基于肤色模型和BP神经网络的人脸检测系统设计与实现

摘要

随着现代社会的高速发展，由于人脸在身份识别、公共安全以及智能视频监控等方面广阔的应用价值，人脸识别逐渐受到研究者的广泛关注，而人脸检测是人脸识别的基础，同时也是其最重要的部分。人脸检测与识别近几年发展迅速，但还是有各种各样的问题亟待解决，譬如待检测图像背景复杂，人脸可能有许多附属物品或遮挡物，这些都会很大程度上影响人脸检测与识别的准确性。本文经过对人脸检测现状和系统需求的详细分析，设计和实现了一个基于肤色模型和BP神经网络的实时人脸检测系统，本系统检测率高，在各种复杂环境下仍能正常运行。
　　本文系统的设计与实现主要分为三个模块：实时视频采集模块、基于肤色模型的肤色分离模块以及基于BP神经网络的人脸定位模块。
　　（1）实时视频采集模块：分析并比较基于Windows的两种实时视频流捕捉与显示的技术，即基于 VFW的实时视频采集以及基于 DirectShow的实时视频采集，经过对比发现，DirectShow基于COM组件，采用面向对象方式编程，有利于维持程序的整体性和可读性，并且广泛适用于现在的各种流媒体格式，最终采用基于DirectShow的方法进行实时视频的采集。
　　（2）基于肤色模型的肤色分离模块：使用基于YCbCr颜色空间的肤色模型分离出人脸检测的候选区域，采用阈值分割的办法构造肤色模型，便于后续过程在这些可能存在人脸的范围内进行检测与定位，大大减少了后期人脸定位的搜索空间，提高了人脸检测算法的效率。
　　（3）基于BP神经网络的人脸定位模块：使用ORL人脸库对BP神经网络进行训练，形成能对人脸进行检测的分类器，将待检测肤色区域输入分类器，就能进行人脸与非人脸的判别，如果有人脸，用矩形框标记，并对定位部分进行高斯滤波和直方图均衡化处理，便于后续进行人脸识别模块的扩展。
　　经过反复测试并与系统需求进行详细对比，基于肤色模型和BP神经网络的算法能实现快速、高正确率的人脸检测，基本上达到系统要求。本系统采用多线程模式进行软件编程，使整个程序运行的实时性和流畅性得到保障。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1课题来源

1.2研究背景及目的意义

1.3 相关领域国内外研究现状

1.4 本文主要研究内容与组织结构

第2章 系统总体设计

2.1 人脸检测难点分析

2.2 系统需求分析

2.3系统总体框架设计

2.4 本章小结

第3章 系统功能模块的设计与实现

3.1 实时视频采集模块设计与实现

3.2 基于肤色模型的肤色分割模块设计与实现

3.3 基于BP神经网络的人脸定位模块设计与实现

3.4 本章小结

第4章 系统整体实现与结果分析

4.1 系统实现平台

4.2 系统整体设计与实现

4.3 实验结果显示与分析

4.4 本章小结

第5章 总结与展望

5.1 全文工作总结

5.2 下一步工作展望

致谢

参考文献