復(fù)雜光照下人臉檢測(cè)的研究.pdf

1、人臉檢測(cè)是使用某種策略在圖像中搜索是否包含人臉，一旦包含就給出臉部的位置、姿態(tài)等信息。人臉檢測(cè)源自人臉識(shí)別，近年來(lái)隨著智能監(jiān)控和安全認(rèn)證等實(shí)際要求，許多的學(xué)者開始對(duì)人臉檢測(cè)展開重點(diǎn)的研究。本文針對(duì)復(fù)雜光照下人臉檢測(cè)的問(wèn)題，首先對(duì)待檢測(cè)圖片進(jìn)行光照預(yù)處理，以消除光照對(duì)圖片的影響，然后本文將膚色分割和Adaboost算法結(jié)合起來(lái)用于人臉檢測(cè)。其中，針對(duì)光照預(yù)處理問(wèn)題，本文改進(jìn)了Retinex算法并將其應(yīng)用到光照預(yù)處理當(dāng)中，有效的改善了光照對(duì)

2、圖片的影響；針對(duì)人臉檢測(cè)問(wèn)題，考慮到Adaboost在實(shí)際人臉檢測(cè)應(yīng)用當(dāng)中的不足，將代價(jià)敏感因素引入到Adaboost算法的優(yōu)化當(dāng)中。實(shí)驗(yàn)數(shù)據(jù)顯示，文章研究的人臉檢測(cè)系統(tǒng)具有優(yōu)良的檢測(cè)效果。本文具體的研究?jī)?nèi)容總結(jié)如下：
　　1、本文在Retinex算法的理論之上，研究了幾種基于Retinex算法的光照預(yù)處理方法，并針對(duì)目前Retinex光照預(yù)處理方法的不足進(jìn)行了改進(jìn)，更好的解決了光照因素對(duì)圖片效果的影響。
　　2、研究了利用

3、膚色檢測(cè)的人臉預(yù)篩選策略，文章通過(guò)分析對(duì)比膚色在幾種色彩空間中的聚集特性，設(shè)計(jì)了在YCbCr色彩空間建立數(shù)學(xué)模型的分割方法，并根據(jù)形態(tài)學(xué)處理和先驗(yàn)知識(shí)得到最終的候選人臉區(qū)域。
　　3、系統(tǒng)的研究了利用Adaboost算法進(jìn)行人臉檢測(cè)的方法。細(xì)致的講解了算法的流程、Haar矩形特征以及積分圖；深入的學(xué)習(xí)了Adaboost算法對(duì)強(qiáng)弱分類器的訓(xùn)練過(guò)程、分類器的級(jí)聯(lián)結(jié)構(gòu)以及多尺度檢測(cè)的機(jī)制。然后針對(duì)Adaboost在實(shí)際人臉檢測(cè)應(yīng)用當(dāng)中的

4、不足，將代價(jià)敏感因素引入到算法的改進(jìn)當(dāng)中，通過(guò)代價(jià)敏感因子來(lái)刻畫算法對(duì)不同訓(xùn)練樣本的重視程度，從而突出分類器對(duì)人臉的檢測(cè)性能。最后本文在實(shí)驗(yàn)的情況下研究了不同大小的代價(jià)敏感因子對(duì)分類器性能的影響，并根據(jù)實(shí)驗(yàn)的結(jié)果設(shè)計(jì)了本文所使用的級(jí)聯(lián)人臉檢測(cè)器。
　　4、分析總結(jié)了膚色分割與Adaboost算法各自的優(yōu)點(diǎn)和不足之處，然后融合兩者的優(yōu)點(diǎn)用于本文的人臉檢測(cè)研究。首先利用膚色分割準(zhǔn)確度高、速度快的特點(diǎn)，排除掉一些復(fù)雜的外部區(qū)域，然后再利