彩色图像中人脸检测与跟踪研究

摘要

人脸检测及跟踪已经广泛应用于人脸识别、视频会议、智能监控、疲劳检测等领域。随着计算机处理速度的提高和人们对计算机色彩理论的深入研究，彩色图像中人脸检测及跟踪成为又一研究热点。如何有效利用色彩信息来提高人脸检测及跟踪效果成为很有研究意义和应用价值的课题。本文针对彩色图像中的人脸检测及跟踪问题进行了以下研究工作： 1.给出了在肤色类聚度较好的YCgCr色彩空间上利用基于直接最小二乘椭圆拟合的肤色建模方法，提高了肤色分割的准确度。 2.在肤色分割基础上结合形态学处理和连通域分析、欧拉数和人脸的几何特征计算得到了较好的人脸检测效果。 3.对面部特征眼睛定位进行了深入的研究和实验，结合眼睛的色度、亮度信息以及眼睛在人脸的几何位置分布，给出了一种基于色彩及几何信息的眼睛定位算法。实验证明该算法具有较好的眼睛定位效果。 4.针对基于肤色的人脸检测算法较容易受到光照和其它类肤色背景影响的问题，提出了一种基于支持向量机(SVM)的级联式人脸检测算法。首先对分别经过DCT变换和小波分解降维后的样本进行训练得到两个独立的SVM分类器，然后对肤色分割后的图像采用两个级联结构的分类器进行人脸和非人脸两类模式的判别。实验证明，该算法在保证正检率的同时，能显著降低误检率。 5.本文在均值偏移(Mean Shift)目标跟踪算法的基础上加入卡尔曼预测和自适应窗宽调整算法，在不影响跟踪速度的前提下得到了和人脸大小变化一致的跟踪窗口，并实现了快速移动及存在遮挡情况下人脸的准确跟踪。

目录

文摘

英文文摘

声明

1绪论

1.1课题的研究背景及意义

1.2人脸检测及跟踪的难点和发展现状

1.2.1人脸检测的难点

1.2.2人脸检测方法的研究现状

1.2.3人脸跟踪的难点

1.2.4人脸跟踪方法的研究现状

1.3本文的主要工作及论文结构

1.3.1主要工作

1.3.2章节安排

2肤色区域分割

2.1色彩空间的选择

2.1.1常用色彩空间的对比

2.1.2一种新的色彩空间—YCgCr空间

2.2肤色模型的选择

2.2.1常用的肤色模型

2.2.2一种新的基于YCgCr空间的肤色建模方法

2.3肤色分割结果

2.4本章小结

3基于肤色分割和几何特征的人脸检测及眼睛定位

3.1人脸检测算法

3.1.1二值图像的形态学处理

3.1.2连通域的标记

3.1.3人脸候选区域的几何筛选

3.1.4人脸检测的实验结果

3.2眼睛的定位

3.2.1人眼定位的难点

3.2.2常见的人眼定位算法

3.2.3一种基于色彩与几何信息的人眼定位方法

3.2.4眼睛准确定位结果

3.3以眼睛对为基准映射人脸

3.3.1以眼睛对为基准映射人脸的算法研究

3.3.2映射人脸定位的实验结果

3.4本章小结

4.基于支持向量机(SVM)的人脸检测

4.1支持向量机(SVM)理论

4.1.1最优分类超平面

4.1.2支持向量机

4.1.3常用的核函数

4.2 SVM人脸检测

4.2.1样本图像的采集

4.2.2图像的预处理

4.2.3样本图像的特征降维

4.2.4 SVM分类器的训练

4.2.5金字塔式图像检索策略

4.2.6级联式人脸检测

4.2.7系统结构框架

4.2.8实验结果与分析

4.3本章小结

5基于均值偏移的人脸跟踪

5.1均值偏移(Mean Shift)的基本理论

5.1.1均值偏移简介

5.1.2 Mean Shift理论

5.2 Mean Shift跟踪算法

5.2.1颜色特征空间

5.2.2加权直方图描述

5.2.3候选区域的加权建模

5.2.4目标模型直方图的相似性度量

5.2.5跟踪过程

5.2.6 Mean Shift人脸跟踪实验

5.3结合卡尔曼滤波的人脸跟踪

5.3.1 Mean Shift的不足

5.3.2卡尔曼滤波预测理论

5.3.3遮挡情况下的处理

5.3.4卡尔曼预测应用于人脸跟踪

5.4核窗宽的自适应调整

5.5本章小结

6总结与展望

6.1本文工作总结

6.2未来工作展望

致 谢

参考文献