论文部分内容阅读
随着科学计算的飞速发展,数字视频的应用日趋广泛。面对大量涌现的视频数据,如何找到所需的视频信息就成为一个急需解决的问题。对视频信息进行人脸图像检索的研究是计算机图形学和计算机视觉的一个重要研究热点和难点。人脸检测属于模式识别和计算机视觉的研究领域,它作为人脸信息处理中的一项关键技术,在基于内容的图像检索、视频监控、视频会议以及人机交互等方面都有着重要的应用价值。本文主要研究了视频中的人脸检测技术。由于人脸模式的错综复杂、易受干扰,现有的人脸检测算法普遍存在着计算量大、速度慢、鲁棒性差等缺点。肤色检测算法具有简单、快速的特点,但是不能很好地克服光照、背景颜色干扰等因素的影响。Viola于2001年提出的基于积分图像的AdaBoost方法,是目前最先进的人脸检测算法之一;尽管它具有很强的实时性,但在真实场景下,人脸检测率、错检率等方面还有待进一步的提高。在分析现有人脸检测算法的优缺点的基础上,本文提出先采用AdaBoost算法对人脸进行人脸区域定位;实验表明,AdaBoost算法大大地提高了人脸检测的检测率。再通过建立基于YCbCr空间的肤色模型,我们通过将初检测得到的人脸区域映射到YCbCr空间,统计出该区域上的肤色点的百分比从而确定其是否为人脸区域。由于计算整个人脸的光流场非常耗时,我们可以计算出人脸中的强角点,最后检测已验证的人脸区域的强角点的光流变化,从而对序列图像中的运动人脸的运动趋势做出估计。本文采用VC++6.0和OPENCV开发了基于视频的人脸检测程序,通过实验,基本实现了对视频中的人脸进行检测,具有较高的检测率和较低的漏检率。实验结果证明本系统具有良好的实时性和准确性。