学位论文 > 优秀研究生学位论文题录展示

复杂背景下的彩色图像人脸检测

作　者: 华志超
导　师: 陈后金
学　校: 北京交通大学
专　业: 电路与系统
关键词: 人脸检测 肤色模型 形态学滤波 人脸特征点定位
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 176次
引　用: 3次
阅　读: 论文下载
 

内容摘要


人脸检测问题最初来源于人脸识别,是指在输入图像中判断是否存在人脸区域,进一步确定人脸的位置,以及面部特征信息等。现在人脸检测的应用背景已经远远超出了人脸识别系统的范畴,并体现出越来越多的学术价值和应用价值。本文研究并提出了适用于复杂背景下的多姿态、复杂表情的人脸检测与定位算法,算法主要由以下三个部分组成:1.提出了改进与优化的肤色模型。本文针对Rein-Lien Hsu等人提出的椭圆聚类肤色模型在实验中出现的误检、漏检等问题,提出了改进方案和更为精确的肤色判决模型。实验结果证明,通过本文所设计的光照补偿、高通滤波两个预处理过程和本文改进的肤色分割模型,能够使从彩色图片的复杂背景中的更加精确地提取肤色区域。2.提出了适用于多姿态的人脸检测的区域筛选算法。首先,本文设计了基于形态学理论的二值形态滤波器,实现了对肤色二值分割图像进行平滑滤波,消除二值图像中的离散噪声点。然后,本文提出了基于邻域递归的区域编号算法,并设定了三个肤色区域筛选准则,实现了从具有复杂背景和多姿态人脸的图像中筛选出满足预定条件的人脸区域。3.提出了适用于复杂表情的人脸特征点定位算法。首先,本文利用人眼区域的灰度特性进行建模,并设计了通过限定面部边界、建模计算、局部图像重构、对比度增强、投影法精确定位等五个步骤使人眼部分从原图像中筛选出来,并准确地定位双眼瞳孔位置。然后,利用已定位的双眼位置,根据先验规则对嘴部区域粗定位,利用人嘴唇的色彩特性和牙齿部分的灰度特性进行建模,筛选嘴部区域,并精确定位区域中心点。大量的实验验证结果证明:本文算法的正确检测率达到94.3%,对人眼定位的准确率为93.4%,嘴部中心点定位的准确率为92.6%。本文算法可以适用于具有复杂背景下的彩色图像,尤其是多姿态、复杂表情的人脸检测与定位。算法体现出很强的鲁棒性。

全文目录


致谢  5-6
中文摘要  6-7
ABSTRACT  7-8
序  8-14
1 引言  14-24
  1.1 课题的背景研究意义  14-16
  1.2 人脸检测的算法概述  16-21
    1.2.1 算法研究的重点  16-17
    1.2.2 算法研究的难点  17-18
    1.2.3 算法的发展与分类  18-20
    1.2.4 算法的评价标准  20-21
  1.3 国内外研究现状  21-22
  1.4 本文的安排  22-24
2 肤色区域分割  24-38
  2.1 肤色模型的建立  24-31
    2.1.1 色彩空间的选择  24-26
    2.1.2 椭圆聚类模型  26-29
    2.1.3 模型的算法设计  29-31
  2.2 彩色图像预处理  31-34
    2.2.1 光照补偿预处理  31-33
    2.2.2 高通滤波预处理  33-34
  2.3 模型的改进  34-37
    2.3.1 模型改进方案  34
    2.3.2 二值分割验证  34-37
  2.4 本章小结  37-38
3 人脸区域筛选  38-51
  3.1 二值形态滤波  38-44
    3.1.1 二值形态学运算  38-41
    3.1.2 形态滤波器的设计  41-43
    3.1.3 滤波结果分析  43-44
  3.2 人脸区域筛选  44-50
    3.2.1 肤色区域编号  44-45
    3.2.2 肤色区域筛选  45-48
    3.2.3 实验结果分析  48-50
  3.3 本章小结  50-51
4 人脸特征点定位  51-71
  4.1 当前算法的分类比较  51-54
  4.2 人眼中心点定位  54-61
    4.2.1 人眼定位模型  54-56
    4.2.2 模型的改进  56-60
    4.2.3 实验效果验证  60-61
  4.3 嘴部中心定位  61-68
    4.3.1 嘴部定位算法流程设计  61-63
    4.3.2 基于先验规则的粗定位  63-64
    4.3.3 模型与算法的设计  64-68
  4.4 本章实验结果  68-69
  4.5 本章小结  69-71
5 实验软件结构与结果分析  71-79
  5.1 实验软件结构  71-75
    5.1.1 设备无关位图类  71-72
    5.1.2 人脸检测操作类  72-73
    5.1.3 肤色区域信息类  73-74
    5.1.4 软件的运行机制  74-75
  5.2 实验结果总结  75-78
    5.2.1 实验图片库  75
    5.2.2 实验结果总结  75-77
    5.2.3 与同类算法的比较  77-78
  5.3 本章小结  78-79
6 结论  79-81
参考文献  81-83
作者简历  83-85
学位论文数据集  85

相似论文

  1. 医学超声图像的三维可视化研究,TP391.41
  2. 手势追踪研究与手势识别应用平台实现,TP391.4
  3. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  4. 基于OpenCV的人脸检测方法研究,TP391.41
  5. 基于视觉的驾驶员疲劳实时检测研究,TP391.41
  6. 基于连续Adaboost算法的多角度人脸检测技术研究与实现,TP391.41
  7. 基于与或图的异常人脸检测技术研究,TP391.41
  8. 基于特征点定位的虚拟试戴的研究,TP391.41
  9. 彩色人脸检测与识别研究,TP391.41
  10. 人脸自动美化算法研究,TP391.41
  11. 基于图像分析的人脸比对技术研究,TP391.41
  12. 基于ARM9的嵌入式图像处理平台的设计及应用,TP391.41
  13. 自然教室中基于视频流的人脸识别系统的研究与实现,TP391.41
  14. 人脸检测研究,TP391.41
  15. 基于Sagnac效应的新型腔衰荡气体浓度测量系统的研究,TP274
  16. 基于肤色信息的人脸检测与跟踪算法研究,TP391.41
  17. 基于AdaBoost算法的人脸检测方法研究,TP391.41
  18. 基于AdaBoost和Cascade算法的人脸检测,TP391.41
  19. 基于多特征融合的驾驶员疲劳检测研究,TP391.41
  20. 基于图像序列的运动目标检测与人脸跟踪,TP391.41
  21. 基于DaVinci的人脸检测研究与实现,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com