多目標(biāo)的圖像檢測(cè)—人臉人眼檢測(cè).pdf

1、隨著模式識(shí)別和人工智能的高速發(fā)展，多目標(biāo)圖像檢測(cè)技術(shù)得到國(guó)內(nèi)外社會(huì)各界的廣泛的關(guān)注和深入研究。圖像檢測(cè)識(shí)別在科技領(lǐng)域和安全領(lǐng)域方面上都具有很強(qiáng)大的發(fā)展前景和廣大的市場(chǎng)潛在的經(jīng)濟(jì)價(jià)值。同時(shí)，在人們的社會(huì)生活中，還是在市場(chǎng)商用領(lǐng)域，多目標(biāo)圖像檢測(cè)也都發(fā)揮著重要的作用。
　　 但隨著社會(huì)的進(jìn)步和技術(shù)的更新發(fā)展，人們對(duì)圖像檢測(cè)識(shí)別技術(shù)的要求也越來越高。檢測(cè)率的高低和實(shí)時(shí)性的好壞是圖像檢測(cè)識(shí)別技術(shù)的最主要的兩個(gè)性能指標(biāo)，也是該技術(shù)目前所要

2、研究突破的方向。由于圖像檢測(cè)技術(shù)一直受限于目標(biāo)形態(tài)的多樣性，目標(biāo)的遮擋問題以及背景復(fù)雜度或外部環(huán)境等諸多影響，從而對(duì)降低了檢測(cè)速度和精度。
　　 本文就針對(duì)提高圖像目標(biāo)檢測(cè)系統(tǒng)的整體綜合性能，并實(shí)現(xiàn)多個(gè)目標(biāo)同時(shí)檢測(cè)做了以下主要工作和成果：
　　 1.通過DirectShow構(gòu)建視頻采集系統(tǒng)，作為圖像目標(biāo)檢測(cè)的圖像采集模塊，并有效的結(jié)合WDM視頻捕捉，共同協(xié)作完成對(duì)構(gòu)成視頻圖像的預(yù)覽模型。由于Directshow能讓復(fù)雜的

3、數(shù)據(jù)流在不同硬件上同步傳輸變得簡(jiǎn)單有效，保證了后續(xù)圖像檢測(cè)的實(shí)時(shí)性。
　　 2.為了提高訓(xùn)練的速度，解決傳統(tǒng)Adaboost訓(xùn)練計(jì)算量大、時(shí)間長(zhǎng)的問題，提高檢測(cè)的精度。在Adaboost弱分類器訓(xùn)練時(shí)，采用了特征選取時(shí)確定閾值搜索范圍，減少搜索的時(shí)間，提高閾值的最優(yōu)化，使得減少了弱分類的個(gè)數(shù)，最終提高Adaboost訓(xùn)練的訓(xùn)練速度。
　　 3.為了滿足動(dòng)態(tài)的圖像檢測(cè)實(shí)時(shí)性的需要，本文結(jié)合了分層思想和半像素匹配的快速搜索算

4、法對(duì)圖像進(jìn)行實(shí)時(shí)精確的匹配，大大的減少了檢測(cè)時(shí)搜索匹配的計(jì)算量和時(shí)間，提高了匹配的精度。同時(shí)，研究了小波變換理論，根據(jù)小波各頻域表征的特性，在低頻區(qū)域采用加權(quán)平均法，在高頻區(qū)域采用基于區(qū)域的方法。
　　 4.通過Adaboost算法分類器的訓(xùn)練對(duì)多姿態(tài)不同的人臉進(jìn)行檢測(cè)，并在檢測(cè)到的人臉區(qū)域再對(duì)人眼進(jìn)行粗定位，這里分別應(yīng)用了Gabor小波變換的人眼定位、DCT變換人眼模板匹配的人眼定位以及adaboost訓(xùn)練分類器的人眼定位方法

5、，并進(jìn)行了簡(jiǎn)單的比較分析各自的優(yōu)缺點(diǎn)及算法性能。然后再用二值化處理，積分投影變換，并結(jié)合人眼的幾何知識(shí)的方法對(duì)人眼進(jìn)行精確的定位并標(biāo)注。由于，經(jīng)過人臉檢測(cè)后，圖像進(jìn)行了有效的歸一化，已大大的縮小了人眼的檢測(cè)范圍，再通過圖像處理，從而有效的緩解了光照的影響，以及多種方法的融合，能快速準(zhǔn)確的鎖定瞳孔位置，綜合的提高了檢測(cè)系統(tǒng)的性能。
　　 實(shí)驗(yàn)結(jié)果表明，系統(tǒng)的整體檢測(cè)效果與傳統(tǒng)的檢測(cè)方法相比，有了較明顯的提高。但仍存在一些弊端，如旋