基于關(guān)鍵點和級聯(lián)結(jié)構(gòu)的人臉檢測研究.pdf

1、基于人臉識別的學(xué)生宿舍出入監(jiān)測系統(tǒng)研發(fā)及應(yīng)用示范項目的主要目的是智能化宿舍管理，了解高校學(xué)生回寢狀況，緩解輔導(dǎo)員查寢壓力。該系統(tǒng)利用攝像頭抓拍進出學(xué)生圖像，利用人臉檢測獲得人臉樣本，并通過人臉識別獲得人臉匹配結(jié)果，從而獲得該學(xué)生的回寢狀況，實現(xiàn)進出宿舍的智能化監(jiān)測。在該系統(tǒng)中，人臉檢測意在尋求滿足需求的復(fù)雜場景下的人臉檢測算法，從包含人臉的圖像中提取人臉區(qū)域，并以此作為識別過程的輸入樣本。
　　本文針對復(fù)雜場景下，傳統(tǒng)級聯(lián)結(jié)構(gòu)的人

2、臉檢測方法存在特征表述不完備，魯棒性差，以及分類性能弱等問題，重點研究基于關(guān)鍵點的魯棒特征與級聯(lián)結(jié)構(gòu)結(jié)合的人臉檢測算法中候選框選取和人臉檢測特征提取過程，主要完成工作如下：
　?、倏紤]到視角不統(tǒng)一將造成特征提取過程的全局分布差異，利用相似變換保證特征提取點同分布，減少視角變化影響。之后比較光照補償對圖像質(zhì)量的影響，選擇伽馬校正進行光照歸一化。
　?、趯τ诤蜻x框提取，考慮到人臉膚色特征的特異性，對 BING(Binarized

3、 Normed Gradients, BING)方法改進，獲得結(jié)合膚色策略的二值化梯度幅值(skin-color-combined BING, SCBING)方法?；谙榷ㄎ缓髢?yōu)化的思想，首先利用YCbCr空間初略獲取膚色區(qū)域，并在CbCr空間獲得膚色差，在原始圖像的Y分量上獲得梯度幅值。其次，利用等比融合獲得加權(quán)特征并基于 BING框架獲得訓(xùn)練模板以及各尺度學(xué)習(xí)系數(shù)和偏移量。然后，在高得分的候選框中利用多空間膚色分割優(yōu)化窗口邊界，以提

4、高候選框平均最佳重疊率，獲得最終輸出候選框。針對人臉特定對象，結(jié)合膚色策略的二值化梯度幅值算法較 BING算法，擁有更高的查全率和平均最佳重疊率。
　　③對于人臉檢測特征提取過程，考慮到人臉五官各部件的獨特性，基于關(guān)鍵點的特征提取方式，構(gòu)建了形狀索引鄰值加權(quán)二值模式特征(Shape index adjacent weighted center symmetric local binary pattern, SI-AWCS-LBP)

5、。首先，利用關(guān)鍵點作為特征提取基準(zhǔn)點，引入相對固定的形狀索引特征表述。其次，考慮到中心對稱局部二值模式忽略了鄰近像素的貢獻度，引入鄰值加權(quán)局部二值編碼方式。然后針對單一尺度的局限性，利用原始尺度、1/2尺度、以及1/4尺度下兩尺度的組合，以尺度融合形式構(gòu)成直方圖統(tǒng)計特征向量，提高對人臉局部紋理的描述。
　?、鼙疚慕梃b聯(lián)合級聯(lián)結(jié)構(gòu)模型，在樹結(jié)構(gòu)中實現(xiàn)輸入樣本二分類以及基于關(guān)鍵點的特征優(yōu)化過程：利用多棵分類回歸樹構(gòu)造強分類器，并通過多