彩色视频图像序列中的人脸检测研究

摘要

人脸识别研究包括人脸检测、人脸跟踪、人脸识别和表情分析四个主要领域，其中人脸的检测是人脸信息处理领域中的一项关键技术，在自动人脸识别系统、基于内容的检索、视觉监测、新一代人机交互技术等领域具有广阔的应用前景。 人脸检测包括静态图像人脸检测和视频图像序列人脸检测。运动图像序列中包含了比静态图像更多的有用信息。论文归纳和分析了当前人脸检测的典型算法，提出了一种由粗到细的人脸检测方法，以定位彩色视频图像序列中人脸数目、大小、位置均未知的人脸。该方法分三步：①首先将视频图像与背景图像进行差分处理，用自适应阈值使背景差分图像二值化，经数学形态学处理，提取出包括人的头肩等在内的运动区域；②其次通过分析、比较肤色在色彩空间中的聚类性，建立了一种基于YCbCr高斯肤色模型，并对其进行了验证和分析；随后对二值化图像进行基于数学形态学和连通区域分析和处理后，生成了一系列的候选人脸对象；在筛选与验证阶段，本文利用了人脸的几何特征进行了对候选人脸区域的筛选和验证，尽可能的去掉了大部分非人脸区域。③最后将背景差分处理与肤色信息相结合，取出二者的公共区域，得出最后结果。 论文最后利用vC++编程工具对该算法进行了实现，并且在所采集的实拍的视频图像集上做了大量实验。结果表明本文所提出的算法具有较高的检测正确率和低的错误率，同时也具有较快的检测速度，其性能稳定且具有实用性，易实现，对于人脸识别的研究有一定的价值和意义。

目录

文摘

英文文摘

声明

1绪论

1.1研究背景和意义

1.2国内外研究现状

1.2.1人脸检测的发展现状

1.2.2人脸检测领域比较成功的检测系统

1.3论文的主要研究工作

1.4论文的主要内容和组织结构

2人脸检测中基于背景差分的粗检测

2.1运动目标检测的基本方法

2.1.1光流法(optical flow)

2.1.2时间差分法(temporal difference)

2.1.3背景减除法(background subtraction)

2.2检测方法的选择

2.3自适应动态背景的更新

2.4运动区域分割阈值的确定

2.5数学图像中的滤波处理技术

2.5.1邻域平均滤波

2.5.2中值滤波

2.5.3数学形态学滤波

2.5.3滤波效果比较

2.6背景差分的人脸粗检测的具体实现

2.6.1算法流程

2.6.2实验结果

3基于肤色信息的人脸肤色分割及验证算法

3.1肤色的特征

3.2色彩空间理论

3.2.1 RGB色彩空间

3.2.2归一化rgb色彩空间

3.2.3 HSI色彩空间

3.2.4 HSV色彩空间

3.2.5 YIQ色彩空间

3.2.6 YUV色彩空间

3.2.7 YCbCr色彩空间

3.2.8 CMY色彩空间

3.3色彩空间的选择

3.4图像分割技术

3.4.1图像分割的定义

3.4.2基于区域增长的图像分割法

3.4.3基于边缘信息的分开合并分割法

3.4.4基于空间域聚类的图像阈值分割法

3.5光线补偿技术

3.6基于YCbCr色彩空间的肤色高斯模型

3.6.1肤色模型的分类

3.6.2肤色模型的选择与建立

3.6.3肤色相似度分割

3.6.4阈值的选取及其二值化

3.7基于人脸几何特征的候选区域验证方法

3.7.1人脸形状特征

3.7.2肤色区域的验证

4视频采集及序列中的人脸检测技术的总体实现

4.1视频流采集工具Video ForWindows简介

4.2视频流采集的实现

4.2.1 AVICap主要功能

4.2.2视频流采集的具体实现

4.3视频流的绘制

4.4系统的总体实现

4.4.1系统的实验平台配置

4.4.2系统的总体流程

4.4.3系统的用户界面

4.4.4实验结果及分析

5总结与展望

5.1总结

5.2未来工作展望

参考文献

致谢

攻读硕士学位期间发表的论文