设计-人脸检测算法研究.docx

《设计-人脸检测算法研究.docx》由会员分享，可在线阅读，更多相关《设计-人脸检测算法研究.docx（29页珍藏版）》请在第壹文秘上搜索。

1、摘要随着人们对于更加便捷、更加安全的生活的追求，人脸检测与识别技术已经成为如今模式识别与计算机视觉领域的研究热点。由于人脸信息比其他的生物特征有更多的可取性，它在人机交互、视频监控、公安系统等领域有着巨大的应用前景。在本文中，我们主要开展的工作有：1 .对人脸检测相关的数字图像处理的知识进行系统的学习。2 .对目前现有的多种常见的人脸检测以及人脸识别的方法进行介绍，并对这些现有的算法进行深入的分析，了解他们各自的优势和不足。3 .对了AdaBoost算法中弱分类器、强分类器、Haar特征等知识进行了深入的分析，通过对多个分类器的级联，从而构建了一个人脸检测系统。4 .详细分析了AdaBoost

2、算法应用在人脸检测技术时的准确性。通过肤色特征和人脸几何特征的加入，优化了人脸检测的算法，提高了系统的检测效率和准确率。关键词：人脸检测；图像处理；AdaBooSt算法；肤色特征ABSTRACTAspeopleseekmoreconvenient,moresecurelives,Facedetectionandrecognitiontechnologyhasbecomeahottopicofpatternrecognitionandcomputervisionnow.Sincethehumanfacehasmoredesirablethanotherbiometrics,Ithasgreatp

3、rospectsinthefieldofhuman-computerinteraction,videosurveillance,publicsecuritysystem.Inthispaper,Wemainlycarriedouttheworkare:1.1. elearnedtheknowledgeofdigitalimageprocessingaboutFaceDetection.1 .Introduceavarietyofcommoncurrentlyavailablefacedetectionandfacerecognitionmethodandin-depthanalysisofth

4、eseexistingalgorithms,Understandtheirstrengthsandweaknesses.3 .Analysisweakclassifier,strongclassifier,HaarfeaturesknowledgeinAdaBoostAlgorithm9Cascademultipleclassifiers,inordertobuildafacedetectionsystem.4 .AnalysistheaccuracyoftheAdaBoostalgorithmwhenitisusedinfacedetection.Wehaveoptimizedtheface

5、detectionalgorithmtoimprovetheefficiencyandaccuracyofthesystembecauseofskincolorandfacialfeaturesgeometricfeaturesadded.KeyWords:Facedetection；Imageprocessing;AdaBoostalgorithm;skincolorfeature第一章绪论11.1 研究的背景和意义11.2 人脸检测技术相关应用领域的介绍11.3 人脸检测需要注意的问题21.4 人脸检测技术的研究现状3第二章人脸检测方法综述42.1 基于启发式（特征）模型的人脸检测42.2

6、 基于肤色模型的人脸检测技术52.3 基于统计模型的人脸检测技术6第三章人脸检测的基本原理与相关技术62.4 1图像的数*表63. 2图像预处理模块63. 2.1未卜彳ZX64. 2.2灰度变换85. 2.3平滑空间滤波器96. 2.4107. 2.5图像的膨胀和腐蚀11第四章基于AdaBOoSt方法的人脸检测研究138. 1AdaBoOSt算法简介134. 2AdaBOoSt算法在人脸识别中的应用134. 3AdaBoost-算法具体内谷144. 3.IAdaBoost算法的训练过程145. 3.2AdaBooSt算法的理论分析164. 4级联AdaBoost分类器175. 5基于肤色信息的

7、AdaBoOSt人脸检测算法186. 6225L章zj232425第一章绪论1.1 研究的背景和意义人脸是人类所特有的，在我们的日常视觉世界中是最常见的对象。看似简单的一张人脸却能够包含大量的信息，有着各种复杂和细微的变化。在我们的实际生活中，我们的眼睛就扮演者完美的人脸检测的工具，人脸识别是人与人之间交流沟通的一种最重要的依据。对于我们的眼睛和大脑来说这项工作或许比较简单，但是对于机器而言是非常困难的，所以与人脸相关的检测技术一直是计算机视觉和人工智能领域中一项极富挑战性的工作。另一方面，人脸检测技术在我们的日常生活中已经扮演着越来越重要的角色。如视频监控、人机交互、人脸识别、人脸数据库分类

8、管理等业务均用到了人脸检测这个关键技术，可见对于人脸检测技术的研究是有很大的意义的。人脸检测技术的实质就是在目标图像中找出人脸部分并进行识别的过程，但是由于技术原因，前几年的人脸识别技术只能停留在识别静态图像而且假定人脸位置已知的水平。但是由于近几年人们对于人类身体的生物信息的利用越发火热，人脸检测技术有了很大的进展，人脸检测的应用场合已经不仅仅知识局限于识别人脸，他在视频监控、人机交互、人脸数据库分类管理等业务中都扮演着极为重要的角色。1.2 人脸检测技术相关应用领域的介绍(1)视频监控在一些安全监控部门，为了保证目标环境中的安全性，这就要求摄像机把周围的环境以及其中所有人的活动过程记录下来

9、。如果有人在活动，这是监视设备应该更关心目标的人脸的方向和位置，而不是将目标放在人物的服装等次要因素，从而方便以后的翻看和检查工作。这就需摄像机具备在视野内自动进行跟踪的能力。人脸的检测和跟踪是这一类应用十分重要的一个部分。(2)人脸检测在公安系统中的应用利用人脸检测技术来辨别黑名单中的犯罪分子是公安部门目前十分迫切的需求，这同时也是人脸检测技术的一个重要的应用。这种应用要求事先建立好大量的有关黑名单成员的数据库，在实际实施的时候将需要现场采集的人脸特征与数据库中数据资料进行一比对直至找到相似度足够高的目标。在多年的积累下，公安部门已经掌握了大量的数据，这使得这一应用得以成为现实。(3)虚拟现

10、实和电子游戏等随着科学技术的不断发展，电子游戏产业也呈现出欣欣向荣的景象，多种多样人机交互类的游戏产品也不断被推出。在游戏中应用人脸检测技术可以使得应用能够感知游戏操作者的头部的动作以及面部表情的变化，进而对信息进行处理，从而极大地增加了游戏的娱乐性。(4)基于内容的图像检索现在许多应用都集成了很大规模的图像数据库，并且是其中十分重要的组成部分。想要在众多的图片中找到目标图片不是一件容易的事情，最好的办法还是得利用图像本身的特征。比如说我们要从众多图片中找到一张小女孩的图片，我们就要应用到人脸检测的技术，在图片中先找到与人脸吻合的图片，而不是检索出来一张风景或者是建筑的图片。(5)媒体压缩的需

11、要为了节约存储空间和传输带宽，但是同时又保证能够传递足够的信息，在对视频或者图片进行压缩的时候，应保证人们最为关注的目标有尽可能小的失真，而对背景进行尽可能大的压缩。多数情况下，人的活动和面部表情成了关注的焦点。这是人脸检测和分割成为研究热点的原团之一。1.3 人脸检测需要注意的问IS在进行人脸检测之前，我们可以从不同的角度对这个问题进行分类。从目标图像中人脸的姿态来看的话可以分为正面人脸识别和侧面人脸识别；从图像中人脸的个数来分的话可以有单个人脸识别和多人识别；从图像背景的复杂程度来看可以分为单一背景的人脸识别和复杂背景的人脸识别(如背景中环境和光线比较复杂的情况)。由于知识所限，本文主要讨

12、论静态简单背景图片中的相关人脸检测算法。同时，在人脸检测的时候,我们需要要考虑到以下几个困难点：(1)人脸本质上是三维的非刚性的物体。由于人物的表情、神态等因素影响，每一个人脸样本都有着比较大的差别；(2)在日常生活中经常出现在我们视野中人脸通常都会有胡须、眼镜等各种遮挡物体，对我们的识别准确度提出了更多的挑战；(3)作为三维物体的人脸的图像不可避免地会受到光照产生的阴影等因素的影响。(4)由于拍摄设备或者是成像时候的条件不同，所得到的图像质量也不尽相同。很多时候图像都会掺杂了噪声或者图像中人脸部分受到了部分遮挡，这些都对人脸检测工具提出了更高的要求。1.4 人脸检测技术的研究现状人脸检测技术

13、已经开始慢慢开始融入我们的生活。尤其是在公安机关，银行，海关等部门有着更为广泛的应用。我国在这个领域同样取得了不错的成就，国家863项目“面像检测与识别核心技术”通过了专家组的认定并且付诸实施，这意味着我国的人脸识别技术的研究已经到达一定的高度。目前，国外在人脸检测领域的研究单位有很多，其中比较为人熟知的有麻省理工学院，卡耐基-梅隆大学以及伊利诺斯大学等。而在国内也有着很多出色的研究机构在人脸检测方面做出了出色的成就，如著名的清华大学、中科院计算所和自动化所等都有着很多的相关科学工作者一直在从事这相关领域的研究。随着人脸检测研究的深入，国际上发表的有关论文数量也大幅度增长，如IEEE的FG.I

14、CIPCVPR等重要国际会议上每年都有大量关于人脸检测的论文，由此可以看出人脸识别技术已经越来越受到全世界的重视并得到越来越多的应用。目前我们能够认识到的大部分的人脸识别手段，大部分都是针对人的正脸设计的，对于侧脸和不同表情下的人脸识别度并不高。我们把目前的人脸检测办法分为两类:基于特征的方法以及基于图像的方法。基于图像的方法同我们经常提到的基于统计模型的方法是差不多的，是通过大量的人脸数据的分析才能得出结果的方法，较为繁琐。而基于特征的方法则是利用了人脸面部的特征，包括五官本身特征以及它们之间的几何分布来检测人脸的。第二章人脸检测方法综述人脸检测就是只在目标图像中寻找人脸部分，如果在目标图像

15、中确实存在人脸部分，便确定人脸的大小以及位置的过程。在实质上就是人脸的模式特征作综合判断的过程。详细来说，人脸检测不只是简单去寻找一张人脸，他需要鉴别每个面部器官，如眼睛、嘴巴、鼻子等等。我们的目的不仅只是从一张图片中将人脸信息从背景中分离出来,我们还需要确定人脸在背景图像中的位置、大小等信息。目前，比较比较成熟的人脸检测算法主要有三种：基于基于启发式模型的方法，基于统计理论的方法和基于肤色模型的方法。2.1 基于启发式（特征）模型的人脸检测此模型的方法要先选取几何形状、灰度等特征，然后在研究这些特征是否符合人脸的特征。由于每个人脸的差异化，所以我们必须事先检测出不同类型的人脸的特征，然后再根据这些特征之间的几何关系来确定人脸的最终位置换句话说，也就是检验目标图像中符合人脸特征的某些器官之间的几何位置是否大部分人脸的特征。在人脸检测领域，基于人的面部几何特征的人脸