彩色图像序列的人脸检测、跟踪与识别研究

论文摘要

人脸在社会交往中扮演着十分重要的角色,是人类在确定一个人身份时所采用的最普通的生物特征,研究人脸识别及其相关技术具有十分重要的理论和应用价值。彩色图像序列的人脸检测、跟踪与识别技术是随着计算机技术的高速发展和视频监控等应用的需要在近几年才逐渐成为一个研究热点。与基于静态图像的技术相比,彩色图像序列提供了更加丰富的信息,比如颜色信息、运动信息等等,但是彩色图像序列中的人脸检测、跟踪与识别有着更高的要求,如能够适应成像条件、光线和复杂场景变化,对图像中的人脸的姿态、遮挡、时间变化等能进行有效的处理,而且应具有较高的计算效率等等。因此,对彩色图像序列的人脸检测、跟踪与识别的研究还是一个任重而道远的研究课题。本论文针对彩色图像序列这个范围,就人脸检测、跟踪与识别技术中的核心技术与关键问题展开研究工作。其主要研究内容与创新点包括:1.提出了一种彩色图像增强改进算法。主要从人眼对物体颜色的感知特性出发,在Retinex理论与算法的基础上,针对迭代参数的选取作了改进。改进的算法基于采用一种迭代截止条件,对参数进行自适应选取,避免了人工设定,并同时减少了整个算法的运算量。实验结果表明,改进后的算法对彩色图像的颜色、亮度、对比度处理的结果符合人眼视觉系统的感知特性,且改善了图像的偏色情况。应用于彩色人脸检测的预处理后,人脸正确检测率得到提高。2.依据人眼视觉特性,提出一种“由粗至精”的人脸肤色区域检测方法。首先从彩色序列图像中提取运动目标区域,以剔除无关背景,然后在运动目标区域中检测肤色特征（粗检测）,接着结合运动目标的边缘特征,对肤色区域进行形态学处理（精检测）,最后检测得到人脸肤色区域。3.提出一种Self-Skin肤色检测算法。这种算法抛弃了传统的采用事先通过大量肤色样本统计得到的肤色模型进行肤色检测的思路,而是针对单幅图像中的肤色分布,在色度空间中进行区域分割,同时结合了肤色统计信息,有效的克服传统肤色模型方法中的“过检测”问题。实验表明,Self-Skin肤色检测算法鲁棒性好,能应用于复杂背景,且对光线变化不敏感。4.提出了一种彩色图像序列的人脸检测与跟踪方法。该方法将人脸检测与人脸跟踪这两个步骤有效的结合在一起,而不是分成两个相对独立的部分。其思想是先通过肤色检测算法得到候选人脸区域,然后通过Condensation滤波跟踪算法对候选人脸区域进行跟踪,在跟踪过程中提出了一种基于

论文目录

• 摘 要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 课题的研究背景和意义
• 1.3 国内外研究现状
• 1.4 人脸检测、跟踪与识别技术综述
• 1.4.1 人脸检测技术
• 1.4.2 人脸跟踪技术
• 1.4.3 人脸识别方法
• 1.4.4 基于彩色图像序列的人脸检测与识别
• 1.5 论文的主要研究内容和章节安排
• 第二章 颜色视觉和彩色图像增强
• 2.1 颜色视觉理论
• 2.1.1 三色理论
• 2.1.2 颜色对立机制理论
• 2.1.3 视网膜皮层理论
• 2.2 彩色图像增强
• 2.2.1 视觉研究在彩色图像增强的应用
• 2.2.2 彩色图像增强算法
• 2.3 色彩恒常性与Retinex 原理
• 2.4 McCann 算法及其改进
• 2.4.1 McCann 算法
• 2.4.2 本文提出的McCann 改进算法
• 2.4.3 实验结果
• 2.5 本章小结
• 第三章 彩色图像序列运动区域中的肤色检测与分割
• 3.1 引言
• 3.2 运动分析与检测
• 3.2.1 运动分析与检测方法
• 3.2.2 本文方法
• 3.3 人体肤色特征
• 3.3.1 人体皮肤特性
• 3.3.2 基于统计的肤色检测
• 3.4 肤色检测
• 3.4.1 Hsu R L 肤色检测算法
• 3.4.2 本文的Self-Skin 肤色检测算法
• 3.4.3 实验结果
• 3.5 肤色分割算法
• 3.6 彩色人脸检测实验
• 3.7 本章小结
• 第四章 彩色图像序列的人脸检测与跟踪
• 4.1 引言
• 4.2 人脸跟踪方法
• 4.2.1 基于特征匹配的跟踪
• 4.2.2 基于区域匹配的跟踪
• 4.2.3 基于模型匹配的跟踪
• 4.2.4 其它跟踪方法
• 4.3 Condensation 算法
• 4.4 本文算法
• 4.4.1 基于支持向量机的人脸置信度
• 4.4.2 Condensation 算法实现
• 4.4.3 对跟踪过程中人脸区域变化的处理
• 4.5 实验结果
• 4.5.1 人脸大小变化与多目标跟踪
• 4.5.2 人脸姿态变化时跟踪
• 4.5.3 人脸受遮挡与光线变化时人脸跟踪
• 4.5.4 人脸检测实验结果比较
• 4.6 本章小结
• 第五章 基于轮廓波（Contourlet）变换的人脸识别
• 5.1 小波变换的发展与其局限性
• 5.2 多尺度几何分析
• 5.2.1 自适应多尺度几何分析
• 5.2.2 非自适应多尺度几何分析
• 5.3 Contourlet 变换原理
• 5.3.1 拉普拉斯金字塔分析
• 5.3.2 方向滤波器组
• 5.3.3 金字塔方向滤波器组
• 5.4 基于Contourlet 变换的人脸识别方法
• 5.4.1 Contourlet 变换的低频系数特征
• 5.4.2 Contourlet 变换高频方向子带统计特征
• 5.5 实验结果
• 5.5.1 人脸库介绍
• 5.5.2 ORL 人脸数据库的实验结果
• 5.5.3 Yale 人脸数据库的实验结果
• 5.5.4 实验结果分析
• 5.6 本章小结
• 第六章 基于SVM 的多类别分类问题研究
• 6.1 引言
• 6.2 SVM 多类别分类算法
• 6.2.1 多类支持向量机
• 6.2.2 一对多分类
• 6.2.3 一对一分类
• 6.2.4 DAGSVM 分类
• 6.3 本文算法
• 6.3.1 类间分离性测度
• 6.3.2 算法描述
• 6.3.3 训练时间的复杂度分析
• 6.4 实验结果
• 6.5 本章小结
• 第七章 总结与展望
• 7.1 论文研究工作总结
• 7.2 有待进一步研究的问题
• 致谢
• 参考文献
• 攻读博士学位期间撰写和发表的学术论文