基于核心灰度分布人脸自动检测方法研究

论文摘要

随着科技的发展,传统的身份验证已很难适应人们的需求。基于虹膜和指纹的生物特征验证对采集条件要求高,很难大范围推广。基于人脸检测的生物特征识别具有友好、方便、对硬件设施要求不严格等优势,近年来已经受到充分关注。由于人脸检测是人脸识别的基础,也是基于内容（如视频等）检索的基础,因此具有十分重要的研究意义和实用价值。本文的主要研究工作和成果包括以下几个主要方面的内容:1.研究了相关图像处理技术,总结分析了多种边缘检测算法及优缺点对比,并在后边的人脸检测过程中综合运用其中的几个算子达到了更好的效果。2.分析了多种区域搜索的方法和优缺点,改进了其中的算法并用于人脸检测。3.在对国内外人脸检测技术进行相关研究和分析比较基础上,提出了一种独特的基于人脸核心区域（眉毛、眼睛、鼻子、嘴等）灰度分布特征来进行人脸检测的方法。该方法首先在多维阈值下对图像进行分析和处理得到可能包含人脸的一些区域,然后从这些区域中去检索那些特殊的灰度特征,最后综合多维阈值下的灰度特征及特征之间的分布关系来确定出人脸的大小和位置。4.在此基础上实现了一个人脸检测系统。该系统用是C++语言在VS2005.Net环境和Windows2003 Server平台下编程实现。实验结果表明,该方法能在复杂的背景和多人脸图像中较好地检测出人脸。5.将人脸检测技术运用到照片库的管理中,增强了照片库的检索功能。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 人脸检测的研究背景和意义
• 1.2 人脸检测的研究现状
• 1.3 本文研究内容（目标、技术路线、过程）
• 1.4 本文章节安排
• 第二章 图像分割的相关技术
• 2.1 图像分割概述
• 2.2 边缘检测方法
• 2.2.1 梯度算子
• 2.2.2 Roberts 边缘算子
• 2.2.3 Sobel 边缘算子
• 2.2.4 Prewitt 边缘算子
• 2.2.5 Laplacian 边缘算子
• 2.3 阈值分割方法
• 2.3.1 直方图分割方法
• 2.3.2 基于灰度期望值的阈值分割
• 2.3.3 最大类间方差阈值分割
• 2.3.4 循环分割的阈值分割
• 2.4 轮廓提取和轮廓跟踪的方法
• 2.5 区域增长方法
• 2.6 基于形态学的方法
• 2.6.1 腐蚀
• 2.6.2 膨胀
• 2.6.3 开启和闭合
• 2.7 小结
• 第三章 人脸检测定位的方法分类
• 3.1 人脸检测方法概述
• 3.2 基于先验规则方法
• 3.2.1 镶嵌图
• 3.2.2 几何投影
• 3.2.3 二值化定位
• 3.3 基于几何形状信息的方法
• 3.3.1 Snakes
• 3.3.2 PDM
• 3.4 基于色彩信息的方法
• 3.5 基于外观信息的方法
• 3.5.1 神经网络
• 3.5.2 PCA
• 3.5.3 SVM
• 3.6 基于关联信息的方法
• 3.6.1 概率网络
• 3.6.2 DLA
• 3.7 基于 Adaboost 算法的方法
• 3.8 人脸检测的评价标准
• 3.9 小结
• 第四章 基于人脸核心特征方法的研究和改进
• 4.1 脸部核心特征结构统计
• 4.2 算法流程
• 4.3 算法详解
• 4.3.1 图像分析处理
• 4.3.2 区域查找和验证
• 4.3.3 人脸核心特征检测
• 4.3.4 核心特征辨认与人脸定位
• 4.4 系统实现
• 4.5 小结
• 第五章 实验分析与应用
• 5.1 实验分析
• 5.2 人脸检测的应用
• 5.3 小结
• 第六章 总结
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢