基于adaboost的人脸检测算法

论文总字数：31919字

摘 要

人脸检测是标识数字图像中的人脸的计算机技术，它的目的是判断图像中是否存在人脸。随着人机交互技术的发展，人脸检测已经成为一个独立的研究领域，并将在该领域有广泛的应用，如：电子商务，智能人机界面等。

本课题研究面向无线传感节点的人脸检测技术，要求检测率高、复杂度低。AdaBoost人脸检测算法虽然能够获得较高的检测率，但是算法复杂度较高，因此本文提出了改进的AdaBoost算法：首先采用肤色分割算法，然后将输出图像交由级联分类器处理，继而得到人脸检测的结果。该方法极大地减少了AdaBoost算法的检测区域，从而提高了检测速率，减少了误检率。本文对算法进行了MATLAB仿真，并用C 语言编写了检测程序实现了在PC上的检测。

实验结果表明，对于自建的包含82张图片共400张人脸的图片库，本文所提出的检测方法可以达到96.25%检测率、7.83%的误检率以及0.12（秒/个）的平均检测速度，性能比传统AdaBoost算法有明显提升。

关键词：人脸检测，肤色分割，YCbCr色彩空间，Adaboost算法

FACE DETECTION ALGORITHMS BASED ON ADABOOST

Abstract

Face detection is a kind of computer technology to identify digital face image, and its purpose is to determine whether there is a face in the image. With the interactive techonology becoming a hot field of artificial intelligence, human face detection has become an independent field of study. There will be a wide range of applications in the field, such as e-commerce, intelligent man-machine interface.

As the research of face detection algorithm for wireless sensor nodes, high accuracy and low computational complex detection algorithm is essential. Althougn AdaBoost algorithm has a high detection rate, its detection speed and false positive rate can’t meet the demand. Accordingly, this paper proposes a new way, which takes the output of skin-color method, called the region of interest of the original image, as the input of cascade classifier, reducing the search area considerably. Then the method is simulated by MATLAB and programmed by C so that face detection can work on PC platform.

The analysis of test results on 400 faces proves that the detection rate, the false positive rate and the detection speed of this method can reach 96.25%, 7.83% and 0.12s per face respectively. Generally, the performance of this new method is moreeffectiv and reliable than the traditional AdaBoost algorithm.

KEY WORDS: face detection, skin-color segement, YCbCr color space, AdaBoost algorithm

目录

摘要 I

Abstract III

目录 V

第一章 绪论 1

1.1 人脸检测的研究背景及意义 1

1.2 人脸检测的国内外研究现状 1

1.3 主要的人脸检测方法及分类 2

1.3.1 基于知识的人脸检测方法 3

1.3.2 基于统计的人脸检测方法 3

1.4 人脸检测系统的评价标准 5

1.5 论文的研究内容和结构 5

第二章 基于肤色的人脸检测 7

2.1 色彩空间 7

2.1.1 RGB色彩空间 7

2.1.2 HSV色彩空间 8

2.1.3 YCbCr色彩空间 9

2.1.4 色彩空间的选取 10

2.2 肤色模型 10

2.2.1 简单肤色模型 10

2.2.2 统计直方图模型 11

2.2.3 高斯模型 11

2.2.4 肤色模型的选定 11

2.3 肤色区域分割 11

2.3.1 图像预处理 11

2.3.2 阈值分割 12

2.3.3 形态学处理^[14] 12

2.3.4 肤色区域筛选^[13] 13

2.4 肤色检测仿真分析 13

第三章 基于AdaBoost算法的人脸检测 21

3.1 AdaBoost算法的发展及应用 21

3.2 构建训练样本库 21

3.3 矩形特征和积分图 22

3.3.1 Haar矩形特征 22

3.3.2 积分图 24

3.4 AdaBoost算法原理 25

3.4.1 弱分类器 25

3.4.2 强分类器 26

3.4.3 级联分类器^[13] 26

第四章 基于肤色和AdaBoost算法的人脸检测 28

4.1 基于肤色检测和基于AdaBoost检测的优劣 28

4.2 基于肤色和AdaBoost算法的人脸检测 28

4.3 C 平台实现 29

4.4 实验结果分析 33

第五章 总结与展望 36

5.1 论文小结 36

5.2 进一步工作 36

致 谢 37

参考文献 39

绪论

人脸检测的研究背景及意义

作为开放的信息源，人脸检测在计算机视觉领域是一个重要的环节，通过对人脸的处理，可以获取一个人的很多信息，比如：年龄、性别、身份和表情等特征。根据这些信息，计算机可以做出相应的反应，从而使人机交互功能得到实现。对于人脸检测的研究最初起源于人脸识别，在完整的识别系统中，人脸检测是必不可少的部分。在早期，人脸识别主要针对的人脸图像都是在强约束条件下的，通常是假定已经获得一个正面人脸或在人脸比较容易得到的情况下进行识别的，因此人脸检测并未吸引很大关注。然而近几年来，随着电子商务和互联网安全的发展，人脸的应用范围和系统开发面临着新的挑战，继而人脸检测的应用范围已不局限于人脸识别系统，最终成为了一个独立的研究方向，得到了很多的研究人员的重视，相关课题成果丰硕。且与指纹、掌纹、虹膜、视网膜等人体生物的其他特征相比较，人脸具有无侵犯性和非接触式采集的优点，因此可以广泛应用在身份验证、视频监控、人机交互和基于内容的图像检索等方面^[1]。

人脸检测是确定在输入图像中是否有人脸存在，若存在则给出其位置、大小和姿态的过程^[2]。作为人脸研究的前期阶段，检测性能的好坏会直接对整个人脸图像应用系统的性能造成影响，所以人脸检测具有非常重要的地位，从而成为计算机视觉和模式识别领域的重要研究内容。近年来，各种应用环境下的人脸应用系统相机出现，典型的人脸检测应用系统如图1-1所示。

剩余内容已隐藏，请支付后下载全文，论文总字数：31919字