彩色图像人脸检测与特征定位技术研究

论文摘要

人脸检测是涉及模式识别、图像处理、生理学等多个领域的学科。最初的人脸研究主要集中在人脸识别领域,随着人脸应用范围的扩大、计算机技术的成熟,人们的实际应用需求越来越高,在这种背景下人脸检测从人脸识别领域分化出来,作为一门独立的研究课题受到研究者的重视。目前,国内外已经涌现出大量关于人脸检测的方法,但现有算法一般只能适用于一定的环境。然而,由于人脸自身的复杂性和外界环境等因素的影响也给人脸检测带来一定困难。因此,要实现一个无约束环境下检测率高、适应性好的自动人脸检测系统是一个极赋挑战性的课题。本文以复杂背景下的多人脸图像和简单背景下的单人脸图像为研究对象,采用基于肤色的人脸检测算法成功实现了肤色分割,并对简单背景下的单人脸图像实现了关键特征定位。具体内容如下：(1)分析计算机视觉领域中的各种色彩空间,考虑到肤色只与色度有关而与亮度无关,选择亮度与色度可分离的颜色空间YCbCr。并在利用肤色进行人脸检测之前对图像进行亮度调整。通过比较“参考白”、对数变换等亮度调整方法,本文采用基于’Gray World"假设的亮度补偿方法,能够直接在RGB图像实现快速操作。(2)由于YCbCr颜色空间中亮度信息并不完全独立于色度信息,本文首先将YCbCr颜色空间通过非线性变换转换到YCb’Cr’颜色空间,然后分别使用肤色相似度模型和椭圆模型对复杂背景下的多人脸图像和简单背景下的单人脸图像实现肤色分割。(3)由于分割出的肤色区域存在噪声,会影响到进一步的人脸定位,本文采用一种基于像素‘密度’滤波的方法,通过逐步缩小邻域范围实现反复滤波,并结合数学形态学开启操作对分割出的肤色区域进行噪声处理。(4)最后,本文对简单背景下的单人脸图像实现关键特征点定位。定位过程采用基于知识的特征定位方法,首先根据人脸器官的结构特征将人脸各个面部器官划分为独立的区域,然后在每个独立的区域进行最终定位,大大缩小了搜索范围,可以实现快速定位。本文在自行建立的图像测试集进行测试,但由于人脸自身的复杂性,人脸姿态和表情变化的影响等,人脸检测仍存在误检或漏检的可能,也使人脸关键特征点定位存在一定偏差。因此,如何降低人脸检测误检率和漏检率,提高人脸检测精度,同时实现复杂背景下多人脸图像的关键特征定位将是下一步研究的重点。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 人脸检测发展历史与现状
• 1.3 人脸检测方法综述
• 1.3.1 基于特征的方法
• 1.3.2 基于模板匹配的方法
• 1.3.3 基于线性子空间的方法
• 1.3.4 基于神经网络的方法
• 1.3.5 其他统计方法
• 1.3.6 本节小结
• 1.4 本文的研究内容和组织结构
• 第二章 基于肤色的人脸检测
• 2.1 颜色空间模型
• 2.1.1 RGB空间
• 2.1.2 HSI空间
• 2.1.3 YCbCr空间
• 2.1.4 YIQ颜色空间
• 2.2 选取颜色空间
• 2.3 肤色模型分类
• 2.3.1 简单色度空间模型
• 2.3.2 直方图模型
• 2.3.3 区域模型
• 2.3.4 高斯模型
• 2.4 肤色模型建立
• 2.5 肤色分割
• 2.5.1 阈值分割模型
• 2.5.1.1 相似度计算
• 2.5.1.2 阈值分割
• 2.5.2 椭圆模型
• 2.5.3 本节小结
• 2.6 标记人脸区域
• 2.7 本章小结
• 第三章 图像处理技术
• 3.1 光照补偿
• 3.1.1 直方图均衡法
• 3.1.2 对数变换
• 3.1.3 "参考白"方法
• 3.1.4 本文使用方法
• 3.2 噪声处理
• 3.3 数学形态学
• 3.4 本章小节
• 第四章 人脸特征检测
• 4.1 候选特征的提取
• 4.2 双眼和嘴巴的定位
• 4.2.1 眼睛的定位
• 4.2.2 嘴巴的定位
• 4.3 本章小结
• 第五章 实验结果与分析
• 5.1 算法总流程图
• 5.2 软硬件环境
• 5.3 实验结果与分析
• 第六章 总结与展望
• 6.1 本文工作
• 6.2 下一步工作展望
• 参考文献
• 在校期间的研究成果及发表的学术论文
• 致谢