论文部分内容阅读
随着计算机视觉技术的快速发展，其中的人脸检测技术已经普及到电子产品、安防监控及身份验证等各方面，如现在我们经常用到的刷脸解锁，刷脸登录，刷脸支付，社保人脸身份验证等，实现这些技术的首要关键点都是人脸检测。虽然人脸检测技术已经取得了一定的研究成果，但是面对复杂不利的检测环境及对性能要求越来越高的各种应用场景，现有的算法还是无法满足需求。本文对基于Haar特征和特征多块LBP的AdaBoost算法及联合积分直方图进行了研究和实验，提出了算子算法结合多块基于LBPAdaBoost和联合积分直方图（JIH）及新Haar扩展集进行人脸特征提取的新方法，解决了人脸检测系统检测侧脸、低头和戴墨镜的人脸易漏检，对于光照变化鲁棒性差及面对具有强干扰性背景时易误检的问题。 本研究主要内容包括：⑴介绍了人脸检测技术的应用领域、研究背景和意义及国内外研究现状，接着讲述了现有的主流人脸检测技术，对其中经典的算法分析了它们的原理和优缺点。重点说明了算法Adaboost、Haar特征和训练分类器的过程，并对现有的Haar特征集进行了扩展，分析和实验证明新Haar扩展集提高了系统对侧脸和低头的人脸的检测率，但依然存在一些缺点。⑵引入算子多块LBP，它不仅具有旋转不变性和对光照变化的鲁棒性，而且对图像具有整体表知能力，并能消除随机噪声的影响，所以提出结合特征多块LBP和Haar特征进行人脸检测的方法解决Haar特征对光照变化敏感的问题，实验证明特征多块LBP与照变化敏感的Haar特征结合可以解决对光问题，能进一步降低系统的误检率，但检测率受到了影响且耗时更多，面对具有强干扰性背景的图片时漏检、误检率仍然较高。⑶引入新概念联合积分直方图（JIH），它将函数多块LBP和图像自身的积分函数有机的联系起来，得到带有复合特征的多维图像，再使用新Haar特征模板分别在这些图上进行特征提取，最终得到新 JIH检测系统，并设计了一个简洁的M FC界面展示检测结果。理论分析和实验结果均证明新JIH方法能有效的解决含有侧脸、低头及背光的人脸漏检及带有强干扰性背景的图片误检的问题。