基于人眼定位与SVM的人脸检测方法研究

摘要

人脸检测与识别技术是人工智能和机器视觉领域内最具挑战性的研究课题之一。让计算机可以像人类一样能够记忆、识别人脸一直是众多计算机科学工作者追求的目标。人脸自动识别系统是目前计算机视觉领域的一个重要研究课题，而人脸自动识别系统中作为定位人脸的人脸检测则是整个人脸识别系统正常及高效工作的基础。近年来，由于人脸检测在安全监视、基于内容的图像检索等领域的潜在应用价值，己成为一个独立课题并受到众多研究人员的普遍重视。 本文在对计算机人脸检测的若干问题进行了分析的同时，针对建立自动人脸识别系统的第一个重要环节——人脸检测方法进行了深入的研究，实验表明本文提出的人脸检测方法是合理的，具有一定的理论价值与实用价值。本文的研究工作主要包括以下几个方面： 首先，阐述了人脸检测的理论与技术，分析了经典的人脸检测算法，并进行了对比，得出了各种算法的优缺点。 其次，依据肤色特征不依赖于面部的细节变化，不受旋转、表情等因素的影响，具有较强的稳定性，并且也能够同大多数背景颜色相区分的原理，尝试了一种基于人脸几何特征和灰度信息的人眼定位方法，该方法有效的平衡了检测速度和稳定性之间的矛盾，对背景、尺寸等细节具有很好的适应性，并且结合肤色建模，采用了一个结构分类器，对定位的人眼区域进行优化。 再次，本文在深入研究支持向量机理论和算法的基础上，提出将人脸图像分块以及系统再学习机制的方法。实验证明，该方法具有较好的理论价值和实用价值。 最后，在上述理论和方法的基础上，将人眼定位、结构分类器优化及支持向量机方法结合，进行人脸验证。实验结果显示，该方法使得单个人脸的实时检测与定位取得了令人较为满意的速度和准确性。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权说明

第一章绪论

1.1引言

1.2研究内容以及难点

1.2.1人脸检测研究内容

1.2.2人脸检测研究难点

1.3人脸检测流程

1.4人脸检测技术发展现状

1.5论文的主要内容及章节安排

第二章人脸检测理论与技术

2.1人脸检测理论

2.2人脸检测的评价标准

2.2.1评价指标

2.2.2测试图像库

2.3人脸检测技术

2.3.1人脸模式的特征提取

2.3.2人脸检测与定位方法

2.4本章小结

第三章经典人脸检测算法分析

3.1矩形特征与积分图

3.1.1矩形特征

3.1.2特征模板

3.1.3积分图

3.2神经网络

3.3 AdaBoost算法

3.4支持向量机

3.4.1支持向量机概念

3.4.2 SVM基本方法

3.5本章小结

第四章基于肤色、几何特征和灰度信息的人眼定位

4.1人眼定位基本方法

4.2基于肤色、几何特征和灰度信息的人眼定位

4.2.1肤色提取

4.2.2肤色区域分析

4.2.3形态学图像处理

4.2.4基于几何特征的人眼粗检测

4.2.5基于灰度信息的人眼精确定位

4.3人眼定位优化

4.3.1肤色相似度

4.3.2结构分类器

4.4实验结果分析

4.5本章小结

第五章基于SVM的人脸验证

5.1人脸验证系统流程

5.2训练样本的获取

5.2.1人脸图像的选取

5.2.2人脸样本的获取

5.2.3非人脸样本的获取

5.3 SVM的训练及测试

5.3.1图像子块的划分

5.3.2对每个子块进行DCT变换

5.3.3 SVM训练及测试

5.4使用SVM进行人脸验证

5.5本章小结

第六章总结和展望

6.1论文工作总结

6.2未来工作展望

参考文献

致谢

攻读硕士期间发表的论文