论文部分内容阅读
人脸检测最初是作为人脸识别系统的第一步,目的是从背景中定位和提取出入脸来,现在已经作为一个独立的研究课题备受关注。它己被人们广泛的应用于日常生活当中,如视频监控系统、人机交互系统、图像检索、视频会议、身份验证以及虚拟现实等很多方面,具有很广泛的应用前景和社会效益。随着应用的推广,各种新方法、技术都被引用到人脸检测中来以满足实时性的需要。但由于外界环境因素的干扰使得背景图像不断变化,因而目前所有的算法都不能适应各种情况,所以要研究出一种鲁棒性好,检测精度高且性能好的人脸检测算法是一项很艰巨的任务。本文在回顾前人工作,研究各种检测算法,及其应用场合的基础上,提出了一些检测算法的改进,并将人脸检测与较好性能的跟踪算法进行融合,解决了存在部分遮挡、表情、光照等因素对检测效果的影响,满足了视频监控系统对检测算法实时性的要求,实现了在视频中对人脸检测、定位以及跟踪。主要内容如下：(1)针对AdaBoost算法训练阶段提取大量的Haai特征,计算耗时大的弊端,本文将Haar特征用环形对称Gabor变换(CSGT)特征代替,提取图像变换后的局部极值作为特征并且限制特征的均匀分布,来训练分类器,CSGT继承了Gabor小波的特性,具有较强的表现性,且CSGT特征具有严格的旋转不变性,所以改进后的AdaBoost算法对表情,姿态的变化具有较好的鲁棒性。实验证明达到了较好的检测效果,但该算法是在牺牲了检测速度的基础上提高了训练速度,不过在现有科技发展的基础上,使用多核处理器和硬件加速,会使检测速度提高很多。(2)分析了基于肤色分割的人脸检测算法,本文将其和AdaBoost算法结合,进行人脸检测,针对复杂背景的图像,使用肤色分割将候选肤色区域提取出来,然后使用人脸模型比例范围去除一部分非人脸区域,最后使用训练好的AdaBoost分类器进行人脸检测。实验表明,与AdaBoost人脸检测算法相比,不仅提高了检测精度,而且检测速率也得到提高。(3)针对动态视频的人脸检测,本文使用运动估计算法,将带有人脸的运动区域提取出来,使用上面的人脸检测算法进行人脸检测。这种算法能够很好的消除背景运动引起的干扰,而且具有一定的检测速度和效果,满足一定的实时性。(4)在检测算法的基础上,引入SIFT (Scale-Invariant Feature Transform,尺度不变特征变换)算法用于目标之间的匹配以达到跟踪的效果,该算法提取的特征点具有尺度、旋转、平移的不变性,而且对光照变化、仿射变换和3维投影变换具有一定的鲁棒性。本文中对该算法稍微做了一些改动,由于图像的分辨率都很大,提取的特征点很多,使得计算量增大,所以对特征点加入距离约束机制,限制特征点之间的距离,使其在目标上分布均匀,在不降低匹配率的基础上,减少匹配时间。