基于JIH和新Haar擴(kuò)展集的AdaBoost人臉檢測研究.pdf

1、隨著計(jì)算機(jī)視覺技術(shù)的快速發(fā)展，其中的人臉檢測技術(shù)已經(jīng)普及到電子產(chǎn)品、安防監(jiān)控及身份驗(yàn)證等各方面，如現(xiàn)在我們經(jīng)常用到的刷臉解鎖，刷臉登錄，刷臉支付，社保人臉身份驗(yàn)證等，實(shí)現(xiàn)這些技術(shù)的首要關(guān)鍵點(diǎn)都是人臉檢測。雖然人臉檢測技術(shù)已經(jīng)取得了一定的研究成果，但是面對(duì)復(fù)雜不利的檢測環(huán)境及對(duì)性能要求越來越高的各種應(yīng)用場景，現(xiàn)有的算法還是無法滿足需求。本文對(duì)基于Haar特征和特征多塊LBP的AdaBoost算法及聯(lián)合積分直方圖進(jìn)行了研究和實(shí)驗(yàn)，提出了算子

2、算法結(jié)合多塊基于LBPAdaBoost和聯(lián)合積分直方圖（JIH）及新Haar擴(kuò)展集進(jìn)行人臉特征提取的新方法，解決了人臉檢測系統(tǒng)檢測側(cè)臉、低頭和戴墨鏡的人臉易漏檢，對(duì)于光照變化魯棒性差及面對(duì)具有強(qiáng)干擾性背景時(shí)易誤檢的問題。
　　本研究主要內(nèi)容包括：⑴介紹了人臉檢測技術(shù)的應(yīng)用領(lǐng)域、研究背景和意義及國內(nèi)外研究現(xiàn)狀，接著講述了現(xiàn)有的主流人臉檢測技術(shù)，對(duì)其中經(jīng)典的算法分析了它們的原理和優(yōu)缺點(diǎn)。重點(diǎn)說明了算法Adaboost、Haar特征和訓(xùn)

3、練分類器的過程，并對(duì)現(xiàn)有的Haar特征集進(jìn)行了擴(kuò)展，分析和實(shí)驗(yàn)證明新Haar擴(kuò)展集提高了系統(tǒng)對(duì)側(cè)臉和低頭的人臉的檢測率，但依然存在一些缺點(diǎn)。⑵引入算子多塊LBP，它不僅具有旋轉(zhuǎn)不變性和對(duì)光照變化的魯棒性，而且對(duì)圖像具有整體表知能力，并能消除隨機(jī)噪聲的影響，所以提出結(jié)合特征多塊LBP和Haar特征進(jìn)行人臉檢測的方法解決Haar特征對(duì)光照變化敏感的問題，實(shí)驗(yàn)證明特征多塊LBP與照變化敏感的Haar特征結(jié)合可以解決對(duì)光問題，能進(jìn)一步降低系統(tǒng)的

4、誤檢率，但檢測率受到了影響且耗時(shí)更多，面對(duì)具有強(qiáng)干擾性背景的圖片時(shí)漏檢、誤檢率仍然較高。⑶引入新概念聯(lián)合積分直方圖（JIH），它將函數(shù)多塊LBP和圖像自身的積分函數(shù)有機(jī)的聯(lián)系起來，得到帶有復(fù)合特征的多維圖像，再使用新Haar特征模板分別在這些圖上進(jìn)行特征提取，最終得到新 JIH檢測系統(tǒng)，并設(shè)計(jì)了一個(gè)簡潔的M FC界面展示檢測結(jié)果。理論分析和實(shí)驗(yàn)結(jié)果均證明新JIH方法能有效的解決含有側(cè)臉、低頭及背光的人臉漏檢及帶有強(qiáng)干擾性背景的圖片誤檢的