基于脸部特征的人体目标的检测

论文摘要

随着科技的发展,传统的身份验证已很难满足人们的需求。基于虹膜识别和指纹识别的生物特征验证对采集条件要求高,不易于大范围推广,而基于人脸检测的生物特征识别具有面向用户友好、应用方便、对硬件设施要求不高等特点,得到了广泛关注。以此为基础的人脸检测技术就是一种利用计算机分析人脸图像,提取有效的识别信息来辨认身份的技术。它涵盖模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识,是当前研究的热点。人脸检测是人脸识别系统的关键技术环节,同时在视频监控、人流统计等方面的发挥着日益重要的作用,并且人脸识别系统要有实质性的突破,都要求人脸检测技术的发展和完善。人脸检测成为一个独立的研究课题,越来越受到人们的重视。由于人脸检测结果容易受到表情,姿态和光照变化的影响,并且同时要保证一定的实时性,极大地影响了人脸检测走向实用化。本文的目标是构建一个可用的、实用的人脸检测系统,以经典的人脸检测理论和算法为基础,着重分析了人脸检测的关键技术,深入研究了在复杂背景条件下,彩色图像中的人脸检测问题。它包含基于肤色信息的图像分割预处理和正面人脸检测跟踪两个主要模块。本文首先利用颜色空间特性,对人脸肤色的聚类特性进行了研究,基于不同的颜色空间肤色聚类结果的对比,本文选择了近年来常用的颜色空间YCrCb来进行肤色分割。在YCrCb空间进行肤色映射生成二值图像,然后根据人脸的大小、形状等特征确定候选人脸区域所在位置。并转换为灰度图象进行提取。其次,采用了KL变换,进行主成分分析(PCA),并基于肤色检测的结果,建立了一类有效的反例样本,提出了一种改进的基于特征脸的人脸检测方法,简化了计算,使检测速度、人脸检测的效率明显提高。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景
• 1.2 研究现状
• 1.2.1 国内外现状
• 1.2.2 人脸检测算法
• 1.3 本人主要工作及内容安排
• 第2章 颜色空间
• 2.1 引言
• 2.2 常用颜色空间
• 2.3 其它色彩空间
• 第3章 颜色空间人脸粗分割
• 3.1 引言
• 3.2 颜色空间选择
• 3.3 肤色模型建立
• 3.3.1 肤色模型定义
• 3.3.2 YCrCb肤色模型建立
• 3.4 人脸粗分割
• 3.4.1 肤色相似度的计算
• 3.4.2 图像的二值化分割
• 3.4.3 候选人脸区域确定
• 3.5 实验结果
• 第4章 基于PCA的人脸检测
• 4.1 引言
• 4.2 KL变换基本原理
• 4.3 PCA具体步骤
• 4.3.1 人脸库
• 4.3.2 特征脸子空间
• 4.3.3 图像特征子空间投影
• 4.3.4 距离函数选择
• 4.4 人脸检测
• 4.5 实验结果
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 研究生履历