不良圖像中的人臉檢測(cè)方法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)信息已經(jīng)成為一種人們熟知的便捷信息來(lái)源，但網(wǎng)絡(luò)上大量的色情淫穢等不良信息已經(jīng)嚴(yán)重干擾了人們正常的網(wǎng)絡(luò)生活。由于圖像比文本具有更豐富的信息，相比之下不良圖像具有更大的危害性，因而對(duì)不良圖像識(shí)別過(guò)濾是建立網(wǎng)絡(luò)色情過(guò)濾系統(tǒng)的關(guān)鍵。對(duì)不良圖像的識(shí)別，首先要確定人體的存在，檢測(cè)人臉就是首要工作。人臉的準(zhǔn)確定位還能為后續(xù)的表情識(shí)別、人體姿態(tài)檢測(cè)等任務(wù)提供重要信息。因此，自動(dòng)化的人臉檢測(cè)就成為不良圖像分析的關(guān)鍵，具有深遠(yuǎn)的社會(huì)意

2、義。 為了研究不良圖像中的人臉定位問(wèn)題，本文在分析了現(xiàn)有人臉檢測(cè)方法的基礎(chǔ)上，針對(duì)不良圖像中人臉具有的復(fù)雜模式，設(shè)計(jì)了一個(gè)層次化人臉檢測(cè)框架，利用膚色、Haar-Like特征、邊緣形狀、灰度等信息檢測(cè)定位人臉。本文主要工作如下： (1)利用膚色檢測(cè)作為人臉檢測(cè)的預(yù)處理過(guò)程，確定了高斯膚色模型參數(shù)，建立了YCbCr空間的高斯膚色模型。本文設(shè)計(jì)了基于K-均值聚類方法的膚色分割算法，完成了圖像的二值化。通過(guò)對(duì)孔洞數(shù)和面積的計(jì)算

3、，選擇出可能包含人臉的候選膚色塊，減小了下一步人臉檢測(cè)的搜索空間。 (2)本文實(shí)現(xiàn)了基于Haar-Like特征和Adaboost的人臉檢測(cè)算法，并將其運(yùn)用到不良圖像的人臉檢測(cè)中。實(shí)驗(yàn)結(jié)果表明，對(duì)于正面和略帶表情及遮擋的人臉有較好的檢測(cè)效果。在算法實(shí)現(xiàn)過(guò)程中，本文針對(duì)Adaboost訓(xùn)練時(shí)間過(guò)長(zhǎng)的缺陷，在訓(xùn)練弱分類器時(shí)，推導(dǎo)出計(jì)算左右錯(cuò)誤率的遞推公式，運(yùn)用該遞推公式加快了弱分類器的訓(xùn)練速度。 (3)針對(duì)前面方法漏檢的情況，