復雜背景下多視角人臉檢測算法研究.pdf

1、人臉檢測是當前人工智能和模式識別研究中的一個熱點，它可以將人臉信息有效地應用于視頻監(jiān)控、身份驗證、檔案管理、可視化通訊、多媒體數(shù)據(jù)庫檢索以及網(wǎng)絡傳輸中的基于內(nèi)容的壓縮與檢索等很多領域，同時也可以作為一個很友好的交互接口。目前，人臉檢測已有上千種檢測算法，應用比較廣泛的是基于統(tǒng)計理論的人臉檢測方法。其中，Paul Viola等人提出的基于積分圖像和AdaBoost算法的檢測方法在正確率和檢測速度上都有很好的表現(xiàn)。
　　 針對Pau

2、l Viola提出的人臉檢測方法進行了研究，對其Haar特征對檢測率和誤檢率的影響、訓練耗時以及選取樣本做了深入研究及改進。
　　 第一，在實際生活中，由于人的個體差異，存在眉毛與眼睛很相似的個體。因此，為了能夠有效地避免眼睛和眉毛混淆，提出了一種擴展的Haar特征，同時針對不同姿態(tài)的個體，訓練了基于不同視角的人眼檢測器，然后利用人眼定位，根據(jù)人臉幾何結構準確檢測出人臉。實驗證明，擴展的Haar特征能更好地適應目標模式的灰度變化

3、，同時多視角人眼檢測器能更準確地檢測到人眼與眉毛相似且不同姿態(tài)的個體人臉。
　　 第二，為了排除人臉圖像訓練集的局部特征，縮小提取臉部范圍特征至人眼；同時，針對Adaboost算法訓練非常耗時且對機器的硬件要求非常苛刻這一不足，選取與人眼樣本相近的非人眼樣本，有效地減少訓練后期更新負樣本的時間，并訓練為不同視角的人眼檢測器，然后進行人眼定位，最后快速檢測出人臉。實驗證明，該檢測器能夠解決訓練集的普適性以及大大減少樣本訓練時間。<