人臉檢測(cè)算法及其在實(shí)時(shí)視頻流中的應(yīng)用.pdf

1、隨著模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域的快速發(fā)展，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)受到普遍重視。人臉檢測(cè)(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(guò)程。實(shí)時(shí)視頻流中的人臉檢測(cè)就是在進(jìn)行實(shí)時(shí)的視頻文件中將畫(huà)面中的人臉標(biāo)注出來(lái)。
　　 本文首先探討了課題的研究背景和意義，總結(jié)了當(dāng)前的國(guó)內(nèi)外研究現(xiàn)狀。其次，介紹了兩種在人臉檢測(cè)領(lǐng)域比較重要的算法：基于膚色和模板的人臉檢測(cè)方案和基

2、于Adaboost算法的人臉檢測(cè)，并對(duì)它們進(jìn)行了詳細(xì)的分析。再次，考慮到實(shí)時(shí)視頻中圖像的多樣性，挑選兩種算法中較適合的Adaboost算法，對(duì)其進(jìn)行改進(jìn)，提出基于GH-YJ混合型的Adaboost算法，并通過(guò)實(shí)驗(yàn)進(jìn)行驗(yàn)證。最后，以某居民小區(qū)地下車(chē)庫(kù)為實(shí)際應(yīng)用工程背景，利用Opencv的開(kāi)發(fā)包，通過(guò)軟件實(shí)現(xiàn)了實(shí)時(shí)視頻流中的人臉檢測(cè)，并對(duì)結(jié)果進(jìn)行了分析。本文主要研究工作包括：
　　 (1)分析當(dāng)前人臉檢測(cè)技術(shù)的研究現(xiàn)狀，為本文的研究

3、奠定了基礎(chǔ)。
　　 (2)詳細(xì)分析了基于膚色和模板的人臉檢測(cè)方案。該算法是針對(duì)復(fù)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(jìn)行確認(rèn)。該算法是一個(gè)由粗到精的檢測(cè)過(guò)程，將膚色分割、特征提取和模板匹配相結(jié)合，一步步的減小目標(biāo)區(qū)域，最終實(shí)現(xiàn)彩色圖像中的人臉檢測(cè)和定位。
　　 (3)詳細(xì)分析了基于傳統(tǒng)Adaboost算法的人臉檢測(cè)。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(guò)訓(xùn)練從中選出最優(yōu)的Haar特征，再將其轉(zhuǎn)換成弱分類(lèi)器，最后將得到的弱分類(lèi)器進(jìn)行優(yōu)化組合用于人臉檢測(cè)。
　　 (4)提出了基于GH-YJ混合型的Adaboost改進(jìn)算法。該算法首先在提取Haar特征矩形區(qū)域的同時(shí)，去除對(duì)人臉檢測(cè)貢獻(xiàn)不大的區(qū)域，其次，優(yōu)化級(jí)聯(lián)分類(lèi)器，在各級(jí)分類(lèi)器中引入多分辨率搜索算法思想，通過(guò)分辨率的切換，去除非人臉區(qū)域，然后，在各級(jí)分類(lèi)器中增加級(jí)聯(lián)優(yōu)化模塊，以降低本級(jí)分類(lèi)器誤檢率。最后，通過(guò)實(shí)驗(yàn)對(duì)該