基于肤色模型的人脸检测算法研究

论文摘要

人脸检测技术在当今社会生活中扮演着相当重要的角色,如视频监控、人机交互、人脸识别、人脸数据库分类管理等业务,均用到了人脸检测这个关键技术。人脸的检测和识别技术是模式识别、计算机视觉和图像理解系统的研究热点之一,它综合了图像理解、计算机视觉、数据库和人工智能等多方面多学科的知识,应用前景广阔,受到了越来越广泛的重视,并得到了迅速的发展,并取得了很多有价值的研究成果。但是,目前的人脸检测算法一般对光照情况和背景的复杂程度的变化适应性较差,特别是在面对恶劣光照环境时候,人脸的检测率非常低。本文主要研究了基于肤色模型的人脸检测算法的基本理论和关键技术,总结分析了基于肤色模型的人脸检测算法的优势与弱点,重点讨论了由于恶劣光照条件带来的对人脸检测结果的不利影响的问题。本文采用针对不同光照环境的光线补偿算法,克服人脸图像在复杂光照环境下的检测困难,提出了一种从粗到细、从整体到局部的基于不同颜色空间的人脸光照补偿算法。该算法不用估计环境光的方向、强度和光源的性质(如:是否点光源、是否平行光、单光源还是多光源等)。针对不同的光照环境情况(主要为光照不足或过亮、有色光源照射、由于偏光造成的局部阴影),采用不同的光线补偿策略,并配合基于混合高斯模型对肤色色度信息进行描述,并采用根据各像素点距肤色中心马式距离来计算与肤色相似度的算法,对很多图像处理都得到了比较好的结果,使得皮肤与非皮肤区域有效的分开。理论和实验证明,本方法能够有效地解决人脸检测和识别中不同复杂光照环境影响的问题,提高肤色区域与非肤色区域的分割准确性,使在不同光照条件下的人脸检测性能得到了很大的提高。而且本方法还具有运算效率高、鲁棒性好的特点。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 论文研究背景及意义
• 1.1.1 人脸检测算法的产生背景
• 1.1.2 人脸检测算法研究的意义
• 1.2 国内外研究现状
• 1.3 论文的主要研究工作
• 1.4 论文的结构安排
• 2 人脸检测技术综述
• 2.1 基于知识的方法
• 2.1.1 基于知识的方法原理
• 2.1.2 自上而下的人脸特征
• 2.2 基于模版匹配的方法
• 2.3 基于外观的方法
• 2.3.1 本征脸法
• 2.3.2 基于分布的方法
• 2.3.3 神经网络
• 2.3.4 支持向量机（SVM）
• 2.3.5 SNoW
• 2.3.6 贝叶斯判决
• 2.3.7 隐马尔可夫模型
• 2.3.8 信息理论法
• 2.3.9 归纳学习
• 2.4 本章小节
• 3 基于肤色检测模型的图像分割技术研究
• 3.1 引言
• 3.2 肤色检测模型
• 3.2.1 RGB 空间模型
• 3.2.2 HSI 空间模型
• 3.2.3 YCbCr 空间模型
• 3.2.4 TSL 空间模型
• 3.3 颜色空间的选择和区域分割
• 3.4 本章小结
• 4 人脸检测算法中的光照补偿策略
• 4.1 引言
• 4.2 光照不足或过亮的补偿策略
• 4.3 有色光源的补偿策略
• 4.4 局部补偿
• 4.5 本章小结
• 5 总结与展望
• 致谢
• 参考文献