论文部分内容阅读
人脸检测是指在输入图像中找出全部人脸区域（假如存在）的过程，是自动人脸识别系统中的一个重要步骤。早期的人脸识别主要研究具有较强约束条件的人脸图像，这些图像背景比较单一或者无背景，其中的人脸区域较易获得或者已知，因此人脸检测问题并没有受到足够的重视。近年来，随着电子商务等应用的发展，人脸检测已经被作为一个独立的课题进行研究，并随之出现了许多人脸检测方法。但是，人脸检测问题由于受到光照问题、人脸表情及姿态变化、遮挡和复杂背景等客观因素的影响仍未彻底解决。本文首先研究和分析了主流人脸检测流程，通过对人脸检测算法整体复杂度的详细分析，指出对输入图像进行全局预处理的重要性，并且提出了新的人脸检测流程。接着作者根据人脸检测应强调人脸轮廓及五官特征的思想，总结了图像全局预处理应达到的目标效果。根据全局预处理的目标，本文提出了一种“二值化纹理提取算法”并对其进行了证明。此算法能够在不同光照、姿态及表情变化和各种复杂背景情境下准确提取出图像中各对象的轮廓和部分纹理特征。其次，本文根据图像形态学的原理设计了一种人脸粗检方法，该方法能够过滤掉大部分非人脸区域，加快人脸检测效率。最后，本文将二值化纹理算法与主流人脸检测技术如BP神经网络、Gabor和Adaboost相结合，使用Matlab工具，在包含多种成像环境、不同肤色人脸的图像测试库上进行测试，证明本文提出的新的人脸检测流程和“二值化纹理提取算法”的适用性和鲁棒性。