復(fù)雜背景下自動(dòng)人臉檢測(cè)方法的研究.pdf

1、人臉檢測(cè)作為人臉信息處理中的一項(xiàng)關(guān)鍵技術(shù)，近年來(lái)在模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域中，已經(jīng)成為一個(gè)受到普遍重視、研究十分活躍的方向。隨著智能化信息處理技術(shù)的發(fā)展，人臉檢測(cè)在身份識(shí)別、基于內(nèi)容的檢索、自動(dòng)監(jiān)控、人機(jī)交互等方面有著日益廣泛的應(yīng)用。 本文的主要工作是對(duì)人臉檢測(cè)的兩大類(lèi)方法進(jìn)行了研究和分析，即基于知識(shí)的方法和基于統(tǒng)計(jì)的方法。基于知識(shí)的方法是提取人臉的各種基本特征，根據(jù)知識(shí)規(guī)則確認(rèn)圖像中是否包含人臉?；诮y(tǒng)計(jì)的方法是通過(guò)從大量典型

2、的樣本中獲得統(tǒng)計(jì)特征，建立一個(gè)能對(duì)人臉樣本和非人臉樣本進(jìn)行正確分類(lèi)的分類(lèi)器。 對(duì)于基于知識(shí)的方法，本文對(duì)一種基于特征提取的算法進(jìn)行了改進(jìn)。采用自適應(yīng)的熵閾值分割思想來(lái)提取臉部的橫紋特征，根據(jù)特征的空間位置關(guān)系獲得候選人臉，再利用灰度和紋理規(guī)則進(jìn)行確認(rèn)。實(shí)驗(yàn)結(jié)果表明，動(dòng)態(tài)閾值方法比不變閾值方法下提取的橫紋特征更加準(zhǔn)確，簡(jiǎn)化了算法的運(yùn)算復(fù)雜度。 對(duì)于基于統(tǒng)計(jì)的方法，本文提出了一種基于大量樣本學(xué)習(xí)的多方法優(yōu)化融合的人臉檢測(cè)算法

3、，該算法按照層次式的由粗到精的檢測(cè)模式，將膚色模型、神經(jīng)網(wǎng)絡(luò)和模板匹配等各種方法有效的結(jié)合起來(lái)，互相取長(zhǎng)補(bǔ)短。針對(duì)彩色圖像先利用膚色模型進(jìn)行膚色分割來(lái)縮小搜索范圍，然后對(duì)灰度圖像采用兩個(gè)級(jí)聯(lián)結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器，進(jìn)行人臉和非人臉兩類(lèi)模式的判別，最后結(jié)合模板匹配的方式進(jìn)行驗(yàn)證，通過(guò)采用這種逐步排除的方法一步一步縮小搜索區(qū)域，實(shí)現(xiàn)單個(gè)或多個(gè)正面端正人臉的檢測(cè)與定位。為了檢測(cè)不同大小的人臉，采用多分辨率的滑動(dòng)窗口策略，實(shí)現(xiàn)人臉檢測(cè)的位置不