论文部分内容阅读
人脸检测作为最为基础而重要的技术环节，在人脸研究领域有着非常重要的作用，不仅是后续的人脸识别技术的基础步骤，也已经发展为一个独立的有广泛应用前景的研究领域。目前的人脸检测开始广泛应用到全新人机界面、基于内容的检索、数字视频处理、视觉监测等许多领域。 人脸检测的方法经过长期的发展，已经取得了显著的成绩，形成了不同理论支持下的多种方法类别。其中应用比较广泛的是基于统计的人脸检测方法，在众多方法中，Paul Viola等人提出了基于积分图像的检测方法，在准确度及实时性方面有着较高的表现。这种人脸检测方法使在保留统计学习方法所具有的鲁棒性的情况下使人脸检测的速度大大提高，引起这一领域的广泛关注。当然，人脸检测仍然存在很多难点，人脸的光照、遮挡、多姿态等情况都对传统的简单背景的正面人脸检测不断提出挑战。 本文详细研究和分析了基于积分图像和AdaBoost算法的快速正面人脸检测方法：首先使用矩形特征来描述样本图像；然后再用AdaBoost算法训练这些矩形特征得到强分类器，由于这些矩形特征可以通过积分图像很快的求得，大大提高了分类器的检测速度。此外，还运用了层叠的分类器的思想，不仅可以利用“自举”的方法来挑选负样本集，而且也缩短了检测时间。 本文在实现算法的基础上做了大量实验，对原有的方法进行了一定的探讨和改进。首先针对训练过程耗时长的问题进行了大量实验分析，最后给出改进方案，通过特征的预挑选和特征量化来提高训练速度。此外，还对影响检测正确率和误检率的因素做了一定的实验分析。最后，提出了一些新的矩形特征，并用实验证明这些新特征在人脸检测中起到了重要作用。在完成改进的基础上，实现了一个正面人脸检测系统。 本文还讨论了多姿态情况下的人脸检测问题，针对多姿态人脸的检测分析了当前比较有效的检测方法。在正面人脸检测的算法基础上，采用金字塔的检测思想，针对平面外[-90°，90°]的旋转人脸训练出11个不同角度旋转方向的分类器。通过金字塔型的姿态判决，最后实现一个多姿态人脸检测系统。