彩色图像中复杂背景下的多人脸检测方法研究

论文摘要

在人脸检测研究中,如何能够快速、准确的检测人脸一直是待解决的关键问题。本文主要对复杂背景下彩色图像中的多人脸检测方法进行了研究,具体如下:1.对人脸肤色建模方法进行了研究。根据肤色在RGB颜色空间中的分布,提出了一种新的肤色模型,首先对RGB空间进行旋转,然后确定肤色模型的阈值。并与常用颜色空间下的肤色模型检测结果进行了比较,实验结果表明本文提出的肤色模型简单、快速、具有良好的检测效果。2.提出了一种新的快速的彩色图像中人脸区域分割方法。该方法突破了传统的逐点搜索的机制,将粒子群优化算法用于对彩色图像中的人脸肤色区域进行搜索,大大提高了人脸候选肤色区域搜索标记的效率,减少了后续处理工作。3.对多种人脸确认方法进行了研究,包括特征不变法、模板匹配法、神经网络方法和Adaboost方法。并对基于BP神经网络的人脸确认方法进行了如下改进:(1)采用“自举法”选取人脸训练样本,降低了样本的相关性,提高了分类效果;(2)修改了网络输出层误差计算公式,提高了网络收敛速度。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 论文研究背景及意义
• 1.2 人脸检测方法发展与研究现状
• 1.3 本文主要研究内容及结构安排
• 第2 章人脸肤色建模
• 2.1 引言
• 2.2 颜色空间
• 2.3 不同颜色空间常用的肤色模型
• 2.3.1 RGB肤色模型
• 2.3.2 YCbCr肤色模型
• 2.3.3 GLHS肤色模型
• 2.3.4 CIE Luv和 CIE Lab肤色模型
• 2.3.5 YES肤色模型
• 2.3.6 KL肤色模型
• 2.3.7 TSL肤色模型
• 2.3.8 YUV肤色模型
• 2.4 其他肤色建模方法
• 2.5 本文提出的肤色模型
• 2.6 肤色模型小结
• 第3 章基于PSO的人脸候选区域搜索
• 3.1 PSO优化算法
• 3.2 区域搜索算法流程
• 3.3 PSO与逐点扫描法比较
• 第4 章人脸确认
• 4.1 基于特征不变法的人脸确认
• 4.1.1 基于直方图均衡化的嘴唇检测
• 4.1.2 眼睛的检测
• 4.1.3 实验结果及讨论
• 4.2 基于模板匹配的人脸确认
• 4.3 基于BP神经网络的人脸确认
• 4.3.1 网络结构与训练
• 4.3.2 基于BP网络的人脸确认
• 4.3.3 基于 BP 网络的实验结果及讨论
• 4.4 Boosted Cascade 人脸检测算法
• 4.4.1 特征与积分图
• 4.4.2 Boosted Cascade 学习算法
• 4.4.3 瀑布型分类器
• 4.5 实验结果与讨论
• 结论
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢