基于Adaboost算法和肤色分割的人脸检测算法

摘要

自从上世纪八十年代以来,人脸检测与识别的技术就获得众多研究者的关注。随着近年计算机与信息技术的发展,它的应用已经渗透到工业、军事、侦查等方面。本文对人脸检测课题展开了研究,从前人研究结果来看,该课题存在的难点是:图片中人脸检测本身的复杂性与多变性、光照问题、检测效率及性能的问题。
　　本文通过对比各种人脸检测方法的优缺点,在借鉴了目前国内外在人脸检测方向的前沿理论和技术的基础上,结合自己的创新,提出了基于Adaboost算法和肤色分割的人脸检测方法。该方法主要分为两个阶段,第-阶段是肤色检测阶段:在YCbCr色彩空间中建立肤色模型,进而利用形态学处理来分割人脸区域,并对可能存在人脸的区域进行标识。第二阶段是Adaboost算法检测阶段:利用Adaboost算法构建瀑布模型,对第-阶段标识的区域进行再次筛选和分类,最终确定人脸区域。
　　本文方法的优点在于:
　　1)利用肤色检测人脸,有效的减弱了单-肤色人脸检测中肤色受光照的影响,提高系统的检测准确率;
　　2)与单-的Adaboost算法人脸检测相比,本文方法利用肤色分割排除了图片中大部分的非人脸区域,保证系统的检测率,又降低了误检率。

目录

封面

声明

目录

中文摘要

英文摘要

1 绪论

1．1 课题背景

1．2 本文研究的意义

1．3 本文组织

2 人脸检测概述

2．1 人脸检测简介

2．2 人脸检测方法研究

3 基于Adaboost算法的人脸检测

3．1 Boost类迭代算法

3．2 Adaboost算法

3．3 Haar-like特性和积分图

3．4 分类器

3．5 基于Adaboost算法的人脸检测

3．6 本章小结

4 基于肤色的人脸检测

4．1 概述肤色分割识别人脸技术

4．2 肤色模型

4．3 肤色区域分割

4．4 色彩空间表示

5 基于Adaboost算法和肤色分割的人脸检测算法

5．1 肤色信息和Adaboost算法结合的系统设计

5．2 基于肤色的人脸图像处理

5．3 构建基于Adaboost算法分类器

5．4 选择开发语言

5．5 基于肤色及Adaboost算法的人脸检测算法实验结果及分析

6 总结与展望

6．1 总结

6．2 展望

参考文献

致谢