学位论文 > 优秀研究生学位论文题录展示

基于Adaboost算法的人脸检测研究

作　者: 陈秋玲
导　师: 曾祥金
学　校: 武汉理工大学
专　业: 应用数学
关键词: 人脸检测 Adaboost算法 肤色区域提取 级联分类器
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 145次
引　用: 0次
阅　读: 论文下载
 

内容摘要


本文以静态图像为研究背景,融合人体的肤色特征和Adaboost算法级联分类思想设计了人脸检测系统。因人脸的非刚体结构、现阶段的研究现状及图像采集的外部环境的影响,使得人脸检测技术的发展不是很成熟,处于上升期。人脸检测作为模式识别和计算机视觉领域中的重要研究方向之一,在图像与视频检索、信息安全、人脸识别与检测、视频监控等领域有着重要的应用价值。本文详细论述了Adaboost算法实现人脸检测的检测原理及其检测过程,整个检测过程主要包括图像中矩形特征的提取,矩形特征值的计算,积分图的引用机制,弱分类器的训练过程,强分类器的提升方法,以及级联分类器的设计机制。单纯使用Adaboost算法检测人脸,存在着很高漏检率,另外Adaboost算法中样本权值自适应调整会导致非人脸样本权值过大学习过度现象。针对问题一,采用融合人脸肤色特征的方法减小分类器检测区域,将检测的重点缩小到人体的肤色区域。肤色区域的提取又涉及到图像处理中的知识,因为人体的肤色灰度值在空间的分布比较集中,可以使用颜色空间建立肤色模型,对图像灰度变换,利用阈值法将图像中的肤色像素点和背景区域像素点二值化,形成一个黑白分明的图像。对处理后的二值图进行边缘锐化噪点过滤。就此得到一幅人体目标区域与背景区域相分离的图像。针对问题二,解决的方法是对非人脸样本,设定一个阈值,当样本权值在这个阈值之内,则可以增加此样本的权值,若不在这个阈值范围之类,则相应的减小权值,可以有效的解决分类器对分类错误的样本过度学习的情况。人脸检测研究领域,最大的问题是人脸检测精度和检测的速度没有达到人们的预想的期望,未来的人脸检测研究重点主要针对以下几种情况：人脸检测系统不再是单纯的使用某一种检测方法,其发展方向必将是融合两种或者多种人脸检测思想,通过相互间的融合改进系统的检测精度及速度。最后,进行检测的对象必将更加复杂,不再是静态的或者是单人脸检测,或者是复杂背景下的人脸检测,或者是动态视频中的人脸检测。

全文目录


摘要  4-5
Abstract  5-9
第一章 绪论  9-12
  1.1 课题研究的背景和意义以及存在的问题  9-10
  1.2 国内和国外的研究现状  10-11
  1.3 本文结构和各章节内容安排  11-12
第二章 人脸检测方法的分类及其评价标准  12-18
  2.1 基于特征的人脸检测方法  12-13
    2.1.1 灰度特征  12-13
    2.1.2 肤色特征  13
    2.1.3 纹理特征  13
    2.1.4 结构特征  13
  2.2 基于模板的方法  13-15
    2.2.1 马赛克图法  14
    2.2.2 固定模板  14
    2.2.3 弹性模板  14
    2.2.4 变动轮廓模型  14-15
  2.3 基于图像的人脸检测方法  15-16
    2.3.1 基于线性子空间的方法  15
    2.3.2 基于人工神经网络的方法  15-16
  2.4 基于统计的方法  16-17
    2.4.1 基于支持向量机的方法  16
    2.4.2 基于Adaboost的方法  16-17
  2.5 人脸检测方法的评价标准  17-18
第三章 基于Adaboost算法的级联分类器的训练  18-36
  3.1 机器学习知识引入  18-19
    3.1.1 弱学习和强学习  18-19
    3.1.2 PAC学习模型  19
    3.1.3 Boosting算法  19
  3.2 Adaboost算法  19-30
    3.2.1 Adaboost算法人脸检测原理  20-22
    3.2.2 Adaboost算法的误检率上限  22-23
    3.2.3 矩形特征  23-28
    3.2.4 积分图像  28-30
  3.3 弱分类器与强分类器  30-33
  3.4 级联分类器  33-36
    3.4.1 级联分类器检测原理  34
    3.4.2 级联结构的检测率与误检率分析  34-36
第四章 Adaboost算法的改进--融入肤色特征  36-50
  4.1 颜色空间  36-40
    4.1.1 RGB和归一化的RGB颜色空间  37-38
    4.1.2 HSI颜色空间  38-39
    4.1.3 YCbCr颜色空间  39-40
  4.2 肤色模型  40-43
  4.3 图像处理  43-45
    4.3.1 光线补偿  43-44
    4.3.2 二值化  44-45
    4.3.3 梯度锐化  45
  4.4 Adaboost算法中融合肤色特征的人脸检测  45-50
    4.4.1 人脸检测系统设计  45-46
    4.4.2 实验结果及结果分析  46-50
总结与展望  50-51
致谢  51-52
参考文献  52-54

相似论文

  1. 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
  2. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  3. 人脸检测算法的FPGA设计与实现,TP391.41
  4. 人脸检测及其DSP实现,TP391.41
  5. 基于AdaBoost算法的车辆识别系统研究与实现,TP391.41
  6. 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
  7. 红外条件下驾驶员疲劳检测研究,TP391.41
  8. 视频序列中人脸检测光流跟踪技术研究,TP391.41
  9. 基于AdaBoost算法的人脸检测方法研究,TP391.41
  10. 视频中的人脸检测与跟踪算法研究,TP391.41
  11. 基于视觉的驾驶员疲劳状态检测方法研究,TP391.41
  12. 基于视觉的驾驶员疲劳实时检测研究,TP391.41
  13. 基于互联网的人脸图像搜索,TP391.41
  14. 多尺度车辆检测技术研究,TP391.41
  15. 彩色人脸检测与识别研究,TP391.41
  16. 复杂背景下的车辆牌照定位算法研究及实现,TP391.41
  17. 自动白平衡算法的改进与实现,TP391.41
  18. 基于DM6446的嵌入式近红外人脸识别系统,TP391.41
  19. 基于梯度特征和级联分类的快速行人检测,TP391.41
  20. 基于彩色图像的人脸检测与识别技术研究,TP391.41
  21. 人脸识别技术在智能机器人中的应用研究,TP242.6

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com