论文部分内容阅读
随着计算机处理速度的提升和传感技术、分析、渲染设备的应用,计算机越来越智能化。其中人脸检测是计算机视觉中重要的领域之一,它几乎是所有人脸分析的基础,包括人脸校正、人脸建模、人脸重光照、人脸识别、人脸验证、头部跟踪等各种应用。通过对人脸检测算法的研究,不仅可以了解人脸检测的多种算法原理,而且可以将其应用于计算机视觉和图像处理,降低计算复杂度和节省资源。本文主要分析了基于AdaBoost的人脸检测算法,鉴于目前大多数AdaBoost算法只能面向正脸检测,限制其在视频检测方面的鲁棒性,本文结合了椭圆拟合和目标跟踪算法,针对视频中任意人脸姿态的检测和跟踪问题,引入霍夫椭圆检测和Camshift目标跟踪两种算法,提高AdaBoost检测算法对视频单帧的检测速率和在视频中的检测鲁棒性。最后将改进的AdaBoost检测算法移植到DIM3517的ARM Cortex-A8平台,实现在嵌入式平台上的视频人脸检测算法。本文的主要工作包括了以下4个方面:(1)第二章主要对AdaBoost人脸检测算法进行了详细的介绍,并使用MIT人脸库训练出自己的AdaBoost人脸检测器,在CMU测试人脸库上进行测试。实验表明该算法对正脸检测具有较好的性能,但是对于斜脸和侧脸性能不理想。(2)第三章引入随机霍夫椭圆检测算法,通过对视频单帧中的椭圆区域检测,来确定人脸检测的候选区域,再采用AdaBoost检测器对候选区域进行人脸检测,提高AdaBoost检测算法对视频单帧的人脸检测速率。(3)第四章引入Camshift目标跟踪算法,提出将Camshfit目标跟踪算法与AdaBoost人脸检测算法进行融合,来解决AdaBoost检测算法对视频中任意人脸的多姿态检测不理想的问题,提高了检测算法在视频中的鲁棒性。(4)第五章针对低成本应用的需求,在高性价比的DIM3517ARM Cortex-A8平台上,完成了对上述检测算法的移植和针对硬件平台的优化,实现了在嵌入式平台上的视频人脸检测系统。