基于視頻的實時人臉檢測算法研究.pdf

1、人臉檢測最初是作為人臉識別系統(tǒng)的第一步，目的是從背景中定位和提取出人臉來，現(xiàn)在已經(jīng)作為一個獨立的研究課題備受關(guān)注。它已被人們廣泛的應(yīng)用于日常生活當(dāng)中，如視頻監(jiān)控系統(tǒng)、人機交互系統(tǒng)、圖像檢索、視頻會議、身份驗證以及虛擬現(xiàn)實等很多方面，具有很廣泛的應(yīng)用前景和社會效益。隨著應(yīng)用的推廣，各種新方法、技術(shù)都被引用到人臉檢測中來以滿足實時性的需要。但由于外界環(huán)境因素的干擾使得背景圖像不斷變化，因而目前所有的算法都不能適應(yīng)各種情況，所以要研究出一種魯

2、棒性好，檢測精度高且性能好的人臉檢測算法是一項很艱巨的任務(wù)。
　　 本文在回顧前人工作，研究各種檢測算法，及其應(yīng)用場合的基礎(chǔ)上，提出了一些檢測算法的改進(jìn)，并將人臉檢測與較好性能的跟蹤算法進(jìn)行融合，解決了存在部分遮擋、表情、光照等因素對檢測效果的影響，滿足了視頻監(jiān)控系統(tǒng)對檢測算法實時性的要求，實現(xiàn)了在視頻中對人臉檢測、定位以及跟蹤。主要內(nèi)容如下:
　　 (1)針對AdaBoost算法訓(xùn)練階段提取大量的Haar特征，計算耗時

3、大的弊端，本文將Haar特征用環(huán)形對稱Gabor變換(CSGT)特征代替，提取圖像變換后的局部極值作為特征并且限制特征的均勻分布，來訓(xùn)練分類器，CSGT繼承了Gabor小波的特性，具有較強的表現(xiàn)性，且CSGT特征具有嚴(yán)格的旋轉(zhuǎn)不變性，所以改進(jìn)后的AdaBoost算法對表情，姿態(tài)的變化具有較好的魯棒性。實驗證明達(dá)到了較好的檢測效果，但該算法是在犧牲了檢測速度的基礎(chǔ)上提高了訓(xùn)練速度，不過在現(xiàn)有科技發(fā)展的基礎(chǔ)上，使用多核處理器和硬件加速，會使

4、檢測速度提高很多。
　　 (2)分析了基于膚色分割的人臉檢測算法，本文將其和AdaBoost算法結(jié)合，進(jìn)行人臉檢測，針對復(fù)雜背景的圖像，使用膚色分割將候選膚色區(qū)域提取出來，然后使用人臉模型比例范圍去除一部分非人臉區(qū)域，最后使用訓(xùn)練好的AdaBoost分類器進(jìn)行人臉檢測。實驗表明，與AdaBoost人臉檢測算法相比，不僅提高了檢測精度，而且檢測速率也得到提高。
　　 (3)針對動態(tài)視頻的人臉檢測，本文使用運動估計算法，將帶

5、有人臉的運動區(qū)域提取出來，使用上面的人臉檢測算法進(jìn)行人臉檢測。這種算法能夠很好的消除背景運動引起的干擾，而且具有一定的檢測速度和效果，滿足一定的實時性。
　　 (4)在檢測算法的基礎(chǔ)上，引入SIFT（Scale-Invariant Feature Transform，尺度不變特征變換）算法用于目標(biāo)之間的匹配以達(dá)到跟蹤的效果，該算法提取的特征點具有尺度、旋轉(zhuǎn)、平移的不變性，而且對光照變化、仿射變換和3維投影變換具有一定的魯棒性。本