基于纹理匹配的改进Mean-shift人脸快速动态检测算法研究

论文摘要

人脸是视觉世界中普遍存在的一种对象,它不仅富含大量的表情信息,同时也是有效的身份印证信息。人脸检测最初源于人脸识别,但随着技术的进步与人们需求的不断增加,人脸检测技术已不仅仅局限于人脸识别,在人机交互、安全监控、视频会议等领域也得到了广泛应用,并吸引了众多的国内外研究者。本文首先对经典Mean-shift算法的原理进行分析,针对人脸肤色信息中色调分量不会随着光线强弱而变化这一特性对人脸肤色信息计算色调H的颜色概率直方图,建立人脸肤色概率模型,进而通过Mean-shift算法实现人脸的动态检测,并实验分析了经典Mean-shift算法在人脸检测中的优缺点及其原因。其次,本文针对经典Mean-shift算法抗类肤色物体干扰性差的缺点,提出基于纹理匹配的改进Mean-shift算法。采用基于一致模式的旋转不变LBP算子对纹理进行描述,对每个像素采用LBP和肤色色调H二维建模,通过纹理匹配确认可信任区域,并自适应调节可信任区域的权值,从而实现人脸的有效检测。并通过实验验证,改进后的Mean-shift算法可以有效的抵制类肤色物体的干扰。第三,提出基于光流法的Mean-shift加速算法。通过光流法分析在视频帧图像中人脸的运动信息,提取两帧图像中人脸的运动向量,进而估计连续帧间的人脸运动位置,从而减少Mean-shift算法中检测窗口移动次数,实验证明,改进后的算法能有降低Mean-shift算法的检测时间,提高了算法的实时性。最后对本文进行了总结,指出了工作中的创新点和不足之处,并对今后的工作进行了展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 人脸检测技术的研究现状
• 1.3 人脸检测技术的研究难点
• 1.4 本文的主要工作及内容安排
• 第2章 动态检测技术综述
• 2.1 人脸的静态和动态检测
• 2.2 人脸动态检测的方法分类
• 2.2.1 基于特征匹配的动态检测
• 2.2.2 基于区域匹配的动态检测
• 2.2.3 基于模型匹配的动态检测
• 2.3 本章小结
• 第3章 基于肤色的Mean-shift算法
• 3.1 引言
• 3.2 Mean-shift算法原理
• 3.2.1 无参密度估计
• 3.2.2 Mean-shift向量
• 3.2.3 Mean-shift算法收敛性
• 3.3 Mean-shift算法在人脸检测中的应用
• 3.3.1 Mean-shift算法在检测中的模型描述
• 3.3.2 肤色模型的选取
• 3.3.3 颜色模型转换算法
• 3.3.4 基于人脸信息的模型建立
• 3.3.5 Mean-shift算法流程图
• 3.4 仿真结果及分析
• 3.5 本章小结
• 第4章 基于LBP算子的Mean-shift算法
• 4.1 LBP的提出及其物理意义
• 4.2 LBP的分类
• 4.2.1 原始LBP算子
• 4.2.2 旋转不变LBP算子
• 4.2.3 基于一致模式的LBP算子
• 4.3 LBP算子在Mean-shift算法中的应用
• 4.3.1 肤色和纹理融合的人脸模型分析
• 4.3.2 基于肤色和纹理的模型建立
• 4.3.3 权重的自适应提高
• 4.4 仿真结果及分析
• 4.5 本章小结
• 第5章 光流法在Mean-shift加速上的应用
• 5.1 光流法简介
• 5.2 Mean-shift算法加速分析
• 5.3 连续帧图像运动估计
• 5.3.1 角点的选择
• 5.3.2 光流算法原理
• 5.3.3 光流计算
• 5.3.4 Mean-shift算法中的运动估计
• 5.4 仿真结果及分析
• 5.5 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢