基于模板匹配的人臉檢測.pdf

1、人臉檢測是計算機視覺、計算機圖形學中的一個研究熱點和難點。 目前，人臉檢測、人臉識別的方法主要有基于膚色特征和灰度特征兩大類。基于膚色特征的方法首先要確定一定的膚色模型，然后進行膚色分割，根據(jù)它們在色度上的相似性和空間上的相關性分割出可能的人臉區(qū)域，同時利用區(qū)域的幾何特征或灰度特征進行是否是人臉的驗證。主流的人臉特征檢測技術基本上可以歸結為三類，即：基于幾何特征的方法、基于模板的方法和基于模型的方法?；趲缀翁卣鞯姆椒ㄖ芯哂写?/p>

2、性的是Snakes方法和DeformableTemplate(可變行模板)方法?；谀０宓姆椒梢苑譃樘卣髂樂椒ā⒒谙嚓P匹配的方法、線性判別分析方法、奇異值分解方法、神經網絡方法、動態(tài)連接匹配方法等，其中最具有代表性，也是最成功的是特征臉方法?；谀Ｐ偷姆椒▌t有主動形狀模型(ActiveShapeModel)，主動外觀模型(ActiveAppearanceModel)，直接外觀模型(DirectAppearanceModel)的方法等

3、。 本文首先在對人臉檢測、人臉識別技術的相關文獻進行綜述的基礎上，提出了基于模板的人臉檢測算法；該方法直接采用了平均臉模板匹配算法。由于雙眼在人臉檢測、人臉識別中往往起著關鍵的作用，因此本算法中用到的模板分為雙眼模板和人臉模板兩類。模板是對多個人臉樣本取平均構造出來的，首先用手工畫出選取的樣本圖像中的人臉區(qū)域，作為人臉樣本，接著對每個人臉樣本進行尺度標準化和灰度分布標準化。將所有經尺度標準化、灰度分布標準化后的樣本圖像取灰度平均

4、得到平均人臉圖像。進一步重采樣到一定尺度得到原始模板，拷貝原始模板的雙眼部分，進行灰度分布標準化后作為雙眼模板；對原始模板進行灰度分布標準化得到人臉模板，為盡可能適應不同形狀的人臉，我們按不同的長寬比對人臉模板進行拉伸，構成人臉模板組。匹配時首先用雙眼模板進行粗篩選，再使用人臉模板組進一步匹配的方法確定待檢測圖像中可能是人臉的區(qū)域，然后用梯度馬賽克圖的梯度特征去除部分假臉，最后，將通過篩選的圖像區(qū)域送入基于奇異值特征分布的人臉子空間進行