人臉檢測(cè)若干關(guān)鍵技術(shù)研究.pdf

1、人臉檢測(cè)(Face Detection)是指采用一定的算法或策略對(duì)任意的輸入圖像或圖像序列進(jìn)行搜索遍歷,從而判斷其中是否包含人臉,如果包含人臉,則定位出每個(gè)人臉的位置、大小以及姿態(tài)。人臉檢測(cè)是人臉信息處理中的一個(gè)關(guān)鍵環(huán)節(jié),是自動(dòng)人臉識(shí)別的前提和基礎(chǔ),人臉檢測(cè)性能的好壞,直接影響著人臉信息識(shí)別的結(jié)果。目前,人臉檢測(cè)已經(jīng)廣泛應(yīng)用于生物特征識(shí)別、視頻監(jiān)控、人機(jī)交互、安防系統(tǒng)、內(nèi)容檢索及電視會(huì)議等領(lǐng)域。本文針對(duì)人臉檢測(cè)中存在的問(wèn)題與難點(diǎn),對(duì)人臉

2、檢測(cè)的若干關(guān)鍵技術(shù)進(jìn)行了深入的研究,具體研究?jī)?nèi)容主要包括:
　　 (1)為了去除噪聲對(duì)人臉檢測(cè)結(jié)果的影響,提出了利用EMD(Empirical ModeDecomposition)的自適應(yīng)圖像去噪方法。該方法首先對(duì)噪聲圖像按照列、行、左對(duì)角和右對(duì)角方向一維展開(kāi),分別進(jìn)行EMD處理,采用提出的基于噪聲標(biāo)準(zhǔn)差的自適應(yīng)閾值對(duì)各個(gè)IMF進(jìn)行局部硬閾值去噪,將去噪后的IMF進(jìn)行反變換,分別獲得按照四個(gè)方向展開(kāi)所對(duì)應(yīng)的去噪后圖像,然后將它們

3、加和平均得到去噪后圖像。該方法能夠有效地去除圖像的噪聲并保留足夠的圖像細(xì)節(jié)。為了提高人臉檢測(cè)的速度,提出一種基于膚色相似度和動(dòng)態(tài)閾值相結(jié)合的膚色分割算法,以實(shí)現(xiàn)預(yù)先去除人臉圖像中的大量背景區(qū)域。該算法首先在YCgCr色彩空間計(jì)算膚色相似度,然后給出一種基于類(lèi)間方差和類(lèi)內(nèi)離散度相結(jié)合的動(dòng)態(tài)閾值確定方法,并根據(jù)求得的動(dòng)態(tài)閾值對(duì)輸入圖像進(jìn)行膚色分割。該算法具有較強(qiáng)的適應(yīng)性,能夠較好地克服光照變化的影響,明顯改善膚色分割性能,對(duì)提高人臉檢測(cè)的速

4、度與性能起到關(guān)鍵的作用。
　　 (2)在人臉檢測(cè)問(wèn)題中,人臉樣本和非人臉樣本在概率分布上存在著極大的不對(duì)稱(chēng)性,即非人臉樣本的數(shù)量明顯多于人臉樣本的數(shù)量。針對(duì)人臉檢測(cè)中正負(fù)樣本的非對(duì)稱(chēng)性,對(duì)AdaBoostSVM算法進(jìn)行改進(jìn),提出基于樣本非對(duì)稱(chēng)性的AdaBoostSVM人臉檢測(cè)算法(SA-AdaBoostSVM算法)。該算法在評(píng)估每個(gè)弱分類(lèi)器的重要性時(shí),其評(píng)價(jià)系數(shù)不僅決定于錯(cuò)誤率,還考慮了該弱分類(lèi)器對(duì)人臉樣本的識(shí)別能力,從而增大了

5、人臉樣本在訓(xùn)練中的作用。這一算法可以提高人臉檢測(cè)分類(lèi)器的訓(xùn)練收斂速度,明顯改善正面人臉檢測(cè)的性能與速度。
　　 (3)多姿態(tài)人臉檢測(cè)中,人臉姿態(tài)具有極強(qiáng)的不確定性,存在很大的變化空間,且其變化過(guò)程具有連續(xù)性和復(fù)雜性,為此,提出一種基于多特征融合與改進(jìn)的決策樹(shù)級(jí)聯(lián)結(jié)構(gòu)相結(jié)合的多姿態(tài)人臉檢測(cè)算法。該算法首先對(duì)邊緣方位場(chǎng)特征進(jìn)行改進(jìn),給出基于形態(tài)學(xué)梯度的邊緣方位場(chǎng)特征,然后將其與Haar-like特征和三角積分特征相融合,對(duì)SA-Ad

6、aBoostSVM算法進(jìn)行訓(xùn)練。同時(shí),該算法還對(duì)決策樹(shù)級(jí)聯(lián)結(jié)構(gòu)進(jìn)行改進(jìn),在訓(xùn)練和檢測(cè)階段,允許邊界鄰域范圍內(nèi)的人臉樣本同時(shí)進(jìn)入決策樹(shù)級(jí)聯(lián)結(jié)構(gòu)的兩個(gè)分支。實(shí)驗(yàn)結(jié)果表明,該算法能夠充分發(fā)揮不同特征的互補(bǔ)優(yōu)勢(shì),達(dá)到速度和性能的全面改善,為更好地解決多姿態(tài)人臉檢測(cè)問(wèn)題提供一種較為有效的方法。
　　 (4)人臉表面由于一些遮擋物的存在,導(dǎo)致不能提供人臉檢測(cè)所需的全部信息,直接影響著人臉檢測(cè)結(jié)果。針對(duì)這一問(wèn)題,提出基于組件距離匹配度函數(shù)的部