复杂背景下人检测.pdf

摘 要 人脸检侧是在一张具有复杂背景的图片中确定人脸图像的位里及大小的过程。 迅速、准确的人脸检侧是一个完整的自动人脸识别系统中不可或缺的部分，人脸识 别系统的最终完成离不开先进的人脸检测技术。国内外学者针对人脸检侧提出了很 多卓有成效的算法，本文作者也对该课肠进行了一些探索性的研究。 作者将人脸检侧分两步进行:初步检侧和准确定位。初步检侧要迅速确定人脸 可能的位里，而准确定位则要确定人脸的准确位置。 对于初步检侧，作者针对彩色图像与灰度图像两种情况，分别提出了人脸区域 的粗分割方法:对彩色图像的肤色分创和对灰度图像的二值模板匹配。对于彩色图 片，充分利用了人脸特有的肤色信息，选择合适的颜色空间，根据样本的统计值来 确定肤色范圃，遥免 “一刀切”，达到了很好的分割结果;然后再用数学形态学的方 法对分割出来的区域进行处理，选择较大的结构元素，使得处理结果较为理想。对 于灰度图片不能够采用卓有成效的肤色分割，因此作者尝试其它的方法来进行初步 检侧以减少后续工作t.传统的棋板匹配可以完成这个任务，但运算盘太大。作者 提出的二值模板匹龙刻既能够实现初步检侧的任务，又将运算盆减少到了几乎为0. 经实脸，二值模板匹配可以过泥掉sa%以上的非人脸区城，对于一些背景简单的图 片，过涟掉的非人脸区城更是高达，7%. 对于准确定位，作者也介绍了两种不同的方法:墓于”特征脸.的人脸枪测方 法与荃于Hausdroff距离的人脸检侧。“特征脸”方法是荃于K-L变换的统计方法， 具有统计方法的特点，抗于扰能力强，但运算f会以几何教相应fi大，而样本数目 不大时则体现不出相应的优点。作者对这两种算法均作了改进:”特征脸即方法与二 值模板匹祀相结合，结果既保留了该方法的优点又减少了为%的运算级，墓于 Hausdorff距离的人脸植侧是一种比较特殊的模型匹配方法，它不需要很多的样本， 但对特侧圈片要求很离，一只有比较理想的人脸圈像，如正面、烟正、无表愉、无干 扰的图片才能检侧出来，因此适用范圈比较窄·但它的运算很快，定位箱度A.作 者提出级联的Hausdorg_Ki声检裁，既提离了定位箱度又减少了75%的运算#. 最后作者介绍了荃于级联的材形Bayesian网络的人脸检测，该方法01在把各种 人脸植侧方法毋栖率的方式雄合起来.作者提出的该网络在判决的时候采用 “层层 设防”的方法，由此可以用级短的时间排除非人脸区城:在训练的时候，则由后至 前回溯.该网络的扁部椒串采用。aussian模型(底层节点)与。aussianM合模垫、高 层节点)，训练方法采用期望最大(EM)算法。经实脸证明，该方法运算秘定，检 测效果较好。 本文所述的方法均是在AMU700MCPU徽机上，MicrosoftWindows2000,Madab 6.1平台上实现。 关键字:人脸检侧.肤色分割，数学形右学，二值模板匹配，特“征脸即， 距离，Bayesian网络，Gaussian混合摸型，期望最大(EM)算法 Abstract Facedetectionistoensurethelocationandsizeoffacesrfomcomplexbackground.Fastandexact facedetectionisanimportantpartofautomaticfacerecognitionsystem.Manyresearchershave proposedeffectivemethodsforfacedetection,andtheauthorhasdonesomeexploringresearchinthe article. Theauthorconsiderawholefacedetectionsystemastwosteps:coarsedetectionandrefined location.Inthecoarsedetectionstep,theroleistoensureprobablelocationsoffaces,andintherefined locationsteptheroleistolocatefacesexactly. Forcoarsedetection,theauthorproposedtwomethodsforcolorim