基于分類器融合的人臉檢測算法研究.pdf

1、人臉是一個信息極豐富的模式集合，是人類互相判別、認識、記憶的主要標志，在計算機視覺、模式識別、多媒體技術(shù)研究中占有重要的地位。人臉檢測作為人臉圖像應用領(lǐng)域中的關(guān)鍵技術(shù)，近年來受到研究者的普遍重視。本文結(jié)合國家自然科學基金項目，對彩色圖像中的多姿態(tài)人臉檢測技術(shù)進行了深入的研究。 本文詳細分析了Viola等人提出的Adaboost層疊式人臉檢測算法，采用積分圖像的表示方法，快速計算出弱分類器用到的特征，然后基于Adaboost學習算

2、法，從一個較大的特征集中選擇少量的關(guān)鍵特征，產(chǎn)生一個高效的強分類器，再用級聯(lián)的方式將單個的強分類器合成為一個更加復雜的分類器，既降低了誤識率和計算時間，又顯著提高了檢測性能且具有不斷擴展升級的能力。本文針對具有復雜背景的彩色圖像和視頻圖像中多姿態(tài)人臉檢測問題提出了一種基于多分類器融合和人臉肽色驗證相結(jié)合的人臉檢測方法。首先使用Adaboost層疊式算法分別訓練正面臉分類器和側(cè)面臉分類器，用得到的分類器并行檢測彩色圖像，將正面人臉檢測結(jié)果

3、和側(cè)面人臉檢測結(jié)果相融合得出可能包含人臉的候選區(qū)域，同時在YCbCr色彩空間建立膚色模型對候選區(qū)域作進一步的人臉驗證，最后標定出人臉區(qū)域。本文提出的算法對不同姿態(tài)人臉分類器信息進行融合，利用了人臉灰度紋理特征和人臉膚色信息進行驗證，對人臉姿態(tài)和圖像背景有較強的魯棒性。 本文針對彩色圖像構(gòu)造了正面人臉、側(cè)面人臉和復雜姿態(tài)人臉三組測試集，分別用正面臉分類器、側(cè)面臉分類器、正面臉和側(cè)面臉融合分類器以及本文構(gòu)造的分類器進行人臉檢測。實驗

4、結(jié)果表明，本文系統(tǒng)不構(gòu)造一個復雜的多姿態(tài)人臉樣本庫，而是將正面和側(cè)面等不同姿態(tài)人臉的檢測任務劃分給不同的分類器并將分類器的結(jié)果進行融合，提高了對復雜姿態(tài)人臉的檢測概率，后期的膚色驗證又大大降低了虛警檢測概率。另外，本文針對動態(tài)圖像構(gòu)造了室內(nèi)外四組多姿態(tài)人臉視頻測試集，同樣用上述四種分類器分別進行人臉檢測。實驗結(jié)果表明，本文系統(tǒng)的膚色驗證是在少量候選人臉區(qū)域進行的，不僅能夠準確、可靠地檢測出人臉，而且具有很高的處理速度，能夠滿足實時人臉檢