人臉檢測算法及其在實時視頻流中的應用.pdf

1、隨著模式識別與計算機視覺領域的快速發(fā)展，人臉檢測作為人臉信息處理中的一項關鍵技術，近年來受到普遍重視。人臉檢測(face detection)，是指在輸入圖像中確定所有人臉(如果存在)的位置-大小-位姿的過程。實時視頻流中的人臉檢測就是在進行實時的視頻文件中將畫面中的人臉標注出來。
　　 本文首先探討了課題的研究背景和意義，總結了當前的國內外研究現(xiàn)狀。其次，介紹了兩種在人臉檢測領域比較重要的算法：基于膚色和模板的人臉檢測方案和基

2、于Adaboost算法的人臉檢測，并對它們進行了詳細的分析。再次，考慮到實時視頻中圖像的多樣性，挑選兩種算法中較適合的Adaboost算法，對其進行改進，提出基于GH-YJ混合型的Adaboost算法，并通過實驗進行驗證。最后，以某居民小區(qū)地下車庫為實際應用工程背景，利用Opencv的開發(fā)包，通過軟件實現(xiàn)了實時視頻流中的人臉檢測，并對結果進行了分析。本文主要研究工作包括：
　　 (1)分析當前人臉檢測技術的研究現(xiàn)狀，為本文的研究

3、奠定了基礎。
　　 (2)詳細分析了基于膚色和模板的人臉檢測方案。該算法是針對復雜背景下的靜態(tài)彩色圖像，利用膚色和特征提取的方法確定候選人臉區(qū)域，然后使用模板匹配的方法進行確認。該算法是一個由粗到精的檢測過程，將膚色分割、特征提取和模板匹配相結合，一步步的減小目標區(qū)域，最終實現(xiàn)彩色圖像中的人臉檢測和定位。
　　 (3)詳細分析了基于傳統(tǒng)Adaboost算法的人臉檢測。該算法首先提取圖像中的Haar特征以表示人臉面部的灰度

4、分布，然后通過訓練從中選出最優(yōu)的Haar特征，再將其轉換成弱分類器，最后將得到的弱分類器進行優(yōu)化組合用于人臉檢測。
　　 (4)提出了基于GH-YJ混合型的Adaboost改進算法。該算法首先在提取Haar特征矩形區(qū)域的同時，去除對人臉檢測貢獻不大的區(qū)域，其次，優(yōu)化級聯(lián)分類器，在各級分類器中引入多分辨率搜索算法思想，通過分辨率的切換，去除非人臉區(qū)域，然后，在各級分類器中增加級聯(lián)優(yōu)化模塊，以降低本級分類器誤檢率。最后，通過實驗對該