視頻圖像中人臉檢測與人臉特征提取的研究.pdf

1、隨著重點(diǎn)民用和商業(yè)研究項(xiàng)目的大量增加以及安防監(jiān)控領(lǐng)域的應(yīng)用需求，以人臉面部作為處理對象的研究已成為一項(xiàng)熱門課題。本文本著模式識別在智能監(jiān)控的實(shí)際應(yīng)用出發(fā)，深入研究了人臉檢測、人臉跟蹤、特征點(diǎn)提取和表情識別等多項(xiàng)模式識別技術(shù)，最終完成了一個實(shí)時智能識別系統(tǒng)。 本文提出了一種改進(jìn)的人臉檢測方法，它很好的利用了人臉膚色在H分量上的聚類性分布，對基于Haar特征的檢測方法檢測結(jié)果進(jìn)行再次檢測，可以去除誤檢的人臉區(qū)域，提高檢測率。同時由于

2、后續(xù)工作也要把整幅圖像轉(zhuǎn)為HSV色彩空間，所以該方法增加的計算量很少。 結(jié)合該改進(jìn)的人臉檢測方法，本文提出了先在序列圖像檢測人臉，再在人臉區(qū)域進(jìn)行膚色采樣，然后利用CAMSHIFT算法進(jìn)行膚色跟蹤的方法。CAMSHIFT算法由于有很好的實(shí)時性和魯棒性，實(shí)驗(yàn)結(jié)果很理想。 在特征點(diǎn)的提取,本文利用雙眼在H分量亮色與人臉比例特性結(jié)合，獲取雙眼的初步所在區(qū)域后，使用邊緣檢測等技術(shù)，可以快速準(zhǔn)確的確定眼黑準(zhǔn)確位置。該方法較其它眼睛

3、提取方法，計算量小，檢測率高。然后利用人臉的比例特征和眉毛、嘴巴的顏色特征，可以很輕易的提取出眉毛和嘴巴。本文用15個特征點(diǎn)來描述眼睛、眉毛、嘴巴的位置、大小和形狀的變化。然后本文主要從嘴巴的形狀變化研究，分析了四種基本表情下嘴巴的5個特征點(diǎn)的變化情況，最后通過大量的實(shí)驗(yàn)，得到了特征點(diǎn)變化與人臉表情的關(guān)系，從而可以利用提取的特征點(diǎn)對人臉表情分類識別。本文還進(jìn)一步提出了利用雙眼和眉毛的特征點(diǎn)在序列圖像各幀中的變化對四種基本表情進(jìn)行分類識別