基于肤色及AdaBoost算法的人脸检测技术研究

论文摘要

随着社会的不断发展,信息化程度的不断提高,人们对身份鉴别也提出了更高的要求。人脸作为人体的重要生物特征,在身份鉴别、自动监控、人机交互等很多领域具有极大的发展潜力。而人脸检测作为人脸识别的第一步,已经成为模式识别和计算机视觉领域中重要的研究课题。人脸检测是指对给定的任意一幅图像,利用一定的方法对其进行搜索以确定在该图像中是否存在人脸,如果存在,则返回检测出的人脸的位置、大小和姿态。在自然环境中所形成的图像易受图像背景、光照环境以及人体本身不同姿态的影响,从而使人脸检测变成了一项复杂的、极具挑战性的研究内容。但是由于人脸检测在安全访问、视频处理等领域具有广泛的应用价值,所以受到大量研究者的青睐。本文阐述了人脸检测技术的基本概念,分析和探讨了几种常用的人脸检测方法的实现思路,深入地研究了人脸检测技术。在此基础上,本文提出了一种基于肤色及改进的AdaBoost算法相结合的人脸检测方法。实验表明,本文给出的人脸检测方法是合理的,有着一定程度的理论意义和实用性。本文的研究工作主要有以下几个方面：首先针对彩色图像的肤色信息,给出了一种基于YCgCr色彩空间下的肤色区域检测方法。该方法利用在YCgCr色彩空间下建立的高斯肤色模型对待检测图像进行处理,得到其肤色相似度图像,然后采用自适应阈值方法分割出肤色区域,最后根据人脸的面部特征,采用数学形态学和连通域的知识对肤色区域进行进一步处理,以除去非人脸区域。基于肤色的人脸检测方法不容易受姿态和表情的影响,因而它具有较高的实用价值。其次介绍了传统的AdaBoost算法,针对其在训练弱分类器时可能会出现退化和样本权值扭曲的问题,本文对样本权值的更新规则进行了一定的改进。实验表明,该方法能在一定程度上防止退化现象的出现,提高了分类器的性能。最后,针对在复杂背景下基于肤色的人脸检测方法的误检率较高和AdaBoost算法需要较长时间来实现人脸检测的情况,本文将YCgCr色彩空间下的肤色信息和改进的AdaBoost算法结合起来,提出了一种新的人脸检测方法。该方法首先利用肤色信息分割出可能的肤色区域,然后再采用改进的AdaBoost算法训练出的强分类器对可能的肤色区域进行进一步的验证,最后输出并标注出人脸所在位置。实验表明,本文方法能有效地运用于复杂背景下的人脸检测,具有检测率高、误检率低、检测速度快等优点。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 人脸检测技术研究的目的及意义
• 1.2 人脸检测技术的研究现状
• 1.3 人脸检测方法简介
• 1.3.1 基于特征的人脸检测方法
• 1.3.2 基于统计理论的人脸检测方法
• 1.3.3 各种人脸检测方法的优缺点
• 1.4 人脸检测的评价标准及难点
• 1.4.1 人脸检测的评价标准
• 1.4.2 人脸检测的难点
• 1.5 论文主要工作及内容安排
• 1.6 本章小结
• 第2章 图像处理技术
• 2.1 图像采集
• 2.2 图像预处理
• 2.2.1 图像增强
• 2.2.2 光照补偿
• 2.3 图像分割
• 2.4 本章小结
• 第3章 基于肤色的人脸检测
• 3.1 色彩空间
• 3.1.1 RGB色彩空间
• 3.1.2 HSI色彩空间
• 3.1.3 HSV色彩空间
• 3.1.4 YCbCr色彩空间
• 3.1.5 YCgCr色彩空间
• 3.2 建立肤色模型
• 3.2.1 选择色彩空间
• 3.2.2 肤色模型
• 3.2.3 肤色相似度图像
• 3.2.4 肤色区域阈值分割
• 3.3 肤色区域的后续处理
• 3.3.1 数学形态学处理
• 3.3.2 连通域处理
• 3.4 基于肤色的人脸检测方法的实现过程及实验结果
• 3.4.1 基于肤色的人脸检测实现过程
• 3.4.2 实验结果及分析
• 3.5 本章小结
• 第4章 基于AdaBoost算法的人脸检测原理
• 4.1 AdaBoost算法的基本理论
• 4.2 矩形特征及其特征值计算方法
• 4.2.1 Haar特征
• 4.2.2 积分图像
• 4.3 AdaBoost分类器
• 4.3.1 弱分类器
• 4.3.2 强分类器的训练过程
• 4.3.3 级联分类器
• 4.4 改进的AdaBoost算法
• 4.4.1 AdaBoost算法存在的不足
• 4.4.2 改进的AdaBoost算法
• 4.5 本章小结
• 第5章 肤色及AdaBoost算法结合的人脸检测算法
• 5.1 肤色检测的优缺点
• 5.2 AdaBoost算法的优缺点
• 5.3 基于肤色及AdaBoost算法的人脸检测算法
• 5.3.1 肤色信息和AdaBoost算法结合的原理
• 5.3.2 基于肤色及AdaBoost算法的人脸检测算法实现
• 5.4 实验结果及分析
• 5.5 本章小结
• 第6章 总结及展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间发表论文