复杂背景下基于彩色图像的人脸检测

论文摘要

人脸检测作为人脸信息处理中的一项关键技术,近年来成为模式识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题。今天,它已远远超出了人脸识别的范畴,在出入安全检查,视频编码,视频监测与跟踪,基于内容的检索等方面都有着极其重要的应用。本文针对复杂背景下的彩色正面人脸图像,将肤色分割、模板匹配与候选人脸图像块筛选结合起来,构建了人脸综合检测算法,并用自制的人脸图像数据库进行了一系列的实验统计。本文首先介绍了人脸检测技术研究的背景和现状,阐明人脸检测技术发展的重要意义,对目前常用的一些检测算法进行了总结,然后着重阐述了彩色图片的人脸检测算法。本文改进的光照补偿方法能有效改善图像质量,对色度空间进行非线性变换,结合椭圆肤色分割模型,较好地分割肤色区域,采用数学形态学和一些先验知识对所得到的肤色区域进行人脸特征筛选,进一步剔除非人脸肤色区域,减少候选人脸区域,简化后续检测过程的处理。本文采用两种不同模板:梯度能量谱模板和纹理特征模板。用模板匹配方法对肤色区域进行人脸定位,并针对图像中的人脸通常有一定角度旋转和尺寸大小不确定的问题,采用多分辨率人脸搜索窗,提高模板匹配的准确性,最后构造了基于肤色和模板验证的人脸检测算法,并用自制人脸图像数据库进行测试。实验结果表明:算法实现了复杂背景下正面及有一定侧面,以及任意旋转角度和大小的彩色图像人脸检测,具有较高的检测性能和低的误判率。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 人脸检测研究的背景和意义
• 1.2 人脸检测研究的现状
• 1.3 现有的人脸检测方法分类
• 1.3.1 基于知识的方法
• 1.3.2 基于特征的方法
• 1.3.3 模版匹配的方法
• 1.3.4 基于表象的方法
• 1.4 基于肤色的人脸检测算法分类
• 1.4.1 肤色检测加特征验证的算法
• 1.4.2 肤色检测加Mosaic 法验证
• 1.4.3 肤色检测加聚类分割再特征验证的方法
• 1.4.4 肤色检测加神经网络验证的方法
• 1.4.5 肤色检测加模板匹配方法
• 1.4.6 其它方法
• 1.4.7 本文采用的方法
• 1.5 人脸检测系统的评价标准
• 1.5.1 人脸检测结果的评价标准
• 1.5.2 人脸检测问题可用的图像库
• 1.6 论文主要研究工作及组织结构
• 第二章 图像处理技术
• 2.1 彩色光照补偿
• 2.2 平滑线性滤波去噪
• 2.3 二值图像处理
• 2.3.1 形态学处理
• 2.3.2 直方图均衡化
• 2.3.3 图像面积和位置
• 2.4 本章小结
• 第三章 彩色图像中的肤色分割
• 3.1 肤色特征
• 3.2 色彩空间理论
• 3.2.1 RGB 色彩空间
• 3.2.2 rgb 亮度归一化的三基色空间
• 3.2.3 HSI 色彩空间
• 3.2.4 YIQ 色彩空间
• 3.2.5 YUV 色彩空间
• 3.2.6 CIE 色彩空间
• 3.2.7 YCbCr 色彩空间
• 3.3 色彩空间的选择
• 3.4 肤色模型的分类
• 3.4.1 区域模型
• 3.4.2 简单高斯模型
• 3.4.3 混合高斯模型
• 3.4.4 直方图模型
• 3.5 肤色模型的建立
• 3.6 肤色分割的具体过程
• 3.7 人脸候选区域的筛选
• 3.7.1 边缘提取
• 3.7.2 连通距离
• 3.8 本章小结
• 第四章 模版匹配验证的人脸检测技术
• 4.1 梯度能量和纹理特征提取
• 4.1.1 小波原理
• 4.1.2 离散小波的快速算法
• 4.1.3 梯度能量
• 4.1.4 纹理特征
• 4.2 模版匹配的原理
• 4.3 模板的制作
• 4.3.1 角度投影
• 4.3.2 平均梯度能量谱
• 4.4 人脸模板匹配过程
• 4.4.1 候选区域的标记
• 4.4.2 多分辨搜索
• 4.5 本章小结
• 第五章 人脸检测系统的实现与数据分析
• 5.1 系统组成
• 5.2 算法流程
• 5.2.1 能量谱匹配
• 5.2.2 纹理特征匹配
• 5.3 实现原则
• 5.4 算法实现
• 5.4.1 平台的准备
• 5.4.2 图像库的采集
• 5.5 结果分析
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 未来工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间的研究成果