复杂背景下彩色静止图像中的人脸检测研究

摘要

随着社会的发展，各个方面对快速有效的自动身份验证的要求日益迫切。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的最理想依据。相比利用指纹、视网膜、声音等其它人体生物特征的人身鉴别方法，人脸识别具有蕴涵信息量大、直接、友好、方便等特点，更易于为用户所接受。人脸检测是自动人脸识别系统的一个关键环节，它是指在输入图像中确定所有人脸的位置、大小和姿态的过程。
　　 课题致力于复杂背景下基于彩色静止图像的人脸检测与识别方法研究，重点研究了统计特征提取和分类识别定位环节。利用相关软、硬件平台，通过对肤色筛选分割、特征提取等过程的相关算法研究，解决彩色图像中的人脸检测定位问题，探寻能够普遍适用于各种复杂情况的准确率很高的人脸检测算法。
　　 首先建立肤色模型，利用人脸检测算法得到肤色区域，然后对肤色区域进行数学形态学处理和筛选，获得候选人脸区域。在肤色分割的基础上，针对候选人脸区域，进行边缘检测，将器官分布特征、边缘图像等信息相结合，实现对人脸特征的提取。其中重要的是人眼定位，双眼一旦提取出来，即可输出人脸样本。最后，在特征提取的基础上定位出人脸。
　　 课题应用的人脸检测算法能够实现复杂背景下彩色图像中的准正面以及有一定的旋转角度和表情变化的侧面人脸检测，具备较高的检测性能。

目录

声明

学位论文主要创新点

摘要

第一章 绪论

1．1 人脸检测的研究背景与意义

1．2 国内外研究现状

1．3 人脸检测的研究难点

1．4 人脸检测的主要方法

1．5 论文的主要工作和内容安排

1．5．1 论文的主要工作

1．5．2 论文各章的内容安排

第二章 彩色静止图像的肤色分割和候选区域筛选

2．1 色彩空间模型及其转换

2．1．1 RGB色彩空间

2．1．2 RGB线性转换的色彩空间

2．1．3 RGB非线性转换的色彩空间

2．2 彩色图像预处理

2．3 基于色彩空间的肤色初分割

2．3．1 色彩空间的选取

2．3．2 H_SI_I色彩空间

2．3．3 H_SI_I空间中的肤色模型

2．3．4 基于H_SI_I肤色模型的肤色分割实验

2．4 基于模糊聚类算法的肤色再分割

2．4．1 模糊C均值算法

2．4．2 肤色聚类区域的判决

2．4．3 基于模糊聚类的二次肤色分割实验

2．5 数学形态学处理

2．5．1 膨胀

2．5．2 腐蚀

2．5．3 开启和闭合

2．5．4 数学形态学处理肤色区域

2．6 候选人脸区域的确定

2．6．1 轮廓提取

2．6．2 外接矩形的算法

2．6．3 矩形的归并

2．6．4 几何筛选

2．7 本章小结

第三章 特征提取和人脸定位

3．1 基于器官分布特征的人脸定位

3．1．1 眼睛提取

3．1．2 嘴唇提取

3．1．3 脸部定位

3．2 基于积分投影和边缘图像的人脸定位

3．2．1 主轴旋转

3．2．2 彩色图像灰度化

3．2．3 水平积分投影估计人眼的水平位置

3．2．4 灰度图像二值化

3．2．5 边缘检测

3．2．6 加窗处理定位眼睛

3．3 基于积分投影和差分投影的人脸定位

3．3．1 方差投影

第四章 实验结果及分析

4．1 实验测试结果

4．2 实验结果分析

第五章 总结与展望

参考文献

硕士期间发表论文和参加科研情况

致谢