视频图像中人脸检测与人脸特征提取的研究

摘要

随着重点民用和商业研究项目的大量增加以及安防监控领域的应用需求，以人脸面部作为处理对象的研究已成为一项热门课题。本文本着模式识别在智能监控的实际应用出发，深入研究了人脸检测、人脸跟踪、特征点提取和表情识别等多项模式识别技术，最终完成了一个实时智能识别系统。 本文提出了一种改进的人脸检测方法，它很好的利用了人脸肤色在H分量上的聚类性分布，对基于Haar特征的检测方法检测结果进行再次检测，可以去除误检的人脸区域，提高检测率。同时由于后续工作也要把整幅图像转为HSV色彩空间，所以该方法增加的计算量很少。 结合该改进的人脸检测方法，本文提出了先在序列图像检测人脸，再在人脸区域进行肤色采样，然后利用CAMSHIFT算法进行肤色跟踪的方法。CAMSHIFT算法由于有很好的实时性和鲁棒性，实验结果很理想。 在特征点的提取,本文利用双眼在H分量亮色与人脸比例特性结合，获取双眼的初步所在区域后，使用边缘检测等技术，可以快速准确的确定眼黑准确位置。该方法较其它眼睛提取方法，计算量小，检测率高。然后利用人脸的比例特征和眉毛、嘴巴的颜色特征，可以很轻易的提取出眉毛和嘴巴。本文用15个特征点来描述眼睛、眉毛、嘴巴的位置、大小和形状的变化。然后本文主要从嘴巴的形状变化研究，分析了四种基本表情下嘴巴的5个特征点的变化情况，最后通过大量的实验，得到了特征点变化与人脸表情的关系，从而可以利用提取的特征点对人脸表情分类识别。本文还进一步提出了利用双眼和眉毛的特征点在序列图像各帧中的变化对四种基本表情进行分类识别的识别方法。点头、摇头等头势变化也可以利用特征点的变化作判断识别。 本课题最后完成了一个实时智能识别系统，它包含图像输入、人脸检测与跟踪、特征点提取、表情分类识别四个功能模块。

目录

文摘

英文文摘

北京化工大学位论文原创性声明及关于论使用授权的说明

第一章绪论

第二章基于肤色与基于Haar特征的人脸检测方法

第三章人脸区域的实时检测

第四章视频中的特征提取与表情表情识别

第五章系统的设计与实现

第六章总结和展望

参考文献

致 谢

研究成果及发表的学术论文

作者和导师简介