基于視頻圖像序列的人臉檢測技術研究.pdf

1、人臉檢測問題最初作為自動人臉識別系統的定位環(huán)節(jié)而被提出，近年由于人臉檢測技術巨大的理論價值和廣闊的應用前景，得到了廣大學者的普遍關注，各種檢測算法和實際應用系統也不斷涌現。
　　 本文以運動目標檢測以及人臉檢測的相關算法為研究對象，實現了基于視頻圖像序列的人臉檢測識別系統。該系統具有明確的應用背景，科研人員希望該系統內嵌于先進的數字電視，為廣大消費者提供更加人性化和智能化的服務。作為人臉識別系統的關鍵環(huán)節(jié)，人臉檢測系統的性能直接

2、影響到了整個人臉識別系統的整體性能，本文重點從檢測率和檢測速度兩個方面來分析人臉檢測系統的性能，主要工作包括以下三個方面：
　　 1)在閱讀了大量文獻的基礎上，結合實際應用的需要，本文選擇基于AdaBoost算法的人臉檢測方法作為實時人臉檢測系統的具體實施方案。首先，從理論方面分析了AdaBoost算法的基本原理，并導出了該算法的訓練誤差和泛化誤差；之后，研究了利用AdaBoost算法進行人臉檢測的基本過程，其中重點討論了多尺度

3、人臉檢測以及多個相似人臉框的合并問題。
　　 2)研究如何有效地利用視頻圖像所提供的運動信息來提高人臉檢測系統的檢測速率并降低誤檢率。由于研究的是基于視頻圖像而不是靜態(tài)圖像的人臉檢測，圖像中檢測窗口越小，檢測速度越快，誤檢率越低，為了合理地縮小待檢測窗口，本文所構建的系統在進行人臉檢測之前，首先進行運動目標檢測。在分析現有的運動目標檢測算法的基礎上，提出了改進的幀間差分算法，該算法能夠檢測出來當前幀視頻圖像中的運動區(qū)域，還能有效

4、地標示“先驗人臉區(qū)域”（即前一幀圖像中檢測到的人臉區(qū)域）。
　　 3)構建出一個基于運動信息和AdaBoost算法的實時人臉檢測系統。為了驗證該系統的性能，本文從光照、人臉與攝像頭之間的距離、檢測速度和檢測率等方面做了詳細的分析和比較。
　　 實驗結果證明：與傳統的AdaBoost算法相比，本文提出的基于運動信息和AdaBoost算法的實時人臉檢測算法，具有檢測率高，檢測速度快和魯棒性強等特點。該算法有效的克服了存在大量