论文部分内容阅读
人脸检测作为人脸信息处理中的一项关键技术,近年来成为模式识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题。本文首先提出了人脸检测的一个新的应用领域——电子学习,继而在对人脸检测理论及相关技术方法研究分析的基础上,以提高检测速度和检测率为目标,提出了一个面向多领域、多图像模式的人脸检测系统,重点讨论了彩色图像与灰度图像的不同检测方法,以及肤色分割、几何特征验证、单人脸检测、神经网络验证四个主要模块。主要完成如下工作:
首先对肤色分割进行了研究,在对图像进行光线补偿处理的基础上,对比各个颜色空间,选择了YCrCb颜色空间和HSI、rgb颜色空间,通过变换改进,分别构造出两个肤色模型,YCrCb椭圆模型和HSI-rgb肤色模型。这两个模型,适合不同的应用范围,且每个模型都是综合利用各个空间的优点,以产生更好的检测效果。利用这两种模型,可以快速有效地分割出图像中的肤色区域,从而提高了人脸检测系统的效率和整体性能。实验证明,这两种肤色模型在不同的应用领域中均取得了较好的分割效果。
其次对肤色分割的结果区域通过人脸几何特征进行了过滤,初步缩小了可能成为人脸的肤色区域,并在此基础上,利用神经网络对人脸候选区域作进一步的验证。通过对BP神经网络进行大量的训练,将输入图像所对应的灰度图像中的人脸候选区域,通过不同分辨率的窗口区域,对多个候选区域进行验证。
实验证明,在通过肤色分割、几何特征验证的基础上进行的神经网络验证,其计算时间有所减少,比依靠单一的神经网络检测方法进行的人脸检测效率更高,性能更好。此外,本文还针对系统执行过程中可能出现单人脸的情况,进行的特别处理,取得了较好的效果。