Matlab 基于图像处理的秃头检测

我想知道是否有人能为我提供一个指导，来检测照片中的人是否秃顶，或者更好，他有多少头发。 到目前为止，我试图检测面部和眼睛的位置。根据这些信息，我粗略估计了额头和秃顶的面积，将眼睛上方的区域切割到脸的某个部分

然后，我提取HOG特征，并使用SVM对系统进行秃顶和非秃顶图像的训练

现在，当我看测试结果时，我看到一些被归类为秃头的照片，但其中一些照片实际上有金色的头发或长长的前额，在剪发过程中看不到头发。我正在使用MATLAB进行这些操作

---

所以我知道这个方法看起来有点幼稚，但是你能建议一种找出秃头区域或提取头发（如果有的话）的方法吗。什么方法最适合解决这类问题？

非常笼统，所以除非提供进一步的信息，否则答案是笼统的

使用计算机视觉（例如）检测面部/头部

头部有类似物（用于人脸），使用这些可以得到头发或秃顶的头部区域（看起来你已经有了这些）

计算人的皮肤所在的（概率颜色空间模型）范围（大多数人的皮肤或空间范围相似）

计算该区域皮肤与其他颜色（指头发）的百分比

你说对了 要估计肤色模型，请查看以下文件：

---

如果某个区域与皮肤模型不匹配，则可以将其视为非皮肤（即头发，假设样本中不存在帽子等）

头部区域非常小，因此，使用HOG进行分类没有多大意义

你可以使用先验信息，比如检测人脸；面部上方一定会出现秃顶/毛发。另外，使用一些更密集的特征描述符

---

您可能会得到非常稀疏的表示或相当少的信息，因为您的分类器无法正确分类。

我正在使用Matlab进行这些操作确定编辑的答案，如果您需要更多信息，我可以更新。注意，有很多方法，这里提出了一种颜色空间模型方法，在大多数情况下非常快速和准确，也存在其他方法是的，但问题是，基于图像，考虑到大量的测试图像，有时眼睛上方的切割区域不能很好地代表我想要的区域。例如，在大多数情况下，当图像有头发时，它会切割面部前额并将其分类为秃头。是的，这是样本图像的问题，估计器无法估计不存在的东西！因此，样本图像必须具有某种形式才能正确使用。除此之外，您认为仅使用秃头图像的一类SVM分类比使用秃头图像和非秃头图像的二值SVM更好吗？在这种情况下，系统将识别秃顶图像，并将其他任何图像视为其他图像。您需要正确定义问题。我们对你的数据一无所知。您使用哪些数据进行培训，哪些数据用于测试。也许，如果它检测到金发女郎很大胆，是因为你的训练集中没有金发女郎。我有一个秃顶数据集和一个非秃顶数据集。非秃头数据集中一定有金发。我猜分类器把黄色的头发当作皮肤，也许这就是原因。