皮肤检测及人脸检测调研报告.docVIP

大连交通大学信息工程学院 毕业设计(论文)调研报告 专 业 信息工程 学生姓名 班 级 指导教师 张 燕 职 称 所在单位 教研室主任 　 完成日期 2015年 月 日调研报告 1 课题来源及意义 数字图象处理技术是20世纪60年代发展起来的一门新兴科学。近40年来，由于大规模集成电路和计算机技术的迅速发展，离散数学的不断突破，以及军事，医学等方面应用需求的不断增长，数字图象处理的理论和方法发展迅速，图像处理技术不断完善。许多有识之士指出，从某种意义上讲，数字图像处理是实现智能计算机，智能机器人或多媒体通信系统的基础，未来计算机及智能机器人的发展与进步，将在一定程度上依赖于机器视觉信息处理理论和技术的突破。目前数字图像处理技术已在工程科学，计算机科学，信息科学，遥感遥测，采矿，地质勘探，工业探伤，自动控制，机器人，军事，公安，生物学，医学，视频，多媒体，统计学甚至社会科学等领域得到了广泛应用。数字图像处理技术的发展，影响之深是不可估量的[1]。 随着计算机媒体信息处理能力的增强，视觉交互界面VBI(Vision Based Interface)已成为“以用户为中心”的新一代人机交互方式的核心之一，它涉及到人脸检测、人体跟踪、手势识别、表情分析等关键技术，包括对图像或视频中的颜色、形状、纹理、运动等视觉特征的提取。其中，肤色特征是一类计算快速且相对稳定的识别线索，它不受检测对象在方向和大小上的影响，对用户姿态、表情变化的敏感度低，适合实时的交互计算，因此有效的肤色建模是视觉交互技术中的重要环节[7]。 皮肤检测是人脸检测与识别,表情识别，手势识别，人体检测等计算机视觉任务的重要组成部分，更是图像与视频索引，色情图像检测的关键步骤，广泛用于人机交互接口，访问控制，视频监控以及互联网敏感内容过滤等领域[6]。 目前应用最热门的三个领域是身份认证与安全防护；媒体与娱乐；图像搜索。基于颜色的皮肤检测具有简单，快速，直观，不受物体形状变化及视点改变等影响的优势，受收到研究者的普遍重视，具有重要的理论研究意义和应用价值[3]。在静态图像中的肤色检测技术中，颜色空间的选择和肤色建模的方法是肤色检测的关键问题[4]。 2 课题国内外发展状况 2.1 肤色检测的研究现状 目前，许多国家都展开了人脸检测的研究，主要是美国，欧洲国家，日本，新加坡，韩国等，著名的研究机构有美国MIT的MEDIA lab,A lab,CMU的Human-Computer Interface Institute, Microsoft Research,英国的Department of Engineering in University of Cambridge等。国内开展人脸检测研究的主要单位有清华大学，哈尔滨工业大学，北京工业大学，中科院计算所，中科院自动化所，复旦大学，南京理工大学等，都取得了一定的成果。综合有关文献，目前的方法主要集中在几个方面。例如：模板匹配，基于器官特征的方法，示例学习，神经网络，基于隐马尔可夫模型的方法，基于彩色信息的方法，形状分析，频域中的特征提取，多模态信息融合和基于AdaBoost的方法。 肤色建模的相关研究工作，大致可以分为四类方法：非参数化的分布建模、参数化的分布建模、肤色区域的显式定义和基于机器学习的方法。非参数化的肤色建模技术采用了离散直方图或其变种形式来表示模型，需要大量的存储空问，且无法对训练集进行插值或泛化操作，并不适用于视觉交互应用；参数化方法假设了肤色像素在空间中符合某种形态的概率分布并以精简的参数化模型来表示，如单高斯模型、混合高斯模型[8]、椭圆模型[12]等，研究结果显示了不同颜色空问下的模型性能存在着较大的差异[9]；肤色区域显式定义法则以一组规则或多阈值的形式直接定义肤色聚簇在颜色空间中的闭包边界，避免了肤色分布概率的计算，简单、高效，但该类模型大多通过经验观察，由先验知识描述而来，因此要获得较高的识别率，找到最佳的特征空间和足够鲁棒的判定规则是一大难点；作为典型的二值分类问题，MIP多层感知器、SOM 自组织映射图、BN贝叶斯网络等机器学习方法也被广泛地用于构建肤色分类器，如Chen和Chiang[10]在CIE-nxy空间中训练了一个3层向前反馈神经网络，Karlekar和Desai、Phung在CbCr颜色空间中采用MIP进行肤色分类，机器学习方法