基于支持向量机的彩色图像人脸检测方法研究

摘要

该论文研究的是在复杂背景彩色图像中竖直正面人脸的检测问题,从基于样本统计的算法框架出发,提出了彩色图像分割和支持向量机(SVM)相结合的正面人脸检测算法.在彩色图像分割这部分中,首先是彩色图像空间的转换,将图像从RGB空间转换到更有利于分割的HSV空间,并通过训练多个皮肤图像样本得到人脸肤色的阈值范围,再利用该阈值对图像进行分割得出人脸待选区域,在分割过程中提出了改进的Agent进化模型的分割方法,更好的提高了彩色分割的效率;使用人脸比例参数对人脸待选区域进行初步的筛选.其次是选择比较核函数的性能和分类效果,以及确定核函数参数数值.最后用训练好的SVM分类器对人脸待选区域进行判别,检测是否为人脸.实验结果表明,该论文的人脸图像检测算法能够有效地检测出较复杂的彩色场景图像中基本为正面的人脸图像.

目录

文摘

英文文摘

1绪论

1.1引言

1.2人脸检测方法综述

1.3论文的任务、主要研究工作和论文的章节安排

2支持向量机理论基础

2.1引言

2.2统计学习理论基本概念

2.3本章小结

3样本库的建立和支持向量机算法训练

3.1图像样本库的建立

3.2图像样本的预处理

3.3支持向量机

3.4支持向量机训练

3.5 SVM算法特点

3.6本章小结

4彩色人脸图像预处理

4.1彩色图像分割

4.2人脸候选区域比例参数分析及粗检测

4.3本章小结

5支持向量机检测方法实现

5.1核函数的分析和选取

5.2系统结构框架

5.3支持向量机分类器实现

5.4本章小结

6实验结果与分析

6.1实验测试性能的统计结果

6.2系统测试性能的比较和分析

6.3本章小结

7结束语

7.1总结

7.2展望

致谢

参考文献

附录1攻读学位期间发表论文