基于區(qū)域模型及神經網絡方法構建人臉檢測系統(tǒng).pdf

1、人臉檢測作為人臉信息處理中的一項關鍵技術，近年來成為模式識別與計算機視覺領域內一項受到普遍重視、研究十分活躍的課題。本文首先提出了人臉檢測的一個新的應用領域——電子學習，繼而在對人臉檢測理論及相關技術方法研究分析的基礎上，以提高檢測速度和檢測率為目標，提出了一個面向多領域、多圖像模式的人臉檢測系統(tǒng)，重點討論了彩色圖像與灰度圖像的不同檢測方法，以及膚色分割、幾何特征驗證、單人臉檢測、神經網絡驗證四個主要模塊。主要完成如下工作： 首

2、先對膚色分割進行了研究，在對圖像進行光線補償處理的基礎上，對比各個顏色空間，選擇了YCrCb顏色空間和HSI、rgb顏色空間，通過變換改進，分別構造出兩個膚色模型，YCrCb橢圓模型和HSI-rgb膚色模型。這兩個模型，適合不同的應用范圍，且每個模型都是綜合利用各個空間的優(yōu)點，以產生更好的檢測效果。利用這兩種模型，可以快速有效地分割出圖像中的膚色區(qū)域，從而提高了人臉檢測系統(tǒng)的效率和整體性能。實驗證明，這兩種膚色模型在不同的應用領域中均取

3、得了較好的分割效果。 其次對膚色分割的結果區(qū)域通過人臉幾何特征進行了過濾，初步縮小了可能成為人臉的膚色區(qū)域，并在此基礎上，利用神經網絡對人臉候選區(qū)域作進一步的驗證。通過對BP神經網絡進行大量的訓練，將輸入圖像所對應的灰度圖像中的人臉候選區(qū)域，通過不同分辨率的窗口區(qū)域，對多個候選區(qū)域進行驗證。 實驗證明，在通過膚色分割、幾何特征驗證的基礎上進行的神經網絡驗證，其計算時間有所減少，比依靠單一的神經網絡檢測方法進行的人臉檢測效