一种基于改进YUV的人脸检测方法

论文摘要

人脸检测是确定人脸的位置、大小、数目的图像处理过程。人脸检测是人脸识别、人机交互、智能视觉监控等工作的前提。随着计算机应用的普及、性能提高以及图像和模式识别领域的研究逐步成熟,对人脸检测的研究也将受到越来越多的重视。虽然近几十年来出现了大量的人脸检测的算法,但检测率、检测速度以及算法鲁棒性等方面还是不够理想。因此本文对人脸检测进行了深入的研究,主要工作在如下三个方面:1.本文在灰度空间提出了一种利用眼睛和鼻子的灰度特征和几何特征的人脸检测方法。选取眼睛和鼻子作为特征点,构造一个三角的特征模型。另外,此方法对候选特征图像采用逐步改变分块大小的方法进行搜索,得到独立的特征点,并利用人脸结构特点的先验知识建立模型的搜索策略。实验表明,此方法能迅速准确的从复杂背景中检测出人脸,而且对多人脸同样有效。2.根据肤色色度的分配比例,本文提出了一种改进YCbCr的肤色检测方法,用Cg分量代替Cb分量,实验表明在改进的颜色空间内,肤色投影到CrCg平面内了更好得聚类效果。3.在肤色背景下,利用肤色和唇色在YUV空间分布特点,变换YUV空间的坐标轴,增大唇色和肤色V分量上的差异。提取的唇色的质心和旋转方向,根据人脸几何特征的先验知识建立人脸定位模型。实验表明唇色定位人脸算法简单,速度快,更具实效性,对旋转的人脸同样有效。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 人脸检测技术的背景和意义
• 1.1.1 人脸检测研究背景
• 1.1.2 人脸检测的研究意义
• 1.2 人脸检测的研究现状
• 1.3 人脸检测的评价标准
• 1.4 论文创新
• 1.5 论文章节安排
• 第2章 人脸检测的理论基础与数字图像处理技术
• 2.1 模式识别
• 2.2 人脸检测方法分类
• 2.2.1 基于启发式模型的方法
• 2.2.2 基于统计模型的方法
• 2.3 基于肤色的人脸检测算法分类
• 2.3.1 肤色检测加特征验证的算法
• 2.3.2 肤色检测加聚类分割再特征验证的方法
• 2.3.3 肤色检测加Mosaic 法验证
• 2.3.4 肤色检测加神经网络验证的方法
• 2.4 图像预处理
• 2.4.1 图像的增强
• 2.4.2 彩色图像的光线补偿
• 2.4.3 图像分割
• 2.4.4 阈值和滤波
• 2.5 小结
• 第3章 基于灰度空间的人脸检测方法
• 3.1 成像亮度
• 3.2 特征选取和特征模型检测
• 3.3 人脸区域的确定
• 3.4 小结
• 第4章 基于改进的YCbCr 颜色空间的肤色检测方法
• 4.1 几种常用于肤色模型的色彩空间
• 4.1.1 RGB 颜色空间
• 4.1.2 归一化RGB 空间
• 4.1.3 HSV 颜色空间
• 4.1.4 YCbCr 颜色空间
• 4.2 肤色模型分类
• 4.2.1 规定肤色范围
• 4.2.2 高斯分布模型
• 4.2.3 直方图模型
• 4.3 改进的YCbCr 空间
• 4.3.1 肤色的特征
• 4.3.2 改进颜色空间的思想来源
• 4.3.3 改进的颜色空间
• 4.3.4 bayes 肤色建模
• 4.4 形态学处理
• 4.4.1 去除噪声
• 4.4.2 开启和闭合
• 4.5 唇色检测
• 4.5.1 YUV 空间中唇色在肤色背景下的分布
• 4.5.2 YUV 坐标轴变化
• 4.6 人脸定位
• 4.6.1 确定唇色质心
• 4.6.2 确定唇色旋转方向
• 4.7 小结
• 第5章 人脸检测系统的实现与性能分析
• 5.1 模块框图
• 5.2 流程图
• 5.3 人脸检测算法评价指标
• 5.4 测试图像库
• 5.5 实验结果分析
• 5.6 部分结果展示
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文