论文部分内容阅读
20世纪90年代以来,随着身份认证重要性的日益凸显,其智能化进程逐渐加快,人脸分析作为身份认证的一个重要方面,亟待完善。所谓人脸分析,即根据人脸部的图像,通过模式识别等方法提取希望得到的相关信息,比如表情、身份等。人脸检测作为人脸分析的首要步骤,占据着重要地位,也逐渐成为一个独立的热门课题。人脸检测即从待检测的视频或者图像中,判别出是否有人脸的存在,假如确实存在人脸,则返回该检测目标的基本信息,包括位置及其姿态等。检测到了人脸才能进行下一步的识别工作,所以人脸检测在整个系统中举足轻重。本文的主要工作内容就是针对这项技术进行学习研究,详细内容如下。(1)重点研究人脸检测的关键技术,在进行大量调研之后,选取目前综合评价最高、检测速率较快的AdaBoost算法,该算法检测速度检测率都有较好的表现。本文选取该算法作为理论依据,找出改进的切入点。(2)针对待检内容的光照问题进行研究,光照不均会对人脸检测的结果造成很大影响,通过实验发现仅仅靠文献[40]提及的直方图均衡远远不够。本文采用了gamma校正的补偿的方法,并做了大量的实验进行验证。(3)研究基于肤色匹配的检测方案,提出其不足之处。学习研究AdaBoost算法的理论依据和实现步骤,重点根据其缺点进行对该算法的优化。增加新的可以描述具有倾斜角度人脸的Haar-like特征,改进人脸检测训练中权重更新的方式,在AdaBoost算法中引入代价因子,根据不同的样本和训练过程中的改变来赋予不同的权重,由此可提高正样本的利用率,另外,每一级强分类器作为下一级强分类器的第一级弱分类器,这样大量的非人脸区域就可以在分类器前半部中被过滤掉,提高检测速度。对两种算法进行比较,经过标准的人脸检测测试库验证,列举出几种典型的情况作为分析依据,列出图表说明改进的有效性,并分析本文算法的优缺点。实验证明,本文在误检率上表现相对优越,检测率也得到了提升。验证了本文对AdaBoost算法的人脸检测优化的可行性,可应用在复杂背景下的人脸分析中,比如刑侦、海关等领域的人脸侦查,具有一定现实意义。