基于肤色分割预处理的人脸检测方法研究

摘要

在目前的人脸图像信息处理领域中,包含有人脸识别、人脸跟踪、姿态估计、表情识别等多个研究方向,然而,所有这些研究方向都涉及到一个人脸标识和定位的问题,即必须知道人脸在图像中的位置以及尺寸--人脸检测.因此,对于一个完整的、自动的人脸信息分析系统来说,人脸检测算法是必不可少的.人脸检测方法研究已经有二十多年了,然而,到目前为止,由于人脸检测问题自身的复杂性,使得虽然有众多研究人员潜心研究多年,仍旧未能得到彻底解决.该文作者结合研究生阶段所参加的科研项目,对人脸检测问题作了一些探讨.工作主要体现在以下三个方面的:(1)提出了一种基于YCbCr色彩空间的肤色区域分割方法.基于不同的色彩空间用于人脸检测的对比,该文选择YCbCr色彩模型来进行肤色分割.因为在YCbCr色彩模型中,亮度信息包含在Y成份中,色度信息在Cb和Cr中,因此可以轻松地去掉亮度信息.将该方法作为人脸检测系统的预处理过程,可以快速去除复杂背景,将更多的运算能力集中在可能存在人脸的肤色区域,从而提高人脸检测系统的执行效率和整体性能.(2)提出了一种基于肤色区域分割预处理与模板匹配的人脸检测方法.有关使用模板匹配进行人脸检测的研究由来已久,这种方法简单易行,在正面人脸检测中,其性能稳定、可靠.然而,模板匹配也有着很大的局限性,例如,很难预先定义标准模板、计算代价较大、对背景较为敏感.同时,利用肤色特征进行人脸检测计算代价较小,但是稳定性较差.因此,该文将YCbCr肤色特征提取与模板匹配方法的优点结合起来,构造出一个新的人脸检测器.通过采用受限的窗口扫描策略,和引入标准模板数据库,减少了因扫描窗口和窗口重采样而浪费的计算代价,从而提高了算法的效率和检测性能.(3)提出了一种基于肤色区域分割预处理与神经网络验证的人脸检测方法.人工神经网络系统用于人脸检测虽然取得了极大成功,但同样因为要对输入图像穷举扫描,在很大程度上影响了检测效率,这限制了它在一些对实时性有要求的人脸检测应用中的使用.该文在D.Anifantis等提出的MLP网络人脸检测器基础上,通过肤色区域分割预处理产生备选人脸区域,在备选区域上,通过受限窗口扫描采用D.Anifantis等的MLP检测器进行人脸检测.实验证明采用该方法减少了窗口扫描的计算代价,比传统神经网络方法具有更高的执行效率和总体性能.

目录

文摘

英文文摘

第一章序论

1.1论文背景

1.2人脸检测研究进展

1.2.2基于特征的人脸检测方法

1.2.3基于图像块的人脸检测方法

1.3人脸图像库与人脸检测方法性能评价

1.3.1人脸检测问题可用的图像库

1.3.2人脸检测方法性能评价

1.4本文的主要工作

1.5本文的主要贡献

1.6组织结构

第二章人脸检测中的肤色分割预处理

2.1引言

2.2颜色模型

2.2.1 RGB模型

2.2.2 YIQ颜色模型

2.2.3 HSV颜色模型

2.2.4 YCbCr模型

2.3颜色模型的选择

2.3.1颜色模型的选择

2.3.2人脸肤色模型

2.4基于肤色信息的备选人脸区域分割方法

2.5肤色分割方法实验实例

2.6小结

第三章基于肤色分割和模板匹配的人脸检测

3.1 引言

3.2模板匹配

3.3基于肤色分割和模板匹配的人脸检测

3.4算法具体实现及实验结果

3.4.1模板生成

3.4.2创建被搜索图

3.4.3模板匹配

3.4.4检测结果输出

3.4结果分析

3.5小结

第四章基于肤色分割和神经网络验证的人脸检测

4.1 引言

4.2人工神经网络

4.2.1神经网络的概念

4.2.2人工神经元及其学习算法

4.2.3反向传播算法(BP)

4.2.4适合神经网络学习的问题

4.3基于肤色分割和神经网络验证的人脸检测

4.4算法具体实现及实验结果

4.4.1神经网络的学习任务

4.4.2神经网络结构

4.4.3训练神经网络

4.4.4创建被搜索图

4.4.5神经网络验证

4.4.6检测结果输出

4.5结果分析

4.6小结

第五章总结与展望

5.1本文算法评价

5.2本文总结

5.3进一步的工作

5.3.1通过SVM构造最优超平面和提高泛化能力

5.3.2通过智能学习算法关注局部特征构造实时的人脸检测系统

5.3.3人脸检测正误检率的降低

致谢

参考文献

附录A硕士期间参与的科研项目

附录B硕士期间发表的论文