嵌入式系統(tǒng)中彩色人臉檢測算法的研究.pdf

1、近年來,隨著人臉識別技術(shù)日趨成熟,已經(jīng)逐漸應(yīng)用于人們的日常生活中。作為人臉識別的前期階段,人臉檢測一定程度上影響著人臉識別的速度和識別率。因此,研究人臉檢測算法,提高人臉檢測速度和檢測率,可以提升人臉識別系統(tǒng)的整體性能。
　　 本文首先對待檢測的人臉圖像進行膚色預(yù)處理。通過分析膚色在不同顏色空間的聚類情況,選擇在YCbCr顏色空間中建立膚色模型。由于膚色預(yù)處理階段對精度要求不高,所以本文建立的膚色模型屬于最簡單也是速度最快的閾值

2、分割模型。該模型規(guī)定了膚色的閾值范圍,如果像素的Cb和Cr分量均屬于該閾值范圍,則該像素被判定為膚色點;反之,被判定為非膚色點。利用膚色預(yù)處理算法可以生成膚色判定矩陣,該矩陣為二值矩陣,其中1代表膚色點,-1代表非膚色點。
　　 其次,改進Viola提出的基于AdaBoost的人臉檢測算法。該算法在分類器訓(xùn)練末期,弱分類器的錯分類接近50％,即分類能力很弱,使其聯(lián)合而成的強分類器的分類性能沒有明顯提高,導(dǎo)致算法的整體分類性能降低

3、,檢測率下降。出現(xiàn)這一情況的原因是90％的邊緣在灰度圖像和彩色圖像中是大致相同的,有10％的邊緣可能在灰度圖像中檢測不到,訓(xùn)練末期灰度特征中所含分類信息不足以區(qū)分人臉與非人臉樣本。針對這種情況,本文提出彩色積分圖概念,將彩色信息融合到AdaBoost訓(xùn)練算法中,生成對應(yīng)三種顏色分量的分類器CY(x)、Ccb(x)和Ccr(x)。通過改進級聯(lián)分類器的結(jié)構(gòu),使這三種分類器充分發(fā)揮各自作用,提高了算法的檢測率。由于Cb和cr顏色分量去除了亮度