论文部分内容阅读
随着智能手机、数字娱乐等信息产业的快速发展，人脸检测成为了计算机视觉、增强现实以及图像识别领域的研究热点。目前人脸检测已取得了许多成果，如数码相机中加入了人脸检测的功能、安卓系统将人脸解锁功能加入到其新推出的系统中。事实上，图像中的人脸常常以不同的视角呈现出来，而以往的研究大多是关于正面人脸检测的，关于多角度的人脸检测方法的研究非常少，尚未有达到商业应用的要求。因此，本文针对多角度人脸检测问题进行了一些探讨，主要研究内容体现在如下几方面： 1)研究了基于肤色的人脸检测方法。首先详细介绍了常用色彩空间以及常用肤色模型，比较其优缺点，针对彩色图像中包含的肤色信息，实现了一种基于YCbCr色彩空间与肤色高斯模型的人脸检测方法，实验表明，该方法能快速排除大部分的非人脸区域，能大致确定候选人脸区域，为后续人脸验证打好基础。 2)提出了一种结合PCA和Clifford代数的角度估计方法，首先构造人脸特征子空间以及Clifford向量，结合Clifford代数的矢量积定理，通过计算Clifford向量在各个人脸特征子空间的拟合程度判断待检测区域的类别。 3)提出一种结合角度估计与AdaBoost的多角度人脸检测算法，即在人脸检测阶段，首先利用2)中构造的角度分类器对候选区域进行分类，然后将候选区域送入相应视角的AdaBoost分类器进行人脸检测，实验表明该算法能同时兼顾检测速度与精度。 4)通过深入对比分析肤色以及AdaBoost人脸检测技术，提出了基于肤色信息、Clifford代数以及AdaBoost算法的多角度人脸检测方法，实验表明加入了肤色粗检阶段使得算法具有更好的检测效果。 在实验过程中通过与经典的多角度人脸检测方法进行比较、分析，表明该方法可以有效地运用于多角度人脸检测的情况下，是一种实用的多角度人脸检测方法。