基于活动轮廓模型的人脸检测方法研究-计算机科学与技术专业论文.docxVIP

上海交通大学博士后出站工作报告shape 上海交通大学博士后出站工作报告 shape models，and incorporate the prior into the powerful Chan—Vese model，so that the modified model can converge to the boundaries similar to the prior face shape． Experiments are performed on a large test set and show that this method can detect face contours efficiently．Moreover,this method can deal with noisy images and partial occluded face detection problem．The performance comparison of two proposed methods is also presented． Keywords：Face detection，active contour models，level set，image moments，active shape model 上海交通大学博士后出站工作报告第一章概述 上海交通大学博士后出站工作报告 第一章概述 人脸是一个常见而复杂的视觉模式．人脸所反映的视觉信息在人与人的交流和交往中有 着重要的作用和意义，对人脸进行处理和分析在视频监控、出入E1控制、视频会议以及人机 交互等领域都有着广泛的应用前景，因此是模式识别和计算机视觉领域持续的研究热点。对 人脸进行处理和分析包括人脸识别、人脸跟踪、姿态估计和表情识别等，早期的人脸处理和 分析一般都假设已知图像中人脸的位置和大小，但对于一个人脸自动处理和分析系统而言， 人脸检测是关键性的第一步，人脸检测算法的精度直接影响着整个系统的性能。 近几年来，由于人脸检测在人脸处理和分析中的地位，人脸检测已经引起了越来越多研 究者的注意，并逐渐发展成为一个相对独立的研究方向，这方面的研究在方法和手段上也逐 渐成熟，出现了各种各样实用的人脸检测算法。虽然人脸检测领域的研究已经取得了一些可 喜的成果，但在实用要求中仍面I临着许多严峻的问题，人脸的非刚体性，表情、姿态、发型 和化妆的多样性以及环境的复杂性都给正确检测人脸带来了很大困难。要让计算机像人一样 方便准确地检测出无约束环境下任意图像中的人脸，尚需不同学科研究领域的科学家共同作 出不懈的努力。 1．1人脸检测问题描述 人脸检测(Face Detection)问题一般可描述为：给定静止或动态图像，判断其中是否有 人脸：若有，将所有人脸从背景中分割出来，并确定每个人脸在图像中的位置和大小[48,147．179l。 人脸检测问题所包含的内容十分广泛，从不同的角度可以有多种分类方法，如表I-1所示|l”】。 归纳起来，根据图像来源，可以将人脸检测方法分为基于静止图像的方法和基丁二动态图 像的方法两类，其中前者是基础与核心，后者一般与人脸跟踪(Face Tracking)问题交织在 一起。根据利用特征的色彩属性，可以将人脸检测方法分为基于肤色特征的方法和基于灰度 特征的方法两类，其中前者适用于构造快速的人脸检测算法，后者利用了人脸区别于其它物 体的最为本质的特征，是人脸检测领域研究的重点。根据利用人脸知识的不同，可以将人脸 检测方法分为基于特征(Feature．based)的方法和基于图像(Image．based)的方法两大类， 其中前者主要利用人脸的明显特征，如几何特征、肤色、纹理等，将人脸图像视为一个高维 向量，从而将人脸检测问题转化为高维空间中分布信号的检测问题：而后者则把人脸检测问 题视为一个广义的模式识别问题，通过训练过程将样本分为人脸和非人脸两类。由于人脸检 测问题的复杂性，无论哪一类方法都无法适应所有的情况，一般都针对人脸检测领域内某个 或某些特定的问题。 第一章概迷表1．1人脸检测问题的分类 第一章概迷 表1．1人脸检测问题的分类 分类依据 类 别 静止图像(包括数字化的照片、数 动态图像(即视频序列，包括工作台 码相机拍摄的图片等，目前考虑的 前的人脸序列，保安监控录像、影视 图像来源 图像类型 主要问题是算法的适应性和鲁棒 资料等，往往与人脸跟踪问题交织在 性．算法速度在其次) 一起，对算法的速度有很高的要求) 颜色信息 彩色 灰度 镜头类型 头肩部图像 半身／全身图像 人脸姿态 正面(包括端正及平面内旋转) 侧面(包括佣仰、侧髟及旋转) 图像前景 单人(又可以称为人脸定位，是人 未知(需要判定图像中是否存在人 人脸数目 脸检测问题在已知人脸