论文部分内容阅读
近年来,由于国家公共安全、信息安全等应用背景要求人脸识别系统能够适应一般的环境,由此需要研究者提出一个更为鲁棒、高效、实时的人脸检测算法。在这一实际应用的需求下,本文针对人脸检测所做的工作是在背景图像中分割出人脸区域,在检测出的人脸区域内定位出眉眼区域和瞳孔。主要研究内容如下:1.人脸检测是人脸特征点检测及其定位的前期工作。由于肤色是人脸的重要信息,不依赖于面部的细节特征,对于旋转、表情等变化情况都能适用,具有相对的稳定性并且和大多数背景物体的颜色相区别,所以本文采用了一种将肤色分割和人脸几何特征相结合的方法。通过对比分析各种色度空间及其肤色模型,最终采用YCrCb色度空间,并利用YCrCb色度空间下的高斯模型,对目标图像进行肤色分割。对分割出的肤色区域进行分析,依据人脸区域的几何特征从而定位出人脸区域。2.本文针对传统的定位眉眼区域的方法容易受到刘海遮挡和头部倾斜等因素的影响,提出了一种新的眉眼区域的定位方法。此方法先计算图像中每个像素在八领域上的灰度梯度值的绝对值,选取这八个灰度梯度值的绝对值中最大的一个作为该像素点的像素值。然后再以一个子矩阵在进行梯度处理后的图像矩阵中移动量化这些复杂度值,再选取经过量化后的复杂度的值比较大的若干块,这些子块之间有的有区域重叠。然后合并这些灰度块取得包含这些子块的最大外接矩形得到的一个区域作为眉眼区域。3.本文针对传统人眼定位方法容易受到尺度、旋转和亮度等因素的影响提出了一种利用Sift(scale invariant feather transform)算法定位瞳孔的方法。首先将分割出的人脸图像多尺度化,然后在人脸图像的多尺度空间内进行人脸图像极值检测,然后去除低对比度的特征点和边缘响应点,以精确确定瞳孔的位置。由于该方法是提取图像的局部特征,所以对旋转、尺度缩放、亮度变化能够保持不变性,对噪声也保持一定程度的稳定性,本文通过实验验证了其优点。