基于肤色的人脸检测与跟踪方法研究

摘要

人脸检测是指利用计算机在图像中定位人脸，并给出人脸的大小、位置、数目等信息，为人脸特征的获取奠定基础。近些年来，人脸检测技术已经成为模式识别与计算机视觉领域中一个重要的研究课题。本文在学习研究了前人成果的基础上，针对在复杂背景下的人脸检测和跟踪问题，提出了一种基于肤色的人脸检测和跟踪算法。本文的工作主要包括以下三个方面:
　　(1)肤色建模。在常见的YCbCr颜色空间的基础上，本文运用了YCbCr和HSV两种颜色空间相融合建立了肤色模型。在图像分割时，采用了混合肤色和改进的遗传算法对Sobel边缘检测算法的阈值进行自动选取的方法对人脸图像进行边缘检测，再用数学形态学的方法对图像边缘进行细化。实验表明，该算法可以增强人脸检测的可靠性以及有效的确定出人脸候选区域。
　　(2)人脸特征定位主要指是对人嘴巴和人眼的定位。在对人眼的定位中，采用了改进的遗传算法对Sobel边缘检测算法的阈值自动选取的方法对人脸图像检测边缘，然后用数学形态学的方法初步定位人脸特征区域，最后用计算灰度梯度密度的方法精确定位人眼特征。该方法计算量不大，简单有效。然后，根据嘴巴的颜色、眼睛以及先验知识检测定位嘴，再根据嘴巴和人眼的三角关系精确定位人脸。实验结果表明，该方法计算简单，准确性高。
　　(3)在人脸的跟踪部分，采用了点运动预测估计算法。先估计出运动的大概位置减少搜索区域，在大概确定了搜索区域之后。采用两个正交的跟踪模型跟踪人脸，其中一个是遗传算法优化的边缘梯度跟踪模型，另一个是统计肤色像素的直方图跟踪模型。实验表明，该算法在对人脸跟踪时具有很好的连续性、实时性。

目录

声明

摘要

第一章 引言

1．1 选题背景和意义

1．2 国内外研究的现状

1．3 本文的主要工作及论文结构

第二章 人脸检测的基本原理和方法

2．1 人脸检测技术简介

2．1．1 人脸检测和跟踪的基本内容

2．1．2 人脸检测技术的研究难点

2．2 常用的人脸检测方法的总结

2．2．1 基于知识的方法

2．2．2 基于统计模型的方法

2．2．3 基于特征的方法

2．2．4 基于模板匹配的方法

2．2．5 基于肤色特征的方法

2．3 遗传算法的基本内容

2．3．1 控制参数

2．3．2 编码机制

2．3．3 遗传算子

2．3．4 适应度函数

2．3．5 选择策略

2．3．6 遗传算法改进

2．3．7 遗传算法的应用及动向

2．4 肤色的聚类性

2．5 用遗传算法优化的Sobel算子的阈值的方法

第三章 基于YCbCr颜色空间的肤色建模

3．1 几种常见的颜色空间

3．1．1 RGB彩空间

3．1．2 HSV色彩空间

3．1．3 YCbCr颜色空间

3．2 基于肤色模型的粗检测

3．2．1 混合肤色模型

3．2．2 肤色分割

3．2．3 二值图像的形态学处理

3．3 人脸候选区域的筛选

第四章 人脸面部特征的精确定位与跟踪

4．1 人眼的定位

4．1．1 边缘检测算子简介与选择

4．1．2 人眼特征定位

4．1．3 人眼定位分析

4．2 嘴的检测

4．3 实验结果及分析

4．4 人脸跟踪

4．4．1 肤色模型的更新

4．4．2 点运动预测

4．4．3 确定搜索区域

4．4．4 确定搜索区域中的边缘梯度和直方图的匹配度

第五章 总结与展望

参考文献

致谢

作者在攻读学位期间的学术论文