基于支持向量机的人眼定位方法研究

论文摘要

计算机视觉作为一个极具挑战性的领域,一直以来都因为其巨大的发展潜力吸引了众多研究者的深入探索和研究。随着计算机性能的不断提高和电子产品的普及,人眼定位成为计算机视觉领域的重要研究方向。其在虚拟人脸动画生成、数字图像处理、视觉疲劳的检测、人机交互、视觉游戏等领域具有非常重要的应用价值。在对人眼定位所存在的问题做了深入分析的基础之上,研究了“人脸-人眼”双层递进结构的检测方法,它是一种新的由粗到细的人眼定位方法,即在检测到的人脸区域中进行定位人眼,这样检测速率就会得到提高。本文重点对以下几方面进行研究：人脸图像预处理。在分析几种常被使用并且效果比较好的人眼定位方法的基础上,提出了一种新的图像中人眼定位方法。通过对最初采集来的人脸图像进行图像的增强、图像的灰度变化等预处理,降低误检率,节省大量的储存空间。为下一步的检测定位工作奠定扎实的基础。检测图像中的人脸区域。作为人脸的重要信息,肤色并不随着面部的细节而变化。虽然人脸的肤色存在一定差别,但相对其它信息而言是稳定的,它与其他的非人脸区域有很明显的区别,并且对于旋转、表情、姿态等变化情况都能适用,可以利用皮肤颜色从背景图像中分割出人脸区域,所以本文应用了一种基于肤色的人脸区域检测方法。先分步研究几种经常使用的色彩空间,用色彩空间中皮肤聚类性较好的来建立皮肤模型,进而进行光照补偿、相似度的分割、形态学处理,最终获得脸部区域。实验结果表明,文中所应用的基于肤色的人脸区域检测方法具有较好的检测效果。基于支持向量机的人眼定位。在检测到的人脸区域内对人眼进行定位,这样会大大缩小人眼的搜索范围,降低训练样本的维数。通过对采集的不同人的人眼样本和非人眼样本进行预处理,用PCA方法对样本进行降维,能够大大减少计算量。选择合适的核函数,并对参数进行优化。运用序贯最小优化算法进行离线训练,进而得到一组支持向量和各自支持向量的权重。再运用支持向量机的训练结果来构成支持向量分类器,在人脸区域定位人眼,完成人眼初检。最后利用人脸的几何特征结构完成人眼的精确定位。大量的仿真结果及相关的理论研究表明,本文所研究的一种新的由粗到细的人眼定位方法,拥有较高的鲁棒性和准确性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 人眼定位中存在的问题
• 1.4 论文的主要工作
• 2 人眼定位的基本理论
• 2.1 人眼准确定位的重要性
• 2.2 人眼定位的典型方法
• 2.2.1 模板匹配法
• 2.2.2 Hough变换法
• 2.2.3 红外光照法
• 2.2.4 对称变换法
• 2.2.5 基于学习的方法
• 3 人脸区域检测
• 3.1 图像的预处理
• 3.1.1 图像增强
• 3.1.2 图像灰度变换
• 3.1.3 图像滤波
• 3.2 基于肤色的人脸区域检测
• 3.2.1 选取颜色空间
• 3.2.2 肤色模型的建立
• 3.2.3 光线补偿及肤色相似度计算
• 3.2.4 形态学处理及人脸候选区域检测
• 3.3 实验结果分析
• 4 样本的选取与支持向量机的训练算法
• 4.1 支持向量机
• 4.1.1 最优分类超平面和支持向量
• 4.1.2 线性可分与线性不可分情况
• 4.1.3 非线性可分情况下的C-SVM
• 4.2 样本的获取
• 4.2.1 正人眼样本的获取
• 4.2.2 负人眼样本的获取
• 4.3 支持向量机训练算法
• 4.3.1 Chunking算法
• 4.3.2 分解算法
• 4.3.3 次序最小优化算法
• 5 基于支持向量机的人眼定位
• 5.1 样本的预处理
• 5.1.1 数据处理
• 5.1.2 用PCA方法进行降维
• 5.2 基于支持向量机算法的眼部样本训练
• 5.2.1 选择核函数
• 5.2.2 参数的选择
• 5.2.3 训练的结果与分析
• 5.2.4 人眼定位
• 5.3 实验结果与分析
• 结论
• 致谢
• 参考文献
• 攻读学位期间的研究成果