论文题目: 复杂背景下的人脸检测
论文类型: 硕士论文
论文专业: 模式识别与智能系统
作者: 汪力
导师: 叶桦
关键词: 人脸检测,人眼定位,肤色模型,小波变换,主成分分析
文献来源: 东南大学
发表年度: 2005
论文摘要: 人脸识别一直是一个未解的难题,经过很多年的努力,仍然没有取得多少突破性的进展,这多少反映了人类对自身认识的困难。但是随着计算机技术的发展,在一些特定领域取得了不错的结果。本文主要想在人脸检测方面做一点研究。人脸检测是人脸识别的前期工作,是人脸识别必不可少的步骤,本文为了满足实时性的考虑,提出了在肤色基础上加入PCA方法和肤色基础上加入Log-Gabor方法来检测人脸,并且对这些方法都做了大量实验,并在此基础上做了深入的分析和比较。本文对于肤色空间作了详尽分析。首先在RGB空间作了实验,为了抵消光照变化影响,采用了角度度量方法。实验表明除了检测出人脸的肤色区域外,还把和肤色及其相似的桌子看成了人脸。然后在YCbCr空间和HSV空间进行检测,由于这两个空间分离出了亮度、饱和度,这使得我们的实验提高了精确性,实验结果也不受光照影响,很好的检测出人的肤色区域,为下面的实验提供了很好的基础。下面的工作主要是人眼的定位。眼睛是人脸图像中最重要的特征点,有效地提取人眼特征在人脸识别中具有重要的意义。我们先利用广泛实用的PCA方法,来检测人眼。基于主成分分析(PCA)的特征脸法是人脸识别中应用最广泛的方法。由于用于训练的样本数远远大于图像的像素数目,本文采用了SVD方法得到具有较大特征值的基底。并用这些基底的线性组合描述、表达和逼近人眼图像。因此可以较好的检测出人眼。在实验中,本文加入了一些先验知识,来弥补PCA方法的不足,最后结果显示可以很好的检测出人眼。PCA方法需要训练,检测时间较长,准确性不是很高,容易受外界环境和人的姿态影响,我们还利用了Gabor变换,对人眼检测做了深入具体的研究。Gabor函数是唯一能够到达测不准关系下界的函数,它能够很好的同时在时域和频域中兼顾对信号分析的分辨率要起。本文研究了Gabor变换在人眼识别中的意义、方法,以及它的具体实现。并在此基础上提出了利用Log-Gabor识别人眼方法。分析表明Log-Gabor能够更自然的表示人眼,并且在利用了傅利叶正反变换的基础上,能够达到快速识别的要求,因而满足了一定的实时性和实用性的要求。
论文目录:
摘要
ABSTRACT
第一章 绪论
1.1 引言
1.2 人脸识别研究范围及其意义
1.3 人脸识别技术
1.4 一些已有的商业化实现
1.5 人脸识别检测面临的挑战
1.6 人脸检测数据库
1.7 论文内容
1.8 论文的创新和工作
第二章 复杂背景下的人脸检测
2.1 人脸检测的意义
2.2 人脸模式分类
2.3 已有的人脸检测技术
2.3.1 基于知识的方法
2.3.2 Appearance-Based方法
2.3.3 基于分布式方法
2.3.4 神经网络（NN）
第三章 基于肤色的人脸定位
3.1 颜色视觉
3.2 颜色视觉理论
3.2.1 三色理论
3.2.2 视网膜皮层理论
3.3 人脸特征描述
3.3.1 肤色特征
3.3.2 灰度特征
3.4 肤色区域分割
3.4.1 利用肤色检测人脸的主要步骤
3.4.2 RGB空间中检测肤色区域
3.4.3 在YCbCr空间和HSV空间检测肤色区域
3.5 利用欧拉数排除非人脸区域
第四章 利用主分量(PCA)来检测人眼
4.1 人眼定位的重要性
4.2 已有人眼定位方法分析
4.3 PCA方法的实现
4.3.1 一种用于处理数据的关键技术
4.3.2 PCA在几何上的解释
4.3.3 使用PCA的步骤
4.3.4 把PCA用于人眼图像的说明
4.3.5 利用人眼数据库进行训练
4.3.6 人眼的精确定位
第五章 小波在识别中的使用
5.1 图像表示
5.2 小波在图像分析中的应用
5.3 小波对人脸图像的分析
5.3.1 典型的小波分解
5.3.2 Gabor小波变换
5.3.3 相似性度量和分类器选择
5.4 利用Gabor小波检测人眼
5.4.1 Gabor小波的实现
5.4.2 利用Log-Gabor滤波器识别人眼
5.5 主分量分析法和小波变换法的比较
5.6 利用Gabor变换定位人眼的小结
结束语
致谢
参考文献
作者在攻读硕士学位期间发表的学术论文
发布时间: 2007-06-11
参考文献
- [1].基于人眼状态的疲劳驾驶检测技术的研究与实现[D]. 孙超.大连理工大学2014
- [2].复杂背景下的人脸检测与特征提取研究[D]. 胡纲.重庆交通大学2010
- [3].人脸检测中的关键技术研究[D]. 李艳玲.中北大学2006
- [4].基于人眼定位技术的疲劳驾驶检测方法[D]. 李立凌.电子科技大学2012
- [5].基于两级分类器的人脸检测研究[D]. 尚凯.武汉理工大学2009
- [6].一种基于支持向量机的人脸检测方法[D]. 武慧.东北师范大学2008
- [7].基于肤色的人脸检测与人眼定位[D]. 郑庆.电子科技大学2007
- [8].复杂背景下的人脸检测[D]. 廖衡.北京邮电大学2011
- [9].基于视频的实时人脸检测研究[D]. 汪大庆.江苏大学2010
- [10].人脸检测及识别技术的研究与实现[D]. 耿续涛.昆明理工大学2007
相关论文
- [1].复杂背景下的人脸检测和识别[D]. 杜纪魁.南京理工大学2006
- [2].人脸检测与识别技术研究[D]. 程雪红.西安电子科技大学2006
- [3].复杂背景下的多表情人脸检测[D]. 方楠.上海海事大学2006
- [4].基于颜色与模板匹配的人脸检测方法[D]. 马艳.大连理工大学2006
- [5].人脸检测算法研究[D]. 柴梅平.中国科学院研究生院（长春光学精密机械与物理研究所）2006
- [6].人脸检测技术研究[D]. 田镭.上海交通大学2007
- [7].基于肤色的人脸检测与人眼定位[D]. 郑庆.电子科技大学2007
- [8].复杂背景下的人脸检测[D]. 盛光磊.郑州大学2007
- [9].彩色图像中复杂背景下的人脸检测[D]. 张书真.国防科学技术大学2006
- [10].人脸检测系统的设计与实现[D]. 黄金凤.华侨大学2007