基于肤色模型与灰度复杂度的人脸检测研究

论文摘要

随着科技的发展,传统的身份验证己经很难适应人们的需求。基于虹膜和指纹的生物特征验证对采集条件要求高,很难大范围推广。基于人脸检测的生物特征识别具有友好、方便、对硬件设施要求不严格等优势,近年来已经受到充分关注。由于人脸检测是人脸识别的基础,也是基于内容(如视频等)检索的基础,因此具有十分重要的研究意义和实用价值。近几年来,随着电子商务等应用的发展使得人脸检测开始作为一个独立的课题受到研究者的重视。人脸检测的应用背景己经远远超出了人脸识别系统的范畴,在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。针对当前人脸检测的研究现状与难题,本文主要从人脸图像的肤色分割、候选区域边缘检测、轮廓跟踪、面部特征定位算法等几方面对人脸检测课题进行了初步的研究和探讨,并取得了一些收获。(1)针对Rein Lien Hsu的Cb、Cr椭圆聚类肤色模型对于亮度较低的非肤色区域容易误判为肤色,而对于亮度较高的肤色区域误判为非肤色区域的缺点。本文在进行肤色提取前,首先对亮度区域进行划分,在不同的亮度区域运用不同的模型来检测肤色点,这样可以减少在高亮度区域和亮度较低的区域中的肤色点的误判问题。(2)为了进一步排除分割后不含人脸的肤色区域,利用人脸的几何特征,对二值化图中的目标区域进行比例、大小结构的分析,排除不可能的人脸区域,然后基于肤色和位置进行区域优化,并将处理后的结果作为候选人脸区域输出。(3)采用Sobel算子与Canny算子相结合的方法对候选人脸区域进行边缘检测,并对检测后的边缘信息进行分析,排除非人脸区域,然后用下颚轮廓跟踪算法去除候选区域可能存在的脖子部分实现人脸精确定位。(4)利用积分投影方法对人脸区域水平和垂直两个方向分别进行灰度值累加统计,经过分析可以定位眼睛和嘴巴的区域边界和中心点。同时针对积分投影方法最大的缺点是：如果头部发生倾斜,会使得人脸的特征不再保持水平和垂直,它们相应的投影位置将不再准确。提出了基于灰度复杂度的眼睛定位方法,利用该方法首先定位人眼,然后根据人眼位置进行人脸区域旋转校正,再利用积分投影定位嘴巴。随着科技的发展,传统的身份验证己经很难适应人们的需求。基于虹膜和指纹的生物特征验证对采集条件要求高,很难大范围推广。基于人脸检测的生物特征识别具有友好、方便、对硬件设施要求不严格等优势,近年来已经受到充分关注。人脸检测问题最初作为自动人脸识别系统的定位环节被提出,由于人脸检测是人脸识别的基础,也是基于内容(如视频等)检索的基础,因此具有十分重要的研究意义和实用价值。近几年来,随着电子商务等应用的发展使得人脸检测开始作为一个独立的课题受到研究者的重视。人脸检测的应用背景己经远远超出了人脸识别系统的范畴,在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。近年来由于其在安全访问控制、视觉监测、基于内容的检索和新一代人机界面等领域的应用价值,开始作为一个独立的课题受到研究者的普遍重视。本文从人脸检测问题的分类,人脸模式的分析、特征提取与特征综合,性能评价等角度,系统地整理分析了人脸检测问题。

论文目录

• 基于肤色建模与灰度复杂度的人脸检测研究
• 摘要
• Abstract
• 第1章 绪论
• 1.1 人脸检测研究背景和意义
• 1.2 人脸检测与人脸识别的关系
• 1.3 人脸检测国内外研究现状
• 1.3.1 基于知识规则的方法
• 1.3.2 特征不变量法
• 1.3.3 模板匹配法
• 1.3.4 基于外观的方法
• 1.4 论文研究内容和组织结构
• 第2章 肤色模型建立与肤色区域的分割
• 2.1 肤色建模常用色彩空间
• 2.1.1 RGB和标准化rgb色彩空间
• 2.1.2 HSI彩色空间
• 2.1.3 CMY彩色空间
• 2.1.4 YUV彩色空间
• 2.2 YCbCr彩色空间肤色模型及其改进
• 2.3 人脸候选区域分割流程
• 2.3.1 系统流程
• 2.3.2 光线补偿
• 2.3.3 图像滤波
• 2.3.4 肤色建模
• 2.3.5 数学形态学操作
• 2.4 基于区域特征的人脸区域提取
• 2.4.1 基于面积占有率与区域填充率的方法
• 2.4.2 基于区域长宽比满足黄金分割的方法
• 2.4.3 基于肤色和位置的区域优化
• 2.5 本章小结
• 第3章 人脸区域精确定位
• 3.1 图像边缘检测的基本步骤
• 3.2 几种常用经典边缘检测算子
• 3.2.1 Roberts算子及其算法实现
• 3.2.2 Sobel算子及其算法实现
• 3.2.3 Prewitt算子及其算法实现
• 3.2.4 laplacian算子及其算法实现
• 3.2.5 Canny算子及其算法实现
• 3.3 基于Sobel算子与Canny算子相结合的人脸边缘检测
• 3.4 基于边缘特征的人脸精确定位
• 3.4.1 边缘信息面积占有率去除非人脸区域
• 3.4.2 下颚轮廓跟踪精确定位人脸
• 3.5 本章小结
• 第4章 面部器官特征检测
• 4.1 积分投影定位眼睛和嘴巴
• 4.2 基于几何结构和灰度复杂度的人眼定位
• 4.3 本章小结
• 第5章 结论和展望
• 5.1 结论
• 5.2 对进一步工作的展望
• 参考文献
• 人脸检测研究综述
• 摘要
• Abstract
• 第1章 引言
• 第2章 人脸检测问题的分类与人脸模式分析
• 第3章 人脸检测方法
• 3.1 基于知识的人脸检测方法
• 3.2 基于特征的人脸检测方法
• 3.2.1 基于低级别特征分析
• 3.2.2 基于中高级特征分析
• 3.3 基于模板匹配的人脸检测方法
• 3.4 基于图象块的人脸检测方法
• 3.4.1 本征脸
• 3.4.2 支持向量机（SupportvectorMachine）
• 3.4.3 稀疏网络
• 3.5 基于肤色区域分割与人脸验证方法
• 3.5.1 RGB和标准化rgb色彩空间
• 3.5.2 HSI彩色空间
• 3.5.3 其他常用色彩空间
• 3.6 基于启发式模型的方法
• 3.7 基于统计模型的方法
• 3.7.1 基于特征空间的方法
• 3.7.2 基于人工神经网的方法
• 3.7.3 基于概率模型的方法
• 3.7.4 基于统计模型的方法总结
• 第4章 总结与展望
• 参考文献
• A Study on Face Detection Based on Skin Color Model and Complexity of Gray
• Abstract
• CHARPTER 1 Introduction
• 1.1 Face detection research background and significance
• 1.2 The relations of face detection and face recognition
• 1.3 Face Detection Study of the status quo at home and abroad
• 1.3.1 Knowledge-based approach rules
• 1.3.2 Feature of variables
• 1.3.3 Template matching
• 1.3.4 Based on the appearance of the way
• 1.4 Research papers and organizational structure
• CHARPTER 2 colour model and colour of the regional division
• 2.1 Modeling common skin color space
• 2.1.1 RGB color space and standardization rgb
• 2.1.2 HSI color space
• 2.1.3 CMY color space
• 2.1.4 YUV color space
• 2.2 YCbCr color model and improve the colour space
• 2.3 Face candidate Segmentation
• 2.3.1 System processes
• 2.3.2 Light compensation
• 2.3.3 Image Filtering
• 2.3.4 Colour Modeling
• 2.3.5 Mathematical morphology operation
• 2.4 Unless the region to face rough classification
• 2.4.1 Based on the area of share and the method of regional Fill Rate
• 2.4.2 Based on the regional aspect ratio to meet the golden section method
• 2.4.3 Based on the colour and location of the regional optimization
• 2.5 Summary
• CHARPTER 3 Facial Feature edge detection
• 3.1 Edge detection of basic steps
• 3.2 Several classic edge detection operator
• 3.2.1 Robert operator and its algorithm
• 3.2.2 Sobel operator and its algorithm
• 3.2.3 Prewitt operator and its algorithm
• 3.2.4 laplacian operator and its algorithm
• 3.2.5 Canny operator and its algorithm
• 3.3 Sobel operator Canny operator and the integration of test results
• 3.4 Based on the edge of the facial characteristics of precise positioning
• 3.4.1 Share information to the edge of the region unless the Face
• 3.4.2 Jaw contour tracking precision positioning Face
• 3.5 Summary
• CHARPTER 4 Face detection characteristics of organ
• 4.1 Integral projection positioning eyes and mouth
• 4.2 Based on the geometry and gray complexity of targeting the human eye
• 4.3 Summary
• CHARPTER 5 Conclusion and outlook
• 5.1 Conclusion
• 5.2 Outlook
• A Survey of Human Face Detection
• Abstract
• CHARPTER 1 INTRODUCTION
• CHARPTER 2 Face detection and classification of the human face of model
• CHARPTER 3 Methods of Face Detection
• 3.1 Knowledge-based Face Detection
• 3.2 Based on the characteristics of the face detection method
• 3.2.1 Based on the characteristics of low-level
• 3.2.2 Based on the characteristics of senior
• 3.3 Based on the template matching the face detection method
• 3.4 Based on the image of the block face detection method
• 3.4.1 Intrinsic face
• 3.4.2 SupportVectorMachine
• 3.4.3 Sparse network
• 3.5 Segmentation based on skin color and facial verification method
• 3.5.1 RGB color space and standardization rgb
• 3.5.2 HSI color space
• 3.5.3 Other common color space
• 3.6 Based on the model of heuristic
• 3.7 Based on the statistical model of
• 3.7.1 Based on the characteristics of the method of space
• 3.7.2 Based on artificial neural network approach
• 3.7.3 Based on the model of probability
• 3.7.4 Based on the statistical model Methods
• CHARPTER 4 Summary and Outlook
• 攻读学位期间发表的学术论文和研究成果
• 致谢