肤色的统计特征和超球面支持向量机在人脸定位中的应用

摘要

人脸定位分割是判断人眼注视与否的首要前提,在视频安全监视、基于视觉的智能人机交互、人脸识别和人脸图像数据库管理等领域有着重要应用。本文主要分析了肤色的统计特征和超球面支持向量机在彩色图像中的人脸定位上的应用。论文所完成的工作之一是,提出了利用图像区域的肤色统计特征作为图像的特征表示。图像的区域统计特征具有维度低、尺寸不变性和旋转不变性,表现人脸的整体特征的优点。特别地,区域协方差矩阵具有计算速度快、融合多特征、滤除噪声和表示出各个特征之间关系的优点。利用积分图像快速计算协方差矩阵,其计算所花费的代价与区域的尺寸无关。实验中对包含正脸和侧脸的图像分别进行了分割,都达到了较好的效果。论文的另一个内容是在HSV颜色空间中表示肤色特征,这样,对于光照条件变化较大的人脸图像仍然能够正确的检测出人脸。论文的第三个内容是在特征向量的核方法描述方面。 我们讨论了不同核函数的作用及意义,并给出了核函数的选取及其调节具有指导性的原则。最后,论文通过加入辅助条件,将适应于单目标样本数据描述的超球面支持向量机用于人脸的识别定位任务。实验结果表明,对比于超球面支持向量机,加入了辅助条件后的超球面支持向量机,其测试集的正、负误识别率均有所提高,其分类能力有所增强。在扫描窗口较大的情况下,仍能够正确识别出肤色区域,从而节省了人脸分割的扫描时间。

目录

文摘

英文文摘

声明

第一章绪论

第一节人脸定位算法的研究意义

第二节研究背景

第三节本文主要的研究内容和工作

第四节本文的内容安排

第二章人工神经网络与支持向量机

第一节人工神经网络

2.1.1人的视觉系统

2.1.2人工神经网络简介

2.1.3多层前馈神经网络(BP)

第二节支持向量机

2.2.1支持向量机的基本概念

2.2.2线性支持向量机

2.2.3非线性支持向量机

2.2.4支持向量机的核函数

第三节最小超球面支持向量机

2.3.1支持向量机的最小超球面优化算法

2.3.2多目标识别算法

第四节本章小结

第三章彩色数字图像处理

第一节数字图像处理概述

第二节RGB和HSV色彩模型

3.2.1 RGB格式：

3.2.2 HSV格式：

3.2.3 RGB色彩模型和HSV模型的相互转换：

第三节区域统计特征降维

3.3.1常用统计量

3.3.2区域统计特征

3.3.3区域协方差统计特征

第四节消除噪声方法

第五节数学形态学图像处理

3.5.1腐蚀

3.5.2膨胀

3.5.3开运算与闭运算

第六节运动检测原理

3.6.1时间差分法

3.6.2光流场法

第七节扫描投影算法

第八节本章小结

第四章人脸彩色图像分割

第一节人脸图像的定位分割

4.1.1统计特征的优越性

4.1.2基于RGB肤色统计特征的人脸分割

4.1.3提取样本HSV颜色空间的统计特征

4.1.4区域协方差矩阵作为肤色区域的特征向量

第二节超球面支持向量机在人脸分割中的应用

4.2.1超球面支持向量机核函数及其参数的选取

4.2.2超球面支持向量机用于肤色分类

第三节本章小结

第五章总结与展望

参考文献

致谢

个人简历