学位论文 > 优秀研究生学位论文题录展示

基于AdaBoost算法的人脸检测方法研究

作　者: 崔浩
导　师: 郝晓莉
学　校: 北京交通大学
专　业: 电路与系统
关键词: 人脸检测 肤色分割 Haar-like特征 AdaBoost算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 172次
引　用: 0次
阅　读: 论文下载
 

内容摘要


人脸作为一个重要的视觉模式,人脸所反映的视觉信息在人与人的交流和交往中有着重要的作用和意义。人脸检测作为人脸信息处理中的一项关键技术,其应用范围也已经远远超出了人脸识别系统,因其在视频监控、出入口控制、视频会议以及人机交互等领域的巨大应用价值,备受研究者关注。作为人脸识别的一个关键部分,人脸检测研究本身也显示出重要的学术价值；并逐渐发展成为一个相对独立的研究方向,其研究方法和手段也日益成熟,出现了各种各样的人脸检测算法。本文主要研究了基于肤色和AdaBoost算法相结合的人脸检测方法,本文所做的研究工作主要包括以下几个方面：首先,研究了基于肤色的人脸检测算法。通过对比常用的色彩空间和肤色模型,选用肤色聚类性能较好的YCbCr色彩空间和易于实现的高斯模型来描述人脸的肤色；研究了实现肤色分割需要的图像预处理技术,基于阈值分割的图像二值化,数学形态学处理方法以及利用肤色区域的大小和长宽比例进一步去除非人脸区域的方法,取得了较好的肤色分割效果。其次,研究了基于AdaBoost的人脸检测算法。详细讨论了Haar-like特征、积分图和级联分类器构成基于AdaBoost算法的人脸检测器的3个组成部分。针对单个Haar-like特征分类能力弱的问题,初步研究了组合Haar-like特征；针对Haar-like特征数量大,训练时间长的问题,采用了特征值量化等优化方法,有效缩短了训练时间。最后,实现了基于肤色分割和AdaBoost算法相结合的人脸检测方法。将经过肤色分割的图像作为级联分类器的输入,提高检测速度和检测率。文章最后对论文的工作进行了总结,并对课题的进一步工作进行了展望。

全文目录


致谢  5-6
中文摘要  6-7
ABSTRACT  7-10
1 引言  10-19
  1.1 人脸检测的研究背景及意义  10-11
  1.2 国内外研究现状  11
  1.3 人脸检测方法综述  11-16
    1.3.1 基于知识的方法  11-13
    1.3.2 基于模板匹配的方法  13-14
    1.3.3 基于统计模型的方法  14-16
  1.4 人脸检测算法性能评价  16-17
  1.5 本论文的研究工作  17-18
  1.6 本文结构  18-19
2 基于肤色的人脸检测  19-36
  2.1 肤色检测概述  19
  2.2 色彩空间选择  19-23
    2.2.1 RGB色彩空间  20-21
    2.2.2 rgb色彩空间  21
    2.2.3 HSI色彩空间  21-22
    2.2.4 YCbCr色彩模型  22-23
  2.3 常用的肤色模型  23-24
  2.4 本文选用的肤色模型及确定肤色模型的参数  24-26
    2.4.1 模型选取  24-25
    2.4.2 样本统计  25-26
  2.5 光照补偿  26-28
    2.5.1 直方图均衡  27-28
  2.6 肤色分割  28-34
    2.6.1 图像降噪  28-29
    2.6.2 相似度计算  29
    2.6.3 二值化处理  29-31
    2.6.4 形态学处理  31-34
  2.7 人脸候选区域筛选  34
  2.8 实验结果及总结  34-36
3 基于AdaBoost算法的人脸检测  36-56
  3.1 AdaBoost算法  36-42
    3.1.1 机器学习概述  36
    3.1.2 弱学习与强学习概念  36-37
    3.1.3 Boosting学习算法  37
    3.1.4 AdaBoost算法  37-39
    3.1.5 AdaBoost算法的错误率上限分析  39-41
    3.1.6 AdaBoost算法举例说明  41-42
  3.2 基于积分图像的AdaBoost人脸检测算法  42-50
    3.2.1 矩形特征  42-46
    3.2.2 积分图  46-48
    3.2.3 弱分类器设计  48
    3.2.4 强分类器设计  48-49
    3.2.5 级联分类器结构  49-50
  3.3 AdaBoost算法训练优化  50-51
  3.4 改进的弱分类器设计  51-54
    3.4.1 组合Haar-like特征  52-54
  3.5 本章总结  54-56
4 基于肤色和AdaBoost算法的人脸检测  56-62
  4.1 系统结构  56-57
  4.2 训练样本的获取  57-58
    4.2.1 人脸样本的获取  57
    4.2.2 非人脸样本的获取  57-58
  4.3 后续处理  58
  4.4 实验结果与总结  58-62
5 总结与展望  62-64
  5.1 本文内容总结  62
  5.2 工作展望  62-64
参考文献  64-67
作者简历  67-69
学位论文数据集  69

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. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  3. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  4. 基于AdaBoost算法的人脸识别研究,TP391.41
  5. 基于OpenCV的人脸检测方法研究,TP391.41
  6. 基于视觉的驾驶员疲劳实时检测研究,TP391.41
  7. 彩色图像人脸检测及人脸特征点定位,TP391.41
  8. 基于连续Adaboost算法的多角度人脸检测技术研究与实现,TP391.41
  9. 人脸表情识别算法研究,TP391.41
  10. 基于与或图的异常人脸检测技术研究,TP391.41
  11. 基于特征点定位的虚拟试戴的研究,TP391.41
  12. 彩色人脸检测与识别研究,TP391.41
  13. 人脸自动美化算法研究,TP391.41
  14. 基于图像分析的人脸比对技术研究,TP391.41
  15. 基于ARM9的嵌入式图像处理平台的设计及应用,TP391.41
  16. 自然教室中基于视频流的人脸识别系统的研究与实现,TP391.41
  17. 人脸检测研究,TP391.41
  18. 基于肤色信息的人脸检测与跟踪算法研究,TP391.41
  19. 基于AdaBoost和Cascade算法的人脸检测,TP391.41
  20. 手势驱动的虚拟演奏系统的研究,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