基于统计理论的人脸检测算法研究

论文摘要

人脸具有非常丰富的信息,是人类互相认识主要标志。人脸信息处理在计算机视觉、模式识别、多媒体技术研究中占有重要的地位。人脸检测作为人脸信息处理中的一项关键技术,是目前模式识别的热门研究话题,是一项计算机视觉领域内受到普遍重视、研究十分活跃的课题。论文的主要研究内容如下:1)基于模板子窗口树匹配特征的人脸检测算法。针对整体与局部信息的融合问题,本文提出了模板子窗口树概念,扩展了传统的模板,并利用积分图实现高效相关系数计算,通过SVM核的构造在特征层次进行融合,并通过瀑布型AdaBoost粗筛选以进一步加快检测速度。在CMU+MIT正面测试集上检测率为89.4%,误报69个。在P4 1.7GHz的PC上以Matlab 6.5为平台,处理一幅大小为364x367的图片平均需要36s。实验结果表明,该方法比较有效,并具有一定的实用价值。2)基于相位一致性的人脸检测算法。针对光照影响问题,本文提出相位一致性人脸概念。相位一致性是一种无量纲的,对图像亮度和对比度变化具有不变性的测度,利用相位一致性图的积分投影进行降维后结合SVM实现了对光照条件鲁棒的检测算法,并通过粗筛选层大幅提高检测速度。在CMU+MIT正面测试集上和Yale Face Database B上的实验均取得了较好结果,表明该算法是有效的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景与意义
• 1.2 国内外研究现状
• 1.3 本文主要工作和创新点
• 1.3.1 本文的研究内容
• 1.3.2 本文的创新点
• 1.3.3 本文组织结构
• 第二章 统计学习理论
• 2.1 引言
• 2.2 机器学习的基本问题
• 2.2.1 问题的表示
• 2.2.2 经验风险最小化
• 2.2.3 复杂性与推广能力
• 2.3 统计学习理论的核心内容
• 2.3.1 VC维
• 2.3.2 推广性的界
• 2.3.3 结构风险最小化
• 2.4 支持向量机
• 2.4.1 广义最优分类面
• 2.4.2 核函数
• 2.4.3 SVM算法改进
• 2.5 Boosting算法
• 2.5.1 AdaBoost算法
• 第三章 基于模板子窗口树匹配特征的人脸检测算法
• 3.1 引言
• 3.2 积分图
• 3.3 模板匹配快速计算
• 3.4 模板区域划分
• 3.5 模板与分类器构造方法
• 3.6 人脸搜索策略
• 3.7 加速策略
• 3.8 实验结果
• 3.9 本章小结
• 第四章 基于相位一致性的人脸检测算法
• 4.1 引言
• 4.2 相位一致性模型
• 4.3 滤波器设计
• 4.4 相位一致性人脸
• 4.5 特征提取
• 4.6 SVM构造结果
• 4.7 人脸搜索策略
• 4.8 加速策略
• 4.9 实验结果
• 4.10 本章小结
• 第五章 结束语
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录
• 攻读硕士学位期间主要参与项目