基于级联支持向量机融合多特征的人脸检测

摘要

9.11事件后安全问题日益引起全球各国重视，基于生物特征的身份鉴别也越来越受关注。人脸作为一种常用的生物特征，相对于指纹、虹膜等生物特征具有非接触优良特性，这使得人脸识别在安保、刑侦、视频监控、社交等各种场合中应用广泛。作为人脸识别的首要步骤，人脸检测直接影响识别的结果。人脸所处场景的千差万别，并且容易受到光照条件、人脸表情、头部姿态以及面部附属物遮挡等因素影响，因此人脸检测目前还是一个亟待解决的难题。本文提出一种结合肤色分割结合人脸图像的梯度、纹理特征的检测算法，克服上述各种不利因素影响。
　　首先，针对人脸肤色的特点，在YIQ颜色空间对肤色样本聚类分析，分别建立I和Q分量高斯肤色模型，依据模型计算待检测图像每点的I、Q肤色概率值，形成肤色概率图，对两幅肤色概率图加权平均并二值化，形态学运算，最终分割出疑似肤色区域，作为人脸检测的预检测环节。
　　然后，多种特征可以包含人脸图像的丰富信息，本文提出在人脸区域提取多种图像特征，包括HOG和LBP特征，前者提取人脸的梯度轮廓信息，后者提取人脸的纹理信息。鉴于两类特征的总维数较大，并不是所有的特征对人脸检测都有效，因此对它们分别作了特征选择，降低特征维数，不仅能节约计算时间和存储空间，而且还能提高后续分类器的泛化能力。
　　最后，设计了基于级联分类器的多特征融合分类模型，采用训练方便快速、分类效果较好的SVM分类器算法，有效地把两种特征结合起来区别人脸和非人脸区域。级联分类器的第一级需要在优先保证检测率高、耗时短的前提下，尽量排除误检测、降低误检率，因此本文采用基于HOG特征的SVM分类器。而级联分类器的第二级分类器采用基于LBP特征的SVM分类器，再对第一级分类器的误检测进一步排除，最终使级联分类器具有较高检测率和较低误检率。
　　本文研究的人脸检测算法在多个图像数据库上进行实验验证，实验结果表明本文的特征选择算法有效提升了特征的分辨性能，大幅减少了特征维数，提高检测效率。同时本文的级联分类器能很好地兼顾检测率、误检率以及检测速度，对不均匀光照、不同表情、各种姿态及部分遮挡条件下的人脸图像具有较好的鲁棒性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1课题背景与意义

1.2人脸检测的研究现状

1.3人脸检测算法的评价指标

1.4论文的主要内容与章节安排

第二章 彩色图像的肤色区域分割

2.1引言

2.2颜色空间

2.3肤色区域分割

2.4本章小结

第三章 特征提取和选择

3.1引言

3.2特征提取

3.3特征选择

3.4本文特征选择算法

3.5本章小结

第四章 基于级联支持向量机的分类器

4.1引言

4.2支持向量机

4.3级联支持向量机

4.4本章小结

第五章 实验结果与分析

5.1人脸检测算法流程

5.2本文使用人脸图像库

5.3开发环境简介

5.4 LBP特征实验

5.5特征提取实验

5.6特征选择实验

5.7级联分类器构建实验

5.8检测准确率实验

5.9本章小结

第六章 总结和展望

6.1总结

6.2展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文

上海交通大学硕士学位论文答辩决议书