基于部件的多角度模型融合的人脸检测-电子与通信工程专业论文.docxVIP

摘要 摘要 I I 万方数据 万方数据 摘 要 在计算机视觉和模式识别领域中，人脸识别一直是非常热门的研究课题。随着时代的 进步，人们的生活越来越丰富多彩，现代化的高科技发展异常迅速，人脸检测技术应用到 了日常生活中的许多领域，比如常见的门禁系统、视频会议、地铁站及银行监控等。不管 是单独的人脸检测系统，还是将人脸检测技术进行平台移植，不断提高人脸检测技术都将 会促进人脸检测系统的完善。发展至今，虽然出现了很多的人脸检测方法，但是由于人脸 变化的多样性以及环境变化的复杂性等问题，使得人脸检测始终是一个充满挑战的研究课 题。 由 P. Felzenszwalb 提出了一种基于可变形部件模型的物体检测算法，该算法能够很好 的检测不同类型而且多变的目标，并且在 PASCAL 目标检测挑战赛上取得了优异成绩。基 于部件模型的检测算法是一种较新的检测方法，该算法是对部分标记的样本进行有区别的 训练。近年来，在人脸识别领域，可变形部件模型检测的优越性越发体现出来，它根据人 脸的整体信息和各部分信息之间的关系来提高人脸检测的效率，即使是多变的人脸目标或 在复杂的自然环境下该模型也表现出了优异的性能。 在对可变形部件模型进行了深入研究的基础上，提出了基于部件的多角度模型融合的 人脸检测方法。首先就人脸特征 HOG 特征的单元大小对识别结果的影响进行了研究，将 单元大小依次调整为 sbin=6、8、10 进行实验，得到 sbin=8 时为效果最佳；然后，研究了 模型部件的个数对检测效果的影响，分析实验结果发现，在没有明显提高训练时间和检测 时间的前提下，8 个部件时训练出的模型检测效果为最好；最后，基于上述两项研究以及 针对复杂环境下人脸的多角度问题，提出了本文的多角度模型分类融合的解决方法，具体 是将训练样本按人脸角度分为正面脸样本和侧面脸样本，分别训练出正面脸模型和侧面脸 模型，然后使用一定的策略将正侧两个模型的检测结果进行融合。在 FERET 人脸库上实 验，取得了很好的检测效果，在 Pascal 数据库和自建的图片库上也验证了该设计的良好检 测性能。 关键词：人脸检测，部件模型，HOG 特征，部件个数，多角度模型 Abs Abstract II II 万方数据 万方数据 Abstract In the field of computer vision and pattern recognition, face recognition has been very popular research focus. As society progressed, peoples life is becoming more and more rich and colorful, with the rapid development of modern high-tech, many fields are involved in face detection, such as intelligent entrance guard system, video conferencing, the subway station, bank monitor. Both the face detection system or the face detection technology is portable to other platforms, face detection improved will naturally improve face detection system. So far, there are many face detection methods, but face detection is still a challenging research topic dues to the face itself has more flexible variability and nature environment is complex. Deformable part-based model (DPM) which from P. Felzenszwalb is able to deal with highly variabled object classes and achieves excellent results in the Pascal object detection challenges. DPM relies on new methods for discriminative training with partially labeled data. DPM can improve the efficiency o