人脸检测与识别的研究与实现

论文摘要

随着社会智能化的提高和安全意识的加强,人脸检测与识别技术在近几年得到了高度的重视。这一课题是当前图像处理与分析的研究热点问题之一,在身份鉴别、安全部门等领域具有广泛的应用价值。本文主要讨论了人脸检测与识别系统三大关键技术:人脸检测、特征提取与人脸识别。而本文的研究着重于人脸的检测,并且做了以下几方面的工作。本文研究了基于肤色模型的人脸检测方法,该方法首先利用差分法去除背景得到人脸的运动区域,再依据人的肤色信息,在YCbCr色彩空间建立肤色模型进行肤色分割生成二值图像,根据人脸的几何特征确定人脸所在的区域。然后定位出人眼和嘴巴,根据人眼的位置最终准确定位出人脸的位置。本文在阅读和分析了大量的文献,给出了一种新的基于色度、灰度和几何特征的眼睛定位算法。该算法根据眼睛较高的Cb值和较低的Cr值的色度特征建立色度模型图分割出眼睛的候选区域,再根据几何特征和肤色掩模剔除非眼睛区域,最后根据眼睛灰度小和水平灰度变化大的灰度特征建立灰度模型图定位出双眼区域。通过实验,证明了该方法的可行性和有效性。另外,本文介绍了独立分量分析(ICA)的特征提取方法,利用FastICA算法形成各个分量相互统计独立的人脸特征空间,求解出人脸在独立特征空间的投影作为人脸的特征。然后利用适合小样本训练与识别的SVM机器学习对人脸进行训练和识别。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景及意义
• 1.2 人脸识别的研究内容
• 1.3 人脸识别的研究现状与前景
• 1.4 本文的主要工作
• 1.5 本文的结构安排
• 第2章 图像的采集和处理技术
• 2.1 视频图像的采集
• 2.2 基本图像处理技术
• 2.2.1 灰度化
• 2.2.2 去噪处理
• 2.2.3 二值化
• 2.2.4 形态学处理
• 2.2.5 图像的旋转
• 2.2.6 图像的缩放
• 2.3 本章小结
• 第3章 基于肤色特征和眼睛位置的人脸检测与定位
• 3.1 人脸检测算法概述
• 3.1.1 人脸模式
• 3.1.2 人脸检测的方法
• 3.1.3 本文采取的方法
• 3.2 定位人脸运动区域
• 3.2.1 差分法
• 3.2.2 光流法
• 3.2.3 本文采取的方法
• 3.3 肤色检测
• 3.3.1 肤色的色彩空间与聚类
• 3.3.2 肤色模型
• 3.3.3 肤色区域提取
• 3.4 眼睛和嘴巴的精确定位
• 3.4.1 眼睛的检测
• 3.4.2 嘴巴的检测
• 3.4.3 人脸定位与标准化
• 3.5 实验结果
• 3.6 本章小结
• 第4章 特征提取与识别
• 4.1 概述
• 4.1.1 特征提取的方法
• 4.1.2 分类器的选择
• 4.2 ICA基本理论与算法
• 4.2.1 ICA的数学模型
• 4.2.2 ICA的“白化”
• 4.2.3 ICA算法
• 4.2.4 FastICA算法
• 4.3 FastICA人脸特征
• 4.3.1 人脸表示
• 4.3.2 特征提取
• 4.3.3 特征选择
• 4.4 支持向量机的人脸识别
• 4.4.1 基本原理
• 4.4.2 SVM分类问题
• 4.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢