基于肤色模型和模板匹配的人脸检测研究

论文摘要

人脸包含丰富的信息,是一种典型的生物特征,在个人身份鉴别、智能视频监控和人机交互中具有广阔的应用前景。随着人工智能、机器视觉和模式识别的发展,人脸检测在基于人脸特征的一些应用中越来越重要,已经引起了广大科研人员的关注,并逐渐发展成为一个相对独立的研究方向,人脸检测的快速性和准确性是人脸检测算法追求的目标。人脸检测就是指在输入的彩色图像中确定所有人脸(如果存在)的数目、位置、尺度等信息。由于大多数的图像设备能够获得彩色图像,基于彩色图像的人脸检测成为研究的热点。肤色是人脸的重要特征,它不依赖于人脸面部和姿态,具有相对的稳定性,而模板匹配能够精确定位匹配位置。因此,本文从这两方面研究人脸检测算法,具体工作如下:(1)针对人脸图像中存在人脸倾斜、光照等造成人脸检测困难的问题,采用肤色聚类特性较好的YCbCr色彩空间,提出了基于肤色高斯模型的人脸检测的算法,通过肤色模型计算图像中各个像素点属于肤色的程度大小,获得肤色似然图像,从而降低了光照等干扰对颜色的影响和消除了人头旋转对人脸检测的影响;(2)提出了一种根据Fisher判别准则对图像中肤色和非肤色自适应选择分类阈值的方法,依此阈值对肤色似然图像进行检测和分割,提高了肤色区域检测的有效性。在此基础上,根据人脸面部的几何特征,采用一些规则去筛选人脸区域,初步获得人脸区域的粗定位;(3)为了精确定位人脸位置,提出了基于模板匹配的人脸定位算法,首先建立人脸平均模板,通过掩膜去掉无关信息的干扰,然后利用该模板的伸缩、旋转等变化模板在人脸图像中进行相关性计算,提高了人脸定位的精度。最后,通过了MATLAB7.7编程实现了文中的全部算法,并通过大量图像进行了算法测试。从仿真实验结果可以看出:论文提出的肤色高斯模型能够提取到有效的肤色区域,在肤色区域中根据人脸几何特征对候选区域进行筛选效果好,起到了粗定位的作用,最后采用人脸平均模板获得了精确的人脸位置。仿真结果表明提出的算法是有效的。

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
• 1.2 人脸检测的研究方法
• 1.2.1 基于知识规则的方法
• 1.2.2 基于可视特征的方法
• 1.2.3 基于模板匹配的方法
• 1.2.4 基于神经网络的方法
• 1.2.5 基于隐马尔可夫模型的方法
• 1.3 国内外人脸检测技术的研究现状
• 1.4 人脸检测的应用
• 1.5 人脸检测的难点
• 1.6 肤色信息在人脸检测中的应用
• 1.7 本文研究内容和章节安排
• 1.7.1 本文研究内容
• 1.7.2 本文章节安排
• 第二章 色彩空间的选取和肤色模型的建立
• 2.1 色彩空间的类型和选取准则
• 2.1.1 色彩空间的类型
• 2.1.2 色彩空间的选取准则
• 2.2 YCbCr 色彩空间的确定
• 2.3 光照补偿
• 2.4 肤色高斯模型的建立
• 2.4.1 肤色高斯模型的提出
• 2.4.2 肤色高斯模型的建立
• 2.4.3 肤色似然度的计算
• 2.4.4 仿真实验
• 2.5 本章小结
• 第三章 人脸区域粗定位
• 3.1 图像分割
• 3.2 基于 Fisher 准则的阈值动态获取算法
• 3.2.1 基于Fisher 准则动态阈值的获取
• 3.2.2 肤色似然图像的二值化
• 3.2.3 仿真实验
• 3.3 二值图像的去噪
• 3.3.1 图像噪声
• 3.3.2 基于中值滤波的图像去噪
• 3.3.3 仿真实验
• 3.4 人脸区域粗定位
• 3.4.1 肤色区域标记和数目统计
• 3.4.2 区域定向
• 3.4.3 基于长宽比和面积占有率的人脸粗定位
• 3.4.4 基于欧拉数的人脸区域验证
• 3.4.5 仿真实验
• 3.5 本章小结
• 第四章 基于模板匹配的人脸精确定位
• 4.1 匹配的基本原理
• 4.1.1 匹配技术的应用
• 4.1.2 图像匹配算法的分类
• 4.1.3 图像匹配的关键要素
• 4.2 基于模板匹配的人脸精确定位算法
• 4.2.1 人脸模板的建立
• 4.2.2 基于模板匹配的人脸精确定位算法
• 4.2.3 仿真实验
• 4.3 人脸检测算法流程
• 4.4 本章小结
• 第五章 总结与展望
• 参考文献
• 攻读硕士期间完成的论文
• 致谢