基于肤色分割与AdaBoost分类器的多姿态人脸检测

摘要

人脸检测作为人脸图像处理和人脸研究中的一个主要内容,在视觉图像处理、模式识别、视频监控等领域中有着非常重要的研究意义和应用价值。
　　 目前关于人脸检测算法的研究已经很多,但主要针对正面人脸进行检测,本文对目前的人脸检测算法进行了简单综述与分析,设计了一种基于肤色分割与AdaBoost分类器的多姿态人脸检测算法,将人脸检测分为两个部分来完成:第一部分,首先对输入图像进行预处理,然后根据建立的肤色模型对待测图像进行肤色区域分割,并依据先验知识对肤色区域进行初步筛选得到人脸的候选区域;第二部分,将得到的人脸候选区域作为新的待检测图像子窗口,利用一组多姿态人脸检测分类器对其做进一步的人脸检测,并标记出图像中检测到的所有人脸。本文中所完成的主要工作包括:
　　 (1)在利用肤色进行人脸区域筛选阶段,介绍了常用的肤色分割方法,并设计了肤色分割流程:包括图像的预处理、肤色模型的选择及建立、肤色区域的分割以及人脸区域筛选几个环节。
　　 (2)介绍了基于AdaBoost的人脸检测算法的基本原理及其相关概念,包括矩形特征、积分图像及矩形特征值计算、各种人脸分类器及其训练流程。同时在选择矩形特征进行人脸检测时,加入了几种新的矩形特征,并设计了其相应的特征值计算方法。
　　 (3)设计了基于肤色分割与AdaBoost分类器的人脸检测算法整体实现流程,同时介绍了两种典型的多姿态人脸检测算法,并在此基础上设计了自己的多姿态人脸检测器:利用多个级联分类器依次对人脸候选区域进行排除,并将最终的检测结果讲行叠加。
　　 (4)此外,为了训练多姿态人脸分类器,本文搜集了大量的多姿态的人脸样本和足够多的非人脸样本,并采用AdaBoost算法分别训练了多个针对不同姿态进行检测的人脸检测分类器。
　　 (5)最后,设计了人脸检测实验方案,并进行了相关实验及数据分析。一方面,将本文中所采用人脸检测算法、基于肤色的人脸检测算法以及基于AdaBoost的人脸检测三种人脸检测算法进行了比较;另一方面,采用该多姿态人脸检测算法对大量的多姿态人脸样本分别进行了检测。最后对实验的结果数据进行了统计与分析,并总结了此人脸检测算法的优缺点及进一步工作展望。