基于肤色和AdaBoost算法的彩色人脸图像检测

论文摘要

人脸检测是确定人脸的位置和大小的图像处理过程。近年来人脸检测一直是计算机视觉和模式识别领域的一个研究热点和难点,其在安全访问控制、视觉监测、基于内容的检索等领域具有广泛的应用价值。本文针对复杂背景下的彩色图像,构建了基于肤色和AdaBoost算法相结合的人脸检测系统,并在自制的人脸图像数据库上进行测试。本文首先介绍了人脸检测技术研究背景和意义,归纳和分析了目前常用的一些人脸检测算法,然后提出了一个新的人脸检测方法。该方法包含三个部分的内容:首先,通过分析和比较肤色在各种色彩空间中的聚类性之后,建立了在YCgCr空间中的肤色高斯模型,并在自适应阈值选取算法下完成肤色区域的分割,得到二值化后的图像;接着,采用数学形态学对二值化后的图像进行滤波处理,再利用一些人脸的先验知识对所得到的肤色区域进行筛选,进一步剔除类肤色区域和裸露在外的非人脸区域,减少了后续检测的工作量;最后,将候选区域与AdaBoost算法所检测出的人脸区域相结合,提高系统的检测性能。论文最后对本文方法进行了实现并给出实验结果,同时指出该方法的特点与不足之处,明确了今后进一步研究的方向。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景及意义
• 1.2 人脸检测系统的评价标准
• 1.3 人脸检测方法综述
• 1.3.1 基于知识的人脸检测方法
• 1.3.2 基于模板匹配的人脸检测方法
• 1.3.3 基于统计的人脸检测方法
• 1.4 论文章节安排
• 第二章 基于肤色分割的人脸检测
• 2.1 肤色的聚类特性
• 2.2 色彩空间
• 2.2.1 色彩空间的介绍
• 2.2.2 色彩空间的选取
• 2.3 肤色模型
• 2.3.1 肤色模型的介绍
• 2.3.2 肤色模型的建立
• 2.4 图像预处理
• 2.5 肤色区域分割
• 2.5.1 肤色似然图
• 2.5.2 图像二值化
• 2.5.3 滤波去噪
• 2.6 候选区域的筛选
• 2.6.1 区域的长宽比
• 2.6.2 区域的面积
• 2.6.3 区域面积占有率
• 2.6.4 区域的重心
• 2.7 部分实验结果
• 第三章 基于AdaBoost的人脸检测算法
• 3.1 haar-like矩形特征
• 3.2 利用积分图像计算矩形特征
• 3.3 AdaBoost算法
• 3.4 级联分类器
• 3.5 开源软件OpenCV
• 第四章 基于肤色和AdaBoost算法的人脸检测
• 4.1 肤色检测的优缺点
• 4.2 AdaBoost算法的优缺点
• 4.3 基于肤色和AdaBoost算法的人脸检测
• 4.4 实验结果及分析
• 第五章 总结与展望
• 5.1 论文小结
• 5.2 进一步工作
• 参考文献
• 致谢