人臉檢測研究及其在嵌入式系統(tǒng)中的實現(xiàn).pdf

1、生物特征具有普遍性、獨特性和在一定時間段內(nèi)比較穩(wěn)定等特點,在檢測、跟蹤和身份鑒別等領域中有重要地位,利用生物特征在圖像或視頻中檢測、跟蹤、識別的對象目標是目前研究熱點,其中人臉是一種非常明顯的人體生物特征,相比其它特征所具有較大優(yōu)勢。
　　本文學習與研究的內(nèi)容是人臉檢測研究及其在嵌入式系統(tǒng)中的實現(xiàn),人臉檢測的過程就是在待檢測圖像中尋找已經(jīng)確定的人臉共同特征的過程,具體就是對被檢測圖像搜尋人臉特征,判斷人臉存在人臉特征的圖像區(qū)域是否

2、為人臉圖像,是人臉圖像則輸出相關信息。
　　在實際應用中,檢測環(huán)境具有多樣性和復雜性,使用單獨的檢測方法,可能對檢測環(huán)境適應性不高,導致檢測的正確率下降,嘗試從膚色檢測和AdaBoost算法檢測方法這兩個方面入手來進行學習和研究:
　　1)提出一種基于預先訓練的膚色模型和局部模型相結(jié)合的膚色區(qū)域檢測方法。結(jié)合當前被檢測圖像中的具體的光照環(huán)境和圖像中的膚色實際分布,提出一種結(jié)合局部膚色模型和預先訓練的膚色高斯模型的膚色檢測方法

3、,通過局部膚色模型參數(shù)對預先訓練的膚色模型調(diào)整,使其更接近實際的膚色模型,實驗結(jié)果表明,基于預先訓練的膚色模型和局部模型相結(jié)合的膚色區(qū)域檢測方法能提高膚色檢測率。
　　2)提出一種基于自適應信任距離的快速膚色區(qū)域檢測方法。在對膚色檢測精度要求不高,而對檢測速度有著較高要求的檢測環(huán)境中,提出一種改進的快速膚色檢測方法。在待檢測圖像中,自適應調(diào)整信任距離,快速略過被預判為非膚色的區(qū)域,而對檢測有膚色的區(qū)域采取逐個像素檢測,實驗結(jié)果表明

4、,該方法檢測正確率同經(jīng)典檢測方法相當,檢測速度明顯提高。
　　3)利用人臉的膚色信息和 AdaBoost算法來檢測人臉。使用基于自適應模型的膚色檢測方法,標記出圖像中的膚色區(qū)域,AdaBoost算法找出可能的人臉,然后統(tǒng)計候選人臉區(qū)域中被膚色檢測方法標記為膚色的像素數(shù)量,并判斷膚色像素數(shù)量在候選人臉區(qū)域中沒有達到了預定比例的區(qū)域為非人臉區(qū)域,這樣檢測方法就能減少對非人臉子圖像的誤判,降低了誤檢率。
　　4)實現(xiàn)在嵌入式系統(tǒng)中