人臉檢測與校正系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、人臉檢測與校正系統(tǒng)的設(shè)計與實現(xiàn)重慶大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位）學(xué)生姓名：江柳成指導(dǎo)老師：陳林副教授學(xué)位類別：工程碩士（軟件工程領(lǐng)域）重慶大學(xué)軟件學(xué)院二O一三年十一月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要相對于其它生物識別技術(shù)，人臉識別一直以其自然性、非接觸性等優(yōu)點，在人機交互、視頻監(jiān)控、身份驗證、基于內(nèi)容的圖像檢索、數(shù)碼相機等方面具有廣泛的應(yīng)用前景。作為人臉研究的前期階段，人臉檢測受到許多研究機構(gòu)與商業(yè)領(lǐng)域的關(guān)注。隨著人臉檢測越來越廣泛地應(yīng)

2、用到各個行業(yè)，算法的速度與精確度不斷受到挑戰(zhàn)。在實際的人臉識別應(yīng)用中，由于實際檢測環(huán)境復(fù)雜，人臉檢測結(jié)果經(jīng)常出現(xiàn)抖動、框選人臉不穩(wěn)定等情況，導(dǎo)致人臉識別率低下。為了向人臉識別系統(tǒng)提供更精確的人臉圖像，本文提出在快速人臉檢測基礎(chǔ)上，結(jié)合人臉特征定位算法，對人的雙眼、嘴、鼻等特征部位進行標(biāo)記，再利用特征點之間的位置關(guān)系對人臉圖像進行評估和校正，最終提高人臉識別系統(tǒng)的識別率的方法。本文工作內(nèi)容包括：①分析目前人臉研究領(lǐng)域中常用的Haarlik

3、e和LBP兩種特征描述及其快速計算方式，并分別在人臉檢測與特征定位的實現(xiàn)中使用擴展的Haarlike特征和LBP金字塔特征。②研究目前流行的人臉檢測算法，主要分析Viola等人提出的人臉檢測框架。研究常用的Adaboost算法及幾種改進算法，其中使用GentleAdaboost算法訓(xùn)練強分器，一定程度上可以解決過擬合問題。最終選擇分類回歸樹作為弱分類器，以級聯(lián)分類器結(jié)構(gòu)組織GentleAdaboost強分類器的方法實現(xiàn)人臉檢測系統(tǒng)。③研

4、究目前流行的人臉特征定位算法，包括AAM和DPM兩種特征定位模型，并使用基于DPM模型的開源人臉特征定位庫Flmark的設(shè)計思想，實現(xiàn)人臉特征定位系統(tǒng)，系統(tǒng)具有快速、魯棒的特點。④在人臉特征定位基礎(chǔ)上，依據(jù)人的雙眼、鼻、嘴等關(guān)鍵特征點之間的相對位置關(guān)系，對人臉姿態(tài)進行估計，過濾不合要求的人臉圖像，并利用平移、旋轉(zhuǎn)的思想，對人臉圖像進行重新采樣，從而達到校正目的。最后將人臉校正圖像用于人臉識別系統(tǒng)，提高識別率。關(guān)鍵詞關(guān)鍵詞：人臉檢測，Ad