论文部分内容阅读
人脸识别作为最有潜力的身份验证手段已经越来越受到研究者的重视，而人脸检测作为人脸识别的前期阶段，也是识别中的关键环节，也因此成为研究热点。本文主要研究基于肤色和AdaBoost改进算法的人脸检测方法，首先利用肤色信息得到候选人脸区域，然后将该区域输入训练所得的级联分类器，从而得到准确定位的人脸。具体工作如下：
1、对经典AdaBoost算法进行深入分析研究，针对算法在训练过程中出现的退化现象，对算法的权值更新规则加以改进，其基本思想是为每一轮的训练都定义一个阈值，被错误分类的样本只有在其当前权值小于该轮的权值更新阈值时样本的权值才会被增加，否则，权值将被减小。同时，本文把构造级联分类器的过程嵌入到训练过程中，省去了单独构造级联分类器的过程。实验结果表明，该方法有效地避免了退化现象的发生，检测效果良好。
2、先分析比较常用的色彩空间，选用可以降低亮度影响的YCbCr空间。然后利用CbCr空间中肤色的经验稳定范围来实现肤色分割，最后利用人脸的统计特征来实现人脸的检测。实验结果表明，肤色检测速度快，检测率高，但是误检率也较高。
3、分析总结AdaBoost算法和肤色检测的不足之处，提出了将两种方法相结合的人脸检测方法，即将通过肤色检测得到的候选人脸区域作为AdaBoost级联分类器的输入，进而得到准确定位的人脸。实验结果表明，该方法充分利用了两种方法的优势，检测性能良好。