基于adaboost算法和肤色分割的人脸检测算法-计算机技术专业论文.docxVIP

万方数据 万方数据 西北师范大学研究生学位论文作者信息 论文题目 基于 Adaboost 算法和肤色分割的人脸检测算法 姓 名 刘丹利 学 号 2012221301 专业名称 计算机技术 答辩日期 2014．5．22 联系电话E_mail 619356810@qq．com 通信地址(邮编)：西北师大新研究生公寓 1 号楼 B125 室 备注： 目录 摘 要 I Abstract II 1 绪论1 1．1 课题背景 1 1．1．1 人脸检测的研究背景1 1．1．2 人脸检测国内外研究现状2 1．2 本文研究的意义 3 1．3 本文组织 3 2 人脸检测概述 5 2．1 人脸检测简介 5 2．1．1 人脸检测概念5 2．1．2 人脸检测发展史5 2．1．3 人脸检测技术存在的主要问题与发展趋势7 2．1．4 人脸检测技术指标9 2．2 人脸检测方法研究 10 2．2．1 基于几何特征的人脸检测方法10 2．2．2 基于肤色模型的方法 11 2．2．3 基于统计理论的方法 11 2．2．4 人脸检测方法总结14 HYPERLINK \l _TOC_250006 3 基于 Adaboost 算法的人脸检测 15 HYPERLINK \l _TOC_250005 3．1 Boost 类迭代算法 15 HYPERLINK \l _TOC_250004 3．2 Adaboost 算法 15 HYPERLINK \l _TOC_250003 3．2．1 Adaboost 算法的基本原理 16 HYPERLINK \l _TOC_250002 3．2．2 Adaboost 算法的误差分析 18 HYPERLINK \l _TOC_250001 3．3 Haar-like 特性和积分图 19 HYPERLINK \l _TOC_250000 3．3．1 Haar-like 特性 19 3．3．2 积分图20 3．4 分类器 22 3．4．1 弱分类器22 3．4．2 强分类器22 3．4．3 级联分类器24 3．5 基于 Adaboost 算法的人脸检测 25 3．6 本章小结 27 4 基于肤色的人脸检测 28 4．1 概述肤色分割识别人脸技术 28 4．2 肤色模型 28 6 4．3 肤色区域分割 28 4．4 色彩空间表示 29 4．4．1 RGB 色彩空间 29 4．2．2 rgb 色彩空间 30 4．4．3 YUV 色彩空间 31 4．4．4 YCbCr 色彩空间 31 4．2．5 HSV 颜色模型 32 4．2．6 色彩空间知识小结33 5 基于 Adaboost 算法和肤色分割的人脸检测算法 35 5．1 肤色信息和 Adaboost 算法结合的系统设计 35 5．2 基于肤色的人脸图像处理 36 5．2．1 图像预处理36 5．2．2 肤色建模38 5．2．3 肤色分割40 5．3 构建基于 Adaboost 算法分类器 42 5．3．1 训练弱分类器43 5．3．2 构建强分类器44 5．3．4 设计瀑布型分类器45 5．4 选择开发语言 46 5．5 基于肤色及 Adaboost 算法的人脸检测算法实验结果及分析 47 5．5．1 单目标检测结果及分析47 5．5．2 双目标检测结果及分析49 5．5．3 多目标检测结果及分析52 6 总结与展望 56 6．1 总结 56 6．2 展望 56 参考文献58 致 谢64 7 摘 要 自从上世纪八十年代以来，人脸检测与识别的技术就获得众多研究者的关 注。随着近年计算机与信息技术的发展，它的应用已经渗透到工业、军事、侦查 等方面。本文对人脸检测课题展开了研究，从前人研究结果来看，该课题存在的 难点是：图片中人脸检测本身的复杂性与多变性、光照问题、检测效率及性能的 问题。 本文通过对比各种人脸检测方法的优缺点，在借鉴了目前国内外在人脸检测 方向的前沿理论和技术的基础上，结合自己的创新，提出了基于 Adaboost 算法 和肤色分割的人脸检测方法。该方法主要分为两个阶段，第-阶段是肤色检测阶 段：在 YCbCr 色彩空间中建立肤色模型，进而利用形态学处理来分割人脸区域， 并对可能存在人脸的区域进行标识。第二阶段是 Adaboost 算法检测阶段：利用 Adaboost 算法构建瀑布模型，对第-阶段标识的区域进行再次筛选和分类，最终 确定人脸区域。 本文方法的优点在于：1）利用肤色检测人脸，有效的减弱了单-肤色人脸检 测中肤色受光照的影响，提高系统的检测准确率；2）与单-的 Adaboost 算法人 脸检测相比，本文方法利用肤色分割排除了图片中大部分的非人脸区域， 保证 系统的检测率，又降低了误检率。 关键词：人脸检测