学位论文 > 优秀研究生学位论文题录展示

基于近红外图像的实时精确人脸检测算法的研究

作　者: 张昌明
导　师: 童卫青
学　校: 华东师范大学
专　业: 计算机应用技术
关键词: 人脸检测 眼睛定位 眼镜检测 AdaBoost N-Quoit滤波器
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 64次
引　用: 0次
阅　读: 论文下载
 

内容摘要


人脸检测是人脸识别的重要环节,其任务是对一幅输入图像,判断是否存在人脸,若存在则对人脸进行定位。近年来,随着研究的深入和应用的扩大,人脸检测在图像检索、安防监控和智能人机交互等领域也有着重要的应用。人脸检测是复杂的模式识别问题,其复杂性包括：人脸姿态的多样性、环境光照的多样性、人脸饰物的多样性等。为了减少光照变化对人脸检测和人脸识别的影响,学者们进行了深入的研究。研究结果表明,相比寻找光照不变人脸特征和算法的改进,采用主动近红外光进行人脸检测和人脸识别是更为直接和有效的方法。本文的主要工作是对既有人脸检测方法进行调查研究,并在总结前人方法的基础上,提出了一种新型的近红外光图像人脸检测算法。该方法不仅眼睛定位精度高,而且达到了实时性的要求,并且对眼睛定位时的戴眼镜的干扰问题有较强的鲁棒性。本文的算法由以下两个部分组成：人脸区域检测和眼睛精确定位。人脸区域检测先采用Haar特征和AdaBoost算法进行人脸分类器的训练,然后使用训练得到的人脸分类器进行人脸区域的寻找。在确定人脸区域后,进行眼睛精确定位。当检测到人脸区域后,先用眼镜检测器进行是否戴眼镜的判断处理。如果检测为不戴眼镜,利用近红外图像具有“瞳孔高亮”的特征,采用基于数理形态学的N-Quoit滤波器分别在左眼和右眼区域进行眼睛精确定位；如果检测为戴眼镜,采用“人脸可信度最大”准则进行眼睛定位。本文的贡献有以下3个方面：(1)针对近红外光图像具有“瞳孔高亮”的特征,提出了基于数理形态学的N-Quoit滤波器的眼睛定位法。(2)为了进行人脸图像戴眼镜与否的预判断,提出了简洁有效的眼镜检测法。(3)当人脸图像戴眼镜情况下,镜片反射近红外光干扰N-Quoit滤波器眼睛定位时,采用“人脸可信度最大”准则进行眼睛定位。最后,本文实现了人脸检测训练器和人脸检测器,并且对新型人脸检测算法进行了实验和评估。实验结果表明,本文提出的人脸检测算法不仅精度高而其速度快,达到了实时性的要求。

全文目录


摘要  6-7
ABSTRACT  7-10
第1章 绪论  10-14
  1.1 研究背景及意义  10-11
  1.2 人脸检测的发展  11-12
  1.3 本文研究内容  12-13
  1.4 论文结构  13-14
第2章 相关研究工作  14-23
  2.1 主动近红外图像成像原理  14-15
  2.2 人脸图像归一化处理  15-16
  2.3 人脸特征表示  16-18
    2.3.1 Haar特征  16-17
    2.3.2 MB-LBP特征  17-18
  2.4 人脸检测学习算法  18-20
    2.4.1 基于Bayes规则的方法  19
    2.4.2 基于神经网络的方法  19-20
    2.4.3 基于支持向量机的方法  20
    2.4.4 基于AdaBoost的方法  20
  2.5 眼睛定位算法  20-21
  2.6 数理形态学  21-22
  2.7 本章小结  22-23
第3章 一种新型的近红外图像人脸检测算法  23-36
  3.1 算法概要  23-24
  3.2 基于Haar特征和AdaBoost算法的人脸区域检测  24-30
    3.2.1 基于AdaBoost算法的人脸分类器的构建  25-29
    3.2.2 人脸检测处理  29-30
  3.3 眼睛精确定位  30-35
    3.3.1 眼镜检测  30-32
    3.3.2 基于N-Quoit滤波器的眼睛定位  32-33
    3.3.3 基于"人脸可信度最大"准则的眼睛定位  33-35
  3.4 本章小结  35-36
第4章 系统设计和实现  36-44
  4.1 系统总体结构  36
  4.2 Adaboost训练子系统设计与实现  36-41
    4.2.1 人脸图像归一化处理模块  37
    4.2.2 初始训练用非人脸样本生成模块  37-38
    4.2.3 Haar特征集合生成模块  38
    4.2.4 特征向量集生成模块  38-39
    4.2.5 强分类器训练模块  39-40
    4.2.6 自举训练用反例样本模块  40
    4.2.7 更新验证用样本模块  40-41
    4.2.8 级联分类器训练模块  41
  4.3 眼睛定位子系统设计与实现  41-43
    4.3.1 人脸区域检测模块  41-43
    4.3.2 眼睛定位模块  43
  4.4 本章小结  43-44
第5章 实验与评估  44-52
  5.1 实验数据  44-45
  5.2 实验方法及实验结果  45-50
  5.3 实验分析  50-51
  5.4 本章小结  51-52
第6章 总结和展望  52-53
  6.1 论文总结  52
  6.2 后续研究工作  52-53
附录  53-54
参考文献  54-57
致谢  57

相似论文

  1. 基于三维重建的焊点质量分类方法研究,TP391.41
  2. 舌体特征的提取及融合分类方法研究,TP391.41
  3. 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
  4. 唇读中的特征提取、选择与融合,TP391.41
  5. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  6. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  7. 基于差分演化的人脸识别方法研究,TP391.41
  8. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  9. 基于AdaBoost算法的人脸识别研究,TP391.41
  10. 基于OpenCV的人脸检测方法研究,TP391.41
  11. 基于单目视觉的车辆检测算法研究与实现,TP274
  12. 基于视觉的驾驶员疲劳实时检测研究,TP391.41
  13. 基于连续Adaboost算法的多角度人脸检测技术研究与实现,TP391.41
  14. 人脸表情识别算法研究,TP391.41
  15. 图像/视频中自动人脸替换研究,TP391.41
  16. 基于小波变换和线性子空间的人脸识别技术研究,TP391.41
  17. 基于特征点定位的虚拟试戴的研究,TP391.41
  18. 彩色人脸检测与识别研究,TP391.41
  19. 人脸自动美化算法研究,TP391.41
  20. 基于ARM9的嵌入式图像处理平台的设计及应用,TP391.41
  21. 基于肤色信息的人脸检测与跟踪算法研究,TP391.41

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