人脸自动定位的图像视觉控制策略及其实现

论文摘要

人脸的自动定位是应用视觉研究领域的一个重要课题。它首先需要检测到人脸的位置和特征点,然后采用一定的控制策略控制摄像机运动将人脸定位到图像的中心。人脸自动定位属于人脸跟踪的范畴,在人脸识别、人机交互、智能视频通信、监视和安全以及娱乐等领域有着广泛的应用,发展前景巨大。但是目前的人脸定位算法一般是根据人脸的信息结合目标跟踪的方法,如帧间变化检测法、运动矢量法等,都需要利用帧间相关信息,需要进行摄像机标定,计算量大,实现难度高。而偏移量法虽然算法简单,但精度低,拓展性差。这些方法或算法复杂、或实用性差,都不适合人脸自动定位系统的实现。 鉴于此,同样是在结合人脸相关信息的基础上,作者提出了一种新的基于人工神经网络的目标定位图像中心的控制策略。该方法克服了传统跟踪算法中需要利用帧间相关信息和需要标定摄像机的缺点,只需通过目标检测程序给出目标特征点在计算机图像中的坐标,就可直接得出摄像机水平调整量和垂直调整量,根据调整量控制摄像机运动即可将目标自动定位在图像中心。 人脸自动定位的具体过程可以描述为:首先根据现有人脸检测的方法,提出了一种基于KL肤色的人脸初定位、用积分投影法和小灰度值聚类法确定眼球中心的人脸检测和特征点获取的方法。该方法逐步缩小图像处理的区域,检测速度快,能够满足实时性的要求。然后提出了一种新的基于人工神经网络反向传播算法的目标定位图像中心的控制策略,用来控制摄像机快速定位人脸到图像中心区域。最后通过VC++编程实现该系统。该系统主要针对简单背景下单个静止正面人脸的定位,但是对于其它较为复杂的情况,也有很好的拓展性。在本系统基础上加以改进,即可完成复杂情况下的人脸自动定位。 该课题在人脸定位系统中采用了传统的人脸检测和新的基于人工神经网络的目标定位图像中心相结合的方法,利用面向对象的方法实现了系统,并且取得了满意的效果,具有较强的实际应用价值。

论文目录

• 第一章 绪论
• §1-1 课题的意义
• §1-2 研究现状
• §1-3 本论文的工作及内容安排
• 第二章 控制策略的理论基础—人工神经网络
• §2-1 人工神经网络概述
• 2-1-1 人工神经网络研究的起源
• 2-1-2 人工神经网络的特性
• 2-1-3 人工神经网络的结构
• 2-1-4 人工神经网络的主要学习算法
• 2-1-5 典型的人工神经网络模型
• §2-2 反向传播算法
• 2-2-1 反向传播算法
• 2-2-2 反向传播改进算法
• §2-3 小结
• 第三章 人脸的检测
• §3-1 人脸检测方法概述
• §3-2 人脸图像的预处理
• 3-2-1 32位位图转换成24位位图
• 3-2-2 图像的平滑
• 3-2-3 光线补偿处理
• §3-3 基于KL肤色的人脸初定位
• 3-3-1 色彩空间的选择
• 3-3-2 KL变换
• 3-3-3 肤色模型
• §3-4 人脸重心的获取
• 3-4-1 积分投影法确定眼睛区域
• 3-4-2 小灰度值聚类法获取人脸重心
• §3-5 小结
• 第四章 人脸自动定位的图像视觉控制策略
• §4-1 相关定位方法概述
• 4-1-1 帧间变化检测法
• 4-1-2 运动矢量法
• §4-2 基于人工神经网络的目标定位图像中心方法
• §4-3 人脸自动定位的图像视觉控制策略
• §4-4 小结
• 第五章 系统的实现
• §5-1 系统介绍
• 5-1-1 系统的开发环境
• 5-1-2 系统界面
• 5-1-3 系统的流程图
• §5-2 系统的编程实现
• 5-2-1 系统中主要函数的实现
• 5-2-2 系统的定位结果
• §5-3 系统实现中两个具体问题的解决方法
• 5-3-1 云台控制
• 5-3-2 系统中人工神经网络的训练方法
• §5-4 小结
• 第六章 结论
• 参考文献
• 致谢
• 攻读学位期间所取得的相关科研成果