復雜光照下人臉檢測的研究.pdf

1、人臉檢測是使用某種策略在圖像中搜索是否包含人臉，一旦包含就給出臉部的位置、姿態(tài)等信息。人臉檢測源自人臉識別，近年來隨著智能監(jiān)控和安全認證等實際要求，許多的學者開始對人臉檢測展開重點的研究。本文針對復雜光照下人臉檢測的問題，首先對待檢測圖片進行光照預處理，以消除光照對圖片的影響，然后本文將膚色分割和Adaboost算法結合起來用于人臉檢測。其中，針對光照預處理問題，本文改進了Retinex算法并將其應用到光照預處理當中，有效的改善了光照對

2、圖片的影響；針對人臉檢測問題，考慮到Adaboost在實際人臉檢測應用當中的不足，將代價敏感因素引入到Adaboost算法的優(yōu)化當中。實驗數(shù)據(jù)顯示，文章研究的人臉檢測系統(tǒng)具有優(yōu)良的檢測效果。本文具體的研究內容總結如下：
　　1、本文在Retinex算法的理論之上，研究了幾種基于Retinex算法的光照預處理方法，并針對目前Retinex光照預處理方法的不足進行了改進，更好的解決了光照因素對圖片效果的影響。
　　2、研究了利用

3、膚色檢測的人臉預篩選策略，文章通過分析對比膚色在幾種色彩空間中的聚集特性，設計了在YCbCr色彩空間建立數(shù)學模型的分割方法，并根據(jù)形態(tài)學處理和先驗知識得到最終的候選人臉區(qū)域。
　　3、系統(tǒng)的研究了利用Adaboost算法進行人臉檢測的方法。細致的講解了算法的流程、Haar矩形特征以及積分圖；深入的學習了Adaboost算法對強弱分類器的訓練過程、分類器的級聯(lián)結構以及多尺度檢測的機制。然后針對Adaboost在實際人臉檢測應用當中的

4、不足，將代價敏感因素引入到算法的改進當中，通過代價敏感因子來刻畫算法對不同訓練樣本的重視程度，從而突出分類器對人臉的檢測性能。最后本文在實驗的情況下研究了不同大小的代價敏感因子對分類器性能的影響，并根據(jù)實驗的結果設計了本文所使用的級聯(lián)人臉檢測器。
　　4、分析總結了膚色分割與Adaboost算法各自的優(yōu)點和不足之處，然后融合兩者的優(yōu)點用于本文的人臉檢測研究。首先利用膚色分割準確度高、速度快的特點，排除掉一些復雜的外部區(qū)域，然后再利