计算机模式识别文献阅读解析.ppt

? 本文将扩展的Haar-like特征（下图所示）作为人脸特质，每个特征由2~3个矩形组成，分别检测边界、细线、中心特征等。 3.2.1 扩展Haar-like特征 3.2 Detection Based on Skin Color Segmentation and AdaBoost Algorithm 3.2.2 皮肤颜色分割技术 3.2 Detection Based on Skin Color Segmentation and AdaBoost Algorithm ? 相对于几何特征，皮肤颜色是彩色图像非常有效的特性，它不会随图像的大小和形状改变而改变。因此，皮肤颜色分割方法具有相对稳定和计算速率高的优点。 ? 调查显示：皮肤颜色的不同主要是由亮度决定，不受色度影响。 通常颜色空间包括RGB、规范RGB、HVS和YCbCr等。 ? YCbCr能够将亮度和色度信息进行分离，再单独处理，故本文采用YCbCr空间作为颜色分布匹配空间。 ? 在YCbCr模型中，Y表示颜色的亮度信息；Cb表示色度的蓝色；Cr表示色度的红色。其和RGB的转换关系如下： 其中：皮肤的Cb和Cr都在一定的范围： 3.2.2 皮肤颜色分割技术 3.2 Detection Based on Skin Color Segmentation and AdaBoost Algorithm 3.2.2 皮肤颜色分割技术 3.2 Detection Based on Skin Color Segmentation and AdaBoost Algorithm ? 扫描图像的每一个像素，如果像素的Cr和Cb值在上述范围内，则表示标定为皮肤；否则将其像素设置为黑色。然后我们采用中值滤波来去除噪声，最后我们将获得人脸待选区域（用于后续AdaBoost人脸识别） 3.2 Detection Based on Skin Color Segmentation and AdaBoost Algorithm 【实验结果】 ? 如右图所示，为图像经过皮肤颜色分割算法检测后的结果，其能将人脸、手等皮肤区域检测出来。 3.2 Detection Based on Skin Color Segmentation and AdaBoost Algorithm 【实验结果】 ? 如右图所示，为图像经过皮肤颜色分割算法检测后，再经过AdaBoost算法后的检测结果，其能很好地将人脸从人脸待选区域中提取出来。 3.2 Detection Based on Skin Color Segmentation and AdaBoost Algorithm 【总结】 ? 本文提出基于皮肤颜色分割技术和AdaBoost算法的人脸检测技术，该算法具有具有较高的检测速率和鲁棒性。 3.3 总结 ? 集成学习：把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。“三个臭皮匠，顶个诸葛亮”。 ? AdaBoost算法：初始化的时候对每一个训练样本都赋予相同的权重，然后用该学习算法对训练集训练T轮，每次训练后，对训练失败的训练样本赋予较大的权重，在训练过程中会生成的一个预测函数hj，其中hj也有一定的权重，预测效果好的预测函数权重大。 ? 基于AdaBoost算法的人脸检测： 【1】 人脸特征选择---Haar-like特征 【2】 人脸特征计算---积分图 【3】 分类函数学习 【4】 级联检测器进行人脸检测 3.3 总结 ? 基于皮肤颜色分割技术和AdaBoost算法的人脸检测： 【1】采用扩展Haar-like特征作为人脸特征。 【2】采用皮肤颜色分割技术选择人脸待选区，减少了级联检测器的数据量，速度更快，精度更高。 [1] 郭磊,王秋光. Adaboost人脸检测算法研究OpenCV实现[J]. 哈尔滨理工大学学报, 2009.10,14(5):123-126. [2] Robert E. Schapire. A Brief Introduction to Boosting [C]. Proceedings of the Sixteenth International Joint Conference on Artificial Intelligence, 1999: 1401-1406.?? [3] Li Yinyan. The Human Face Detection Algori