基于肤色分割与AdaBoost算法的人脸检测研究

论文摘要

人脸检测是计算机视觉与模式识别领域中最重要的研究课题之一。人脸检测在基于内容的图像检索、虚拟现实、视频监控、人脸识别和身份验证等多方面都有广泛的应用。人脸识别的首要条件就是用检测技术把人脸从背景中检测出来,但人脸受光照、背景、姿势等因素的影响,使得人脸检测成为一项复杂的、具有挑战性的研究课题。针对人脸检测面对的难题,本文重点研究了人脸特征的表征方法和人脸特征检测的相关算法,并进行了相应的改进。本文主要的研究工作包括以下内容:（1）对多种肤色分割方法进行了研究并改进了分段多高斯肤色分割方法。该方法主要通过以下三步来实现:（a）在亮度Y的三个区间内分别对肤色色度CbCr进行高斯拟合,得到肤色的概率统计函数;（b）选择合适的阈值区间,使得它包含的肤色累积概率分布接近100%;（c）使用相应亮度区间内的阈值对图像进行肤色分割。（2）通过对边缘检测算子计算原理研究之后,提出了代表图像轮廓信息的Haar-like强度特征。对Haar-like特征值进行取模运算可以得到Haar-like强度特征值的特征值。（3）通过结合基本Haar-like特征阈值与强度特征阈值,构造了错误更低的Haar-like多阈值特征。该特征结合Haar-like基本特征与强度特征的阈值在Haar-like特征值空间上进行划分得到四个区域;分别对每个区域中的正负样本权重进行统计,判定该区域是属于人脸还是非人脸,并设置相应的标志位。（4）使用肤色分割预处理得到了改进的级联检测器。该方法首先利用多高斯阈值分割方法对彩色图像进行快速肤色分割得到人脸的候选区域;如果待检测窗口内肤色超过一定比例,则用级联AdaBoost分类器来检测,否则直接判为非人脸。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 人脸检测的研究背景及意义
• 1.2 人脸检测方法的研究进展
• 1.3 人脸检测方法的分类及评价标准
• 1.3.1 人脸检测方法的分类
• 1.3.2 人脸检测评价标准
• 1.4 本文的主要内容和组织结构
• 1.4.1 主要内容
• 1.4.2 组织结构
• 第二章 肤色分割方法
• 2.1 颜色空间介绍
• 2.1.1 RGB 颜色空间
• 2.1.2 YUV（YIQ）颜色空间
• 2.1.3 HSV 颜色空间
• 2.1.4 YCbCr 颜色空间
• 2.2 肤色模型
• 2.2.1 RGB 查找表模型
• 2.2.2 直方图统计模型
• 2.2.3 高斯分布模型
• 2.2.4 分段多高斯模型
• 2.3 改进的分段多高斯肤色分割方法
• 2.3.1 样本分割原则
• 2.3.2 快速分段多高斯肤色分割方法
• 2.3.3 各种肤色分割方法的实验对比与分析
• 第三章 基于扩展特征的AdaBoost 人脸检测
• 3.1 AdaBoost 算法介绍
• 3.2 Haar-like 特征
• 3.2.1 Haar-like 特征介绍
• 3.2.2 Haar-like 特征数目计算方法
• 3.2.3 积分图和Haar-like 特征值的计算方法
• 3.3 Haar-like 强度特征及多阈值特征
• 3.3.1 Haar-like 特征分布分析
• 3.3.2 边缘检测分析
• 3.3.3 Haar-like 强度特征介绍
• 3.3.4 多阈值特征介绍
• 3.3.5 多阈值特征分类器的错误率分析
• 3.4 实验结果与分析
• 3.4.1 实验数据
• 3.4.2 测试集上的实验结果与分析
• 3.4.3 真实图像上的实验结果与分析
• 3.5 本章小结
• 第四章 结合肤色检测与级联AdaBoost 的人脸检测
• 4.1 级联分类器介绍
• 4.1.1 级联分类器原理
• 4.1.2 级联分类器算法介绍
• 4.1.3 其他处理技术
• 4.2 改进后的人脸检测框架
• 4.3 实验结果与分析
• 4.3.1 级联分类器有效性验证实验
• 4.3.2 使用新特征的级联分类器实验
• 4.3.3 使用肤色分割预处理的级联分类器实验
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表（或录用）的论文
• 致谢