復雜背景下基于膚色的人臉檢測.pdf

1、人臉檢測問題最初來源于人臉識別.今天,它已遠遠超出了人臉識別的范疇,在出入安全檢查,視頻編碼,視頻監(jiān)測與跟蹤,基于內容的檢索等方面都有著極其重要的應用.人臉檢測已經(jīng)成為了計算機視覺和模式識別領域的一個重要的研究課題.現(xiàn)有的靜止圖像人臉檢測算法主要有四類:基于知識的方法、基于特征不變量的方法、基于模板匹配的方法和基于表象的方法.基于知識的方法,速度比較快,實現(xiàn)也比較簡單,但只能檢測豎直的正面人臉,而且誤檢率比較高;基于模板匹配的方法,實現(xiàn)

2、簡單,但計算復雜度較高,速度也較慢,而且不能適應光照、姿勢、人臉大小的變化;基于表象的方法,檢測準確率較高,但是訓練和掃描的時間長,因而速度比較慢;基于特征不變量的方法,實現(xiàn)速度比較快,但都只適用于某一類圖像.該文采用基于特征不變量的方法對復雜背景的彩色靜止圖像的人臉檢測進行了研究,針對此類算法對背景和視頻設備依賴性較大,且適用面較窄的不足,提出了一種基于膚色檢測和分塊面部特征驗證的方法.先在類膚色區(qū)域內提取出面部特征,然后用分塊驗證的

3、方法來確定人臉.以往的膚色模型往往對背景有很高的依賴性,該文提出的膚色模型可以與類膚色區(qū)域更好的區(qū)分,并很好的適應光照變化;采用膚色分割和分塊面部特征驗證結合的方法,可以快速地檢測不同大小,不同平面及一定側面旋轉角度的人臉,而且可以適應一定程度的表情變化;使用High-boost filtering可以增加灰度對比度,用于提取嘴區(qū)特征,使嘴區(qū)灰度對光照的依賴大大降低;基于視覺特性的梯度用于眼睛提取中,可以更加有效的區(qū)分眼睛和背景膚色.系