基于肤色模型和神经网络的人脸检测算法研究

论文摘要

人脸检测问题最初是作为自动人脸识别系统的定位环节被提出,它是在输入图像中确定所有人脸位置、大小、位姿的过程。近年来,随着智能化信息处理技术的发展,其在模式识别与计算机视觉领域受到普遍重视,已成为一个十分活跃的研究方向。本文构建了一种包含肤色的层次式由粗到精的人脸图像检测模式,将肤色粗检测、数学形态学击中击不中变换与神经网络验证结合起来,逐步排除,一步一步缩小搜索区域,实现彩色静止图像中单个或多个人脸的检测与定位。首先利用肤色在色度空间中的聚类特征,通过收集一定数量的样本选择彩色空间并建立合适的肤色模型,然后采用分割算法对肤色区域进行分割。初步地将图像中绝大多数的肤色区域与背景区分开来,并进行判断、筛选,减少了待检测图像大小,为下一步人脸验证确定候选区域。进行了肤色粗检测之后,进一步验证人脸的存在,这也是本文要研究的重点。将人脸候选区域进行预处理并经过形态学击中击不中变换(HMT)后,对于人脸这类复杂、难以显式描述的检测模式,其基于神经网络的方法具有独特的优势,即把人脸模式的统计特性隐含在神经网络的结构和参数之中,通过对大量样本的训练,构建了一个神经网络分类器来完成验证任务。并通过实验得到更精确的分类检测效果,验证了算法在人脸目标检测与定位方面表现出的良好性能。最后提取和定位出人脸特征主要器官眼睛和嘴。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 国内外人脸检测技术研究概况
• 1.2.1 人脸检测问题的分类
• 1.2.2 人脸检测问题的关键研究方法综述
• 1.3 本文的主要工作和结构安排
• 第二章 算法设计思想和算法中主要的基本理论
• 2.1 算法的目标和设计思想
• 2.2 人脸检测处理技术中的基本理论
• 2.2.1 数学形态学
• 2.2.2 人工神经网络
• 第三章 基于肤色的人脸检测技术
• 3.1 颜色空间的选取
• 3.1.1 RGB 色彩空间（红、绿、蓝三基色模型）
• 3.1.2 归一化的RGB 空间
• 3.1.3 YUV 色彩空间
• 3.1.4 YCbCr 色彩空间
• 3.2 肤色检测模型的建立
• 3.2.1 肤色模型的介绍
• 3.2.2 肤色在YCbCr 色彩空间的聚类特性
• 3.2.3 样本像素的高斯肤色模型
• 3.3 基于肤色的人脸区域检测具体过程
• 3.3.1 肤色似然度图像
• 3.3.2 动态阈值的二值图像分割
• 3.3.3 二值图像去噪
• 3.3.4 连通区域标记
• 3.3.5 肤色区域预处理，构造候选人脸区域的外接矩形
• 3.4 基于肤色人脸检测结果分析
• 第四章 基于神经网络的人脸检测验证
• 4.1 基于神经网络的人脸区域的检测验证
• 4.1.1 人脸检测与神经网络
• 4.1.2 网络训练样本图像数据的选取和简单预处理
• 4.1.3 击中击不中变换处理
• 4.1.4 BP 网络分类器的结构设计和训练
• 4.1.5 人脸检测验证
• 4.1.6 实验结果和部分示例
• 4.2 人脸眼睛嘴唇器官的定位
• 4.2.1 眼睛的定位
• 4.2.2 嘴唇的提取
• 4.2.3 利用眼睛和嘴部映射定位人脸器官
• 4.3 实验结果示例
• 第五章 结论与展望
• 5.1 全文工作总结
• 5.2 对进一步研究工作的展望
• 致谢
• 参考文献
• 硕士期间发表论文