基于boosting和Gabor小波的人臉檢測算法.pdf

1、今天，人臉檢測的應(yīng)用背景已經(jīng)遠(yuǎn)遠(yuǎn)超出了人臉識別系統(tǒng)的范疇，在基于內(nèi)容的檢索、數(shù)字視頻處理、視覺監(jiān)測等方面有著重要的應(yīng)用價值。人臉檢測是自動人臉識別系統(tǒng)中的一個關(guān)鍵環(huán)節(jié)，人臉檢測是否準(zhǔn)確直接影響到整個人臉識別系統(tǒng)的準(zhǔn)確率，因此具有重要的理論意義和應(yīng)用價值。另外在一個應(yīng)用系統(tǒng)中不但要設(shè)法提高檢測的準(zhǔn)確率，系統(tǒng)的運(yùn)算速度也是一個關(guān)鍵因素，準(zhǔn)確性和實時性是衡量人臉檢測系統(tǒng)的兩個重要指標(biāo)?！　♂槍ι鲜鰞蓚€關(guān)鍵問題，在分析國內(nèi)外相關(guān)研究現(xiàn)狀的基礎(chǔ)

2、上，本文提出了一種基于boosting和Gabor小波的人臉檢測算法。其中包括(1)基于前向特征選擇的boosting檢測算法的改進(jìn)。(2)基于Gabor小波和SVM的眼睛和嘴巴檢測算法。　　在基于前向特征選擇(FFS)的boosting檢測算法的改進(jìn)中，首先詳細(xì)闡述了基于前向特征選擇的瀑布式檢測訓(xùn)練算法，然后對算法在檢測過程中存在的一些問題作出了相應(yīng)的改進(jìn)，最后通過實驗結(jié)果證明改進(jìn)后的算法比改進(jìn)前具有比較明顯的檢測性能的改進(jìn)。使用這

3、一改進(jìn)后的boosting人臉檢測算法來對人臉圖片進(jìn)行檢測，我們就可以得到其中的人臉框圖，接下來的工作就是如何在已知的人臉框圖中定位到眼睛和嘴巴的精確位置?！　≡诨贕abor小波和SVM的眼睛和嘴巴檢測算法中，我們使用了灰度形態(tài)學(xué)、人臉規(guī)則預(yù)選以及Gabor、SVM的融合驗證等方法，這些方法就是為了在已知人臉框圖的情況下精確定位到眼睛和嘴巴的位置。首先利用一些光照預(yù)處理算法達(dá)到一定的光照均衡的效果，接著用掩膜的處理盡量去除背景的影響