论文部分内容阅读
人脸检测是指对于给定的图像或视频输入,采用一定的搜索规则来确定其中是否含有人脸特征,并返回人脸的位置和大小信息的过程。近年来,人脸检测技术被广泛应用在人脸识别、视频监控、人机交互等诸多领域,是模式识别、计算机视觉和图像处理领域内的研究热点之一。本文在对一些经典的人脸检测方法进行归类和分析的基础上,针对单一方法进行人脸检测的弊端,采用了一种基于肤色和AdaBoost算法相结合的人脸检测算法。首先利用肤色信息分割出人脸候选区域,然后运用改进权值更新规则的AdaBoost算法训练的级联分类器对这些人脸候选区域进行筛选,以实现对人脸的精确定位。本文主要的工作有以下三个方面:(1)根据肤色信息在YCbCr色彩空间的聚类特性建立肤色高斯模型,利用肤色高斯模型求出待检测图像的肤色似然图,通过自适应阈值方法对肤色似然图进行分割得到肤色二值图像,最后采用数学形态学方法对二值图像进行滤波处理,根据人脸几何特性的先验知识筛选出人脸候选区域。(2)在Haar-like矩形特征原型的基础上,加入了旋转45度角的矩形特征,引入积分图方法快速计算Haar-like特征值。针对AdaBoost算法训练过程中训练样本权值分布出现的过配现象,提出了一种改进的权值更新规则,通过设定权值更新阈值来抑制样本权值的过度增长,在一定程度上避免了过配现象的发生,提高了AdaBoost算法的性能。(3)分析了肤色人脸检测和AdaBoost算法人脸检测的优缺点,并将两种算法结合起来对人脸进行检测。将YCbCr色彩空间肤色分割作为人脸检测的预处理,缩小了改进AdaBoost级联分类器的检测范围。实验证明,该方法适用于复杂背景下的人脸检测,具有较低的误检率,并且在检测速度和鲁棒性方面都有所提高。