recognition method using a normalized color distribution and a direction histogram according to the present invention.

이에 도시된 바와 같이, 컬러영상이 입력되면 정규화된 색상으로 변환시키는 단계(ST1)(ST2)와; 상기 정규화된 색상은 가우시안 분포로 모델링하여 미리 결정한 색을 강조한 영상을 만들고 윤곽선을 추출하는 단계(ST3)(ST4)와; 상기 미리 결정한 색을 강조한 영상으로 입력영상과 훈련영상의 방향 히스토그램을 구하는 단계(ST5)와; 상기 입력영상의 방향 히스토그램과 훈련영상의 방향 히스토그램간의 유클리드 거리를 비교하여 미리 결정한 색의 윤곽선을 최종 결정하여 컬러영상을 인식하는 단계(ST6)를 수행한다.As shown in the figure, converting a color image into a normalized color when it is input (ST1) (ST2); Modeling the normalized color using a Gaussian distribution to generate an image highlighting a predetermined color and extracting an outline (ST3) (ST4); Obtaining a direction histogram of the input image and the training image as the image highlighting the predetermined color (ST5); A step of determining a color image is performed by finally determining an outline of a predetermined color by comparing the Euclidean distance between the direction histogram of the input image and the direction histogram of the training image.

먼저 종래의 손 제스쳐 인식방법은 대부분 명암 영상의 윤곽선을 주정보로 이용한다. 하지만 하드웨어 등의 발달로 컬러 영상을 취득하고 처리하기가 용이하다. 컬러 영상은 명암 영상에 비해 많은 정보를 가지고 있어 인간의 손과 같은 특정한 물체를 배경 등에서 분리하기 쉽지만 조명의 변화에 더 민감한 특성을 가지고 있다.First, the conventional hand gesture recognition method mainly uses the outline of the contrast image as main information. However, with the development of hardware, it is easy to acquire and process color images. Color images have more information than contrast images, making it easier to separate certain objects such as human hands from the background, but they are more sensitive to changes in lighting.

영상처리 분야에서 색상은 영상 내의 관심의 대상이 되는 물체의 영역을 추출해 낼 수 있는 정보로 중요한 역할을 한다. 일반적으로 비디오 카메라는 RGB(Red Green Blue) 모델을 많이 사용하고 있으며, 이 모델은 다른 컬러 모델로 쉽게 변환이 가능하다. 비디오 카메라나 프레임 그레버는 아날로그 신호를 각각의 화소에 대해 세 개의 [0,1,...,255]의 값으로 변환된다. 즉, 한 화소는 각각 [0,1,...,255]의 값을 갖는 RGB의 조합 Q=(R,G,B)로 표현된다. 하지만 이 모델은 하나의 색상 뿐만 아니라 빛의 휘도까지 포함된 값이다.In the field of image processing, color plays an important role as information that can extract the area of the object of interest in the image. In general, video cameras use a lot of RGB (Red Green Blue) models, which can be easily converted to other color models. A video camera or frame grabber converts an analog signal into three [0,1, ..., 255] values for each pixel. That is, one pixel is represented by a combination Q = (R, G, B) of RGB having values of [0, 1, ..., 255], respectively. However, this model includes not only one color but also the brightness of light.

정규화 색상 모델은 전체 분포에서 빛의 휘도를 제외시킨 값이다.The normalized color model excludes the luminance of light from the overall distribution.

도2는 일반적인 RGB 공간에서의 정규화 색상 모델을 보인 그래프이다.2 is a graph showing a normalized color model in a general RGB space.

RGB 공간의 두 지점 Q1=(R1,G1,B1)과 Q2=(R2,G2,B2)가 다음의 수학식1과 같은 관계를 가지면, 이 두 점은 같은 색상을 가지고 있으나 다른 휘도값을 가지고 있다는 것을 의미한다.If two points in the RGB space, Q1 = (R1, G1, B1) and Q2 = (R2, G2, B2), have the same relationship as Equation 1 below, they have the same color but different luminance values. It means that there is.

RGB 공간상의 한 점에 대해 정확한 색상을 유지하면서 조명의 변화를 제거할 수 있는 정규화 과정을 거칠 필요가 있다. 임의의 색상이 다음의 수학식2와 같은 과정을 거치게 되면, 휘도 성분을 제거한 순수한 색상만 남는 결과가 된다.It is necessary to go through a normalization process to remove changes in lighting while maintaining accurate colors for a point in RGB space. If any color is processed as shown in Equation 2 below, only the pure color from which the luminance component is removed remains.

그리고 이러한 정규화 과정을 거치면 다음의 수학식3을 이용하여 세 개의 요소 중 두 개의 요소만으로 색상을 표현할 수 있어 계산상에서도 효율적이다.In addition, through this normalization process, color can be expressed using only two of three elements using Equation 3 below, which is efficient in calculation.

r+g+b=1r + g + b = 1

그래서 정규화 색상은 q=(r,g) 로 나타낼 수 있다. 정규화 색상을 이용하여 임의의 컬러 영상을 (r,g) 성분의 색상 분포 히스토그램으로 표현하면 살색 영역은 좁은 영역에 분포하며 개인이나 환경에 상관없이 그 분포가 규칙적인 모양을 가지게 된다. 이를 이용하여 색상 분포를 다음의 수학식4와 같은 2차원 가우시안 분포로 정의할 수 있다.So the normalized color q = (r, g) It can be represented by. When a color image is represented by a color distribution histogram of the (r, g) component using a normalized color, the flesh color region is distributed in a narrow region, and the distribution has a regular shape regardless of the individual or the environment. Using this, the color distribution may be defined as a two-dimensional Gaussian distribution as shown in Equation 4 below.

여러 실험 결과 살색 영역의 분포를 r의 평균은 85, g의 평균은 97, r의 표준편차는 5, g의 표준편차는 10으로 나타난다.Several experiments show that the distribution of skin area is 85 for r, 97 for g, 5 for standard deviation of r, and 10 for standard deviation of g.

이러한 가우시안 분포는 임의의 컬러가 살색에 얼마나 가까운지를 나타내는 척도라 할 수 있다. 이 확률값으로 임의의 영상을 나타내면 살색에 가까운 영역은 높은 값을 가지며, 살색에서 멀수록 낮은 값을 가지게 된다. 그리고 이와 같은 변환을 색상 변환이라 정의한다.This Gaussian distribution is a measure of how close any color is to flesh color. When the random image is represented by this probability value, the area closer to the flesh color has a higher value, and the farther from the flesh color, the lower the value. This conversion is defined as color conversion.

색상 변환을 통하여 살색을 강조한 영상을 방향 히스토그램의 원 영상으로 이용한다. 방향 히스토그램은 영상의 1차 미분의 각도인 다음의 수학식5를 구하여 0~360도까지의 히스토그램을 구한다. 그리고 10도씩의 구간을 하나의 bin으로 정의하여 총 36개의 값으로 히스토그램을 최종적으로 구성한다.The color-enhanced image is used as the original image of the direction histogram through color conversion. The direction histogram is obtained from the following Equation 5, which is the angle of the first derivative of the image, to obtain a histogram of 0 to 360 degrees. Finally, the histogram is finally composed of 36 values by defining 10-degree intervals as one bin.

도3은 본 발명이 적용되는 영상에 대한 방향 히스토그램을 보인 도면이다.3 is a view showing a direction histogram of an image to which the present invention is applied.

이러한 도3은 방향 히스토그램의 성질을 설명한 것으로, 정사각형의 물체의 1차 미분을 구하여 방향 히스토그램을 구하면 같은 모양의 물체는 방향이 바뀌지 않았다면 일정한 방향 히스토그램을 나타낸다는 것을 알 수 있다.3 illustrates the properties of the directional histogram. When the first derivative of the square object is obtained to obtain the directional histogram, it can be seen that the object of the same shape shows a constant directional histogram if the direction is not changed.

이와 같은 방법으로 손의 훈련 영상과 입력 영상의 방향 히스토그램을 구한 다음 각 각도들의 유클리드 거리를 누적하여 가장 적은 값을 나타내는 훈련영상의 제스쳐를 최종값으로 결정한다.In this way, the direction histogram of the training image and the input image of the hand is obtained, and then the gesture of the training image having the smallest value is determined as the final value by accumulating Euclidean distances of the angles.

도4는 본 발명이 적용되는 훈련영상의 예를 보인 도면이다.4 is a view showing an example of a training image to which the present invention is applied.

이러한 도4는 영상1을 훈련영상으로 사용하고, 이에 대해 영상2와 영상3의 결과를 실험한 것이다. 여기서 영상1에 대해 영상2는 배경이 거의 유사하고 손의 제스쳐가 약간 달리진 것이며, 영상1에 대해 영상은 배경도 바뀌고 손의 제스쳐도 많이 달라진 것이다. 그래서 명암 영상에서 영상1과 영상2의 유클리드 거리는 2775이고, 영상1과 영상3의 유클리드 거리는 28034이다. 그리고 색상 변환 영상에서 영상1과 영상2는 1482, 영상1과 영상3은 24742이다. 이와 같이 색상 변환 영상을 사용하는 경우가 더 명확한 결과값을 가짐을 알 수 있다.FIG. 4 uses image 1 as a training image, and experiments with the results of images 2 and 3. In this case, the image 2 is almost similar to the image 1 and the gesture of the hand is slightly different. The image is changed in the background and the gesture of the hand is much different. Thus, in the contrast image, the Euclidean distance between Image 1 and Image 2 is 2775, and the Euclidean distance between Image 1 and Image 3 is 28034. In the color conversion image, image 1 and image 2 are 1482 and image 1 and image 3 are 24742. In this case, it can be seen that the use of the color conversion image has a clearer result.

이와 같이 명암 영상에 사용하는 것보다 정규화된 색상영상을 사용하면 복잡한 배경을 가진 임의의 손 영상에서 손의 윤곽선에 좀더 가중치를 주기 때문에 좀더 정확한 인식을 할 수 있게 된다.Using normalized color images, rather than using them for contrast images, gives more weight to the contours of the hand in arbitrary hand images with complex backgrounds, thereby enabling more accurate recognition.

이상에서 본 발명의 바람직한 실시예를 설명하였으나, 본 발명은 다양한 변화와 변경 및 균등물을 사용할 수 있다. 본 발명은 상기 실시예를 적절히 변형하여 동일하게 응용할 수 있음이 명확하다. 따라서 상기 기재 내용은 하기 특허청구범위의 한계에 의해 정해지는 본 발명의 범위를 한정하는 것이 아니다.Although the preferred embodiment of the present invention has been described above, the present invention may use various changes, modifications, and equivalents. It is clear that the present invention can be applied in the same manner by appropriately modifying the above embodiments. Accordingly, the above description does not limit the scope of the invention as defined by the limitations of the following claims.

이상에서 살펴본 바와 같이, 본 발명에 의한 정규화 색상 분포와 방향 히스토그램을 이용한 손 제스쳐 인식 방법은 살색(손)을 강조한 영상에서 방향성 히스토그램을 적용하면 복잡한 배경 내에서 살색(손)의 윤곽선만을 구현할 수 있기 때문에, 알고리즘의 특성상 하드웨어의 구현이 용이하고, 실시간으로 손 제스쳐를 인식할 수 있는 효과가 있게 된다.As described above, the hand gesture recognition method using the normalized color distribution and the directional histogram according to the present invention can implement only the outline of the flesh (hand) in a complex background by applying the directional histogram in the image highlighting the flesh (hand). Therefore, the hardware is easy to implement due to the characteristics of the algorithm, and there is an effect of recognizing a hand gesture in real time.

Claims (1)

손 제스쳐 인식 방법에 있어서,In the hand gesture recognition method, 컬러영상이 입력되면 정규화된 색상으로 변환시키는 단계와;Converting to a normalized color when a color image is input; 상기 정규화된 색상은 가우시안 분포로 모델링하여 미리 결정한 색을 강조한 영상을 만들고 윤곽선을 추출하는 단계와;Modeling the normalized color using a Gaussian distribution to generate an image highlighting a predetermined color and extracting an outline; 상기 미리 결정한 색을 강조한 영상으로 입력영상과 훈련영상의 방향 히스토그램을 구하는 단계와;Obtaining a direction histogram of an input image and a training image as an image highlighting the predetermined color; 상기 입력영상의 방향 히스토그램과 훈련영상의 방향 히스토그램간의 유클리드 거리를 비교하여 미리 결정한 색의 윤곽선을 최종 결정하여 컬러영상을 인식하는 단계를 수행하는 것을 특징으로 하는 정규화 색상 분포와 방향 히스토그램을 이용한 손 제스쳐 인식 방법.A hand gesture using a normalized color distribution and a direction histogram is performed by comparing a Euclidean distance between the direction histogram of the input image and the direction histogram of the training image to finally determine a contour of a predetermined color. Recognition method.
KR1019980062178A 1998-12-30 1998-12-30 Method for hand gesture recognition using formal color distribution and direction histogram KR20000045611A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1019980062178A KR20000045611A (en) 1998-12-30 1998-12-30 Method for hand gesture recognition using formal color distribution and direction histogram

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019980062178A KR20000045611A (en) 1998-12-30 1998-12-30 Method for hand gesture recognition using formal color distribution and direction histogram

Publications (1)

Publication Number Publication Date
KR20000045611A true KR20000045611A (en) 2000-07-25

Family

ID=19568865

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019980062178A KR20000045611A (en) 1998-12-30 1998-12-30 Method for hand gesture recognition using formal color distribution and direction histogram

Country Status (1)

Country Link
KR (1) KR20000045611A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100393071B1 (en) * 2001-08-18 2003-07-31 삼성전자주식회사 Apparatus and method for histogram equlization of image
KR101038674B1 (en) * 2009-01-22 2011-06-02 연세대학교 산학협력단 Color Detection Method and System
US8768006B2 (en) 2010-10-19 2014-07-01 Hewlett-Packard Development Company, L.P. Hand gesture recognition
KR101956203B1 (en) * 2017-11-02 2019-03-11 가천대학교 산학협력단 Method for Image Information Recognition Using Saliency Map and Saliency Cut

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100393071B1 (en) * 2001-08-18 2003-07-31 삼성전자주식회사 Apparatus and method for histogram equlization of image
KR101038674B1 (en) * 2009-01-22 2011-06-02 연세대학교 산학협력단 Color Detection Method and System
US8768006B2 (en) 2010-10-19 2014-07-01 Hewlett-Packard Development Company, L.P. Hand gesture recognition
KR101956203B1 (en) * 2017-11-02 2019-03-11 가천대학교 산학협력단 Method for Image Information Recognition Using Saliency Map and Saliency Cut

Similar Documents

Publication Publication Date Title
Kolkur et al. Human skin detection using RGB, HSV and YCbCr color models
Zhang et al. Improving shadow suppression for illumination robust face recognition
US7925650B2 (en) Image management methods, image management systems, and articles of manufacture
JP4597391B2 (en) Facial region detection apparatus and method, and computer-readable recording medium
JP2006508460A (en) Image signal processing method
JP2010157212A (en) Method for comparing input image of unknown face with reference image of known face
JP2016170542A (en) Image processing unit, image processing method and program
KR20060098730A (en) Apparatus and method for caricature function in mobile terminal using basis of detection feature-point
McBride et al. A comparison of skin detection algorithms for hand gesture recognition
CN112634125A (en) Automatic face replacement method based on off-line face database
WO2023273247A1 (en) Face image processing method and device, computer readable storage medium, terminal
CN109064431B (en) Picture brightness adjusting method, equipment and storage medium thereof
CN111126250A (en) Pedestrian re-identification method and device based on PTGAN
Fathy et al. Benchmarking of pre-processing methods employed in facial image analysis
Grigoryan et al. Color facial image representation with new quaternion gradients
Youlian et al. Face detection method using template feature and skin color feature in rgb color space
KR20000045611A (en) Method for hand gesture recognition using formal color distribution and direction histogram
Li et al. Illumination estimation based on bilayer sparse coding
Liu et al. Illumination compensation and feedback of illumination feature in face detection
Zheng et al. Coloring night-vision imagery with statistical properties of natural colors by using image segmentation and histogram matching
Li et al. Illumination processing in face recognition
Kwok et al. Single-scale center-surround Retinex based restoration of low-illumination images with edge enhancement
Merkle et al. State of the art of quality assessment of facial images
Shih et al. Multiskin color segmentation through morphological model refinement
Abdallah et al. Different techniques of hand segmentation in the real time

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid