基于肤色和AdaBoost算法的人脸检测方法研究

摘要

现代化科技的飞速发展，使人脸识别技术受到越来越多的重视。作为人脸识别的第一步——人脸检测，已成为计算机视觉和模式识别领域中最活跃的研究课题之一。 本文详细介绍了人脸检测的相关技术，并系统地论述了彩色图像人脸检测的方法，以及利用肤色分割和AdaBoost技术相结合的方法对人脸检测进行讨论，最后对部分算法进行了测试，测试结果表明该方法可有效地提高其准确度，具有一定的理论价值与实用价值。所研究工作主要包括以下几个方面： 首先结合肤色信息对彩色图像的人脸肤色检测进行了讨论，应用颜色空间建立了简单的高斯模型，描述了肤色相似度计算和二值化分割的方法，分析二值化图中可能出现肤色区域的大小和长宽比例，最后通过图像填充和肤色特征分析，去除非人脸区域，有效地检测出人脸。 其次对AdaBoost算法进行了介绍，采用“积分图”方法快速计算矩形特征值，生成简单分类器并优化其权重，构造了一个高效的强分类器，最终将单个强分类器级联成一个更加复杂的级联分类器。针对AdaBoost算法在训练分类器时出现的退化问题及样本权重扭曲的现象，本文对样本权重的更新规则作出了适当的调整，在一定程度上避免了退化现象，提高了分类器的性能。此算法能提高分类器性能，人脸检测效果显著加强。 最后将改进后的基于肤色和基于AdaBoost算法的两种人脸检测方法相结合，即用肤色模型分割出图像中的肤色区域，将其作为AdaBoost级联分类器的输入，进一步用AdaBoost检测去除肤色分割后包括的非人脸区域，更准确定位人脸，具有较好的检测效果。

目录

文摘

英文文摘

声明

1 绪论

1.1研究的目的和意义

1.2 国内外研究动态

1.3本文主要研究内容及安排

2 AdaBoost算法和颜色空间概述

2.1 AdaBoost算法概述

2.1.1 Boost方法概述

2.1.2 PAC学习模型

2.1.3弱学习与强学习

2.1.4 AdaBoost算法

2.2颜色空间概述

2.2.1 RGB颜色空间及其转换

2.2.2归一化RGB颜色空间

2.2.3 YCbCr颜色空间

3 总体设计

3.1系统总体架构

3.1.1系统硬件组成

3.1.1系统模块构成

3.2系统子模块设计

3.2.1肤色模块

3.2.2 AdaBoost算法模块

4人脸检测肤色建模

4.1选择颜色空间

4.2肤色建模

4.2.1 肤色空间模型及相似度计算

4.2.2图像检测区域的处理

4.3候选人脸区域的确定

4.3.1 图像填充

4.3.2肤色特征分析

4.4人脸区域提取

5基于AdaBoost算法的人脸检测

5.1矩形特征的选取和特征值计算

5.1.1 矩形特征

5.1.2使用积分图计算特征值

5.2建立级联分类器

5.2.1简单分类器

5.2.2强分类器

5.2.3级联分类器

5.3 AdaBoost算法的改进

5.3.1算法描述

5.3.2改进后的结果与分析

6结合肤色和AdaBoost算法的人脸检测的实现

6.1肤色检测前的预处理

6.1.1 图像增强

6.1.2背景检测与去除

6.2肤色模型与AdaBoost算法相结合的人脸检测

6.3测试及分析

结 论

参考文献

攻读硕士学位期间发表学术论文情况

致 谢