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
相关论文文献
标签:肤色检测论文; 唇色检测论文; 特征提取论文; 特征模型论文; 人脸检测论文;