学位论文 > 优秀研究生学位论文题录展示

基于与或图的异常人脸检测技术研究

作　者: 吴雪平
导　师: 裴明涛
学　校: 北京理工大学
专　业: 计算机科学与技术
关键词: 异常人脸检测与或图 α通道、β通道、γ通道
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 31次
引　用: 0次
阅　读: 论文下载

内容摘要

随着信息技术的发展和信息网络化的日趋普及,人脸检测技术得到了广泛的应用。人脸检测的基本思想是基于知识或统计的方法对人脸建模,比较所有可能的待检测区域的人脸模型的匹配度,从而检测到人脸区域。目前的人脸检测方法根据所采用的特征可分为基于肤色模型、基于几何特征、基于先验知识、基于人脸统计信息以及基于关联信息检测的方法。实际人脸检测中经常会有脸部被遮挡、戴有墨镜、戴有口罩以及分辨率较低导致人脸不清晰的情况,我们称为异常人脸,目前还没有一种通用的异常人脸检测方法。针对这种情况,本文提出了基于与或图的多通道异常人脸检测方法。定义三个通道:α通道、β通道、γ通道。α通道直接进行人脸检测,β通道通过检测人脸局部特征得到人脸区域,γ通道通过检测头肩区域得到人脸区域。α通道采用肤色模型和AdaBoost方法相结合的方式进行人脸检测,提高了人脸检测的效率和鲁棒性。β通道首先采用局部特征检测方法对眼睛、鼻子、嘴三个局部特征进行检测,然后以bottom-up的方式整合检测结果得到人脸区域。γ通道采用HOG特征和SVM分类器对头肩进行检测,然后以top-down的方式推测人脸。我们使用与或图来表达三个通道的检测过程,给每个通道设置权值,并使用贪心的方式整合三个通道的结果得到最终的人脸检测结果。实验表明,在α通道检测人脸失败的情况下,可通过β通道或γ通道确定人脸,提高了人脸检测的鲁棒性。多通道人脸检测技术可以很好的处理人脸被遮挡的情况,实现异常人脸的检测。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-18
  1.1 本论文研究的目的和意义  9-10
  1.2 国内外研究现状及发展趋势  10-16
    1.2.1 人脸检测技术  10-11
    1.2.2 人脸检测方法分类  11-14
    1.2.3 异常人脸检测  14-15
    1.2.4 发展趋势  15-16
  1.3 本文的主要工作  16
  1.4 本文的组织结构  16-18
第2章基于肤色特征和 AdaBoost 人脸检测算法  18-30
  2.1 基于肤色特征的人脸检测  18-20
    2.1.1 人脸肤色模型  18
    2.1.2 基于肤色的人脸检测过程及实验结果  18-20
  2.2 AdaBoost 人脸检测  20-30
    2.2.1 Haar 特征提取及积分图计算方法  20-23
    2.2.2 基于Adaboost 的学习方法  23-27
    2.2.3 基于AdaBoost 的人脸检测  27-30
第3章脸部局部特征检测和头肩检测算法  30-50
  3.1 眼睛  30-33
    3.1.1 基于NDA 特征提取的AdaBoost 眼睛检测方法  30-33
  3.2 嘴部  33-37
    3.2.1 基于唇部特征检测和神经网络的唇部检测  34-37
  3.3 鼻子  37-40
    3.3.1 基于鼻子特征和bounding-box 分类器的鼻子检测  38-40
  3.4 头肩检测  40-50
    3.4.1 基于PCA-HOG-LBP 的头肩特征  40-46
    3.4.2 训练SVM 分类器检测头肩特征  46-48
    3.4.3 实验结果  48-50
第4章基于与或图的异常人脸检测  50-64
  4.1 与或图技术  50-56
    4.1.1 与或图And-Or graph  50-51
    4.1.2 三个过程  51-52
    4.1.3 人脸检测的与或图处理  52-53
    4.1.4 整合三个过程  53-56
  4.2 异常人脸检测技术的实现  56-64
    4.2.1 异常人脸检测  57-60
    4.2.2 异常人脸判断  60-61
    4.2.3 实验结果  61-64
结论  64-66
参考文献  66-70
致谢  70

基于与或图的异常人脸检测技术研究

内容摘要

全文目录

相似论文