基于简单高斯模型的肤色检测 阈值分割采用了OTSU方法 opencv 1.0和2.2都编译通过

肤色识别Matlab程序，能够准确分割出手势区域，具有很好的学习价值。

本代码实现了基于ycbcr空间的代码转换，实现了人脸检测，在复杂背景下实现了人脸定位

这个是Android Studio用的主题，AS基于IntelliJ IDEA，所以IntelliJ IDEA的主题AS都可以用,下载之后import到AS即可。

仔细揣摩人体肤色 Photoshop3 图片处理 高级手绘技术技巧

基于传统的手部轮廓特征提取不能应对飞行模拟环境下的脸部肤色、遮挡、光照影响, 以及传统的傅里叶描述子特征容易受到背景、手的姿态变化, 且对手势描述能力有限等问题, 对传统的手部分割和特征提取方法改进. 本文首先对采集的数据集进行肤色处理, 然后结合调用的手部关键点模型检测出手部22个特征点, 采用八向种子填充算法进行图像分割. 接着对手部轮廓和关键点连接骨架进行傅里叶描述子算法特征提取, 最后通过支持向量机算法对提取的手势特征数据集进行训练、识别. 实验结果表明, 本文方法具有较好的手部分割, 特征提取不易受到背景、手的姿态变化的影响, 能够很好地应对在飞行模拟环境下的复杂背景下的干扰, 识别准确率能够达到98%. 本文研究在传统的手势识别算法中有一定的提高作用, 在手部交互技术领域有很重要的应用价值.

肤色分割数据集 下载：数据文件夹，数据的描述 摘要：肤色分割的数据集构建了B、G、R颜色空间。皮肤和非皮肤性数据是使用来自不同年龄、人脸皮肤纹理生成的性别和种族的人。 数据集的特征： 单因素 实例的数目： 二十四万五千零五十七 区域 电脑 属性特征： 真实 属性的数目： 四 捐款日期 2012-07-17 相关的任务： 分类 遗漏值的吗？ N / A Number of Web Hits: 十二万七千六百九十九 来源 该rajen Bhatt，迪豪；rajen.bhatt'@'gmail.com, IIT Delhi. Data Set Information: 皮肤的数据集是通过随机抽样B、G收集，从不同年龄组的人脸图像的R值（小，中，老），种族（白人，黑人，和亚洲），和性别从FERET和PAL数据库。总样本大小为245057；其中50859是皮肤样本和194198个非皮肤样本。这个数据集的尺寸为245057×4，前三列是B，G，R（x1，x2，x3和特点）值和第四列为类标签（决策变量Y）。

使用预提取肤色模型进行手势分割，进而通过手指检测识别手指个数，能够识别0-5个数字。 算法使用opencv进行实现，初始化时需要使用手掌覆盖住七个绿色的小正方形进行肤色提取，待绿色方框变成白色即可建立肤色模型。通过对肤色进行建模进而分割出手势轮廓进而进行识别。 工程由VS2010+opencv2.4.6实现，更改opencv include及lib路径等配置即可运行。

C#仿腾讯QQ做的一个程序，基本实现了聊天，添加、删除好友等基本功能，并做了管理员，系统消息发布与接受及肤色改变等多种附加功能！

提出了一种基于人脸肤色信息和模板匹配，对彩色图像中的人脸进行检测的方法。该方法首先在YCbCr色彩空间下，利用肤色信息将彩色图像中的肤色区域和非肤色区域分开，计算得到表示肤色相似度的色度图，然后分割由此色度图所生成的灰度图像，从而得到人脸检测的候选区域，同时计算该区域的欧拉数来进一步缩小人脸搜索的范围，结合人脸模板进行匹配，最终确定并标记出彩色图像中人脸的位置。实验结果表明：该方法能够在具有复杂背景的彩色图像中快速并且准确的检测出人脸，误检率较低。