基于统计模型的彩色图像人脸检测

VIP免费

3.0 陈辉 2024-11-19 8 4 1.11MB 66 页 15积分

侵权投诉

摘要

人脸检测是指，给定静止或动态图像，判断其中是否有人脸；若有，将所有

人脸从背景图像中分割出来，并确定每个人脸在图像中的大小和位置。人脸检测

系统的输入是可能包含人脸的图像，输出是关于图像中是否存在人脸以及人脸的

数目、位置、尺度等信息的参数化描述。

本文以构建一个可用的，实用的人脸检测系统为目标，在研究了人脸检测基

本理论和关键技术的基础上，重点讨论了彩色静态图像的人脸检测问题。

首先，深入分析统计模型人脸检测整个流程，用贝叶斯公式建立一个合适的

滤波器作为分类器检测皮肤区域。同时针对正确率低的问题提出使用先验概率来

检测皮肤区域，包括室内室外环境下脸部皮肤、眼部、嘴部的特征检测，还使用

形态学的滤波器去除在皮肤区域出现的部分噪声，取得了比较理想的效果。

然后，以对照组代入实验组的事后概率找出皮肤范围，并以相同的数学模型

找出眼部和嘴部，此处的关键技术是用熵模型在所检测到的皮肤轮廓内寻找眼睛

的位置，接着利用红色像素对绿色和蓝色的比例在皮肤范围内寻找嘴唇位置。一

旦眼部和嘴部位置确定了，也就检测到了图像中的人脸位置。

最后，为了评估贝氏滤波器检测皮肤的效果，本文采用 ROC 曲线以统计形式

来评估分析检测到的像素，分别绘制图表，结合之前的熵模型数据，对所检测到

的皮肤范围做差异性分析，对算法的合理性和准确性做出评估，证实了本文所使

用的算法比较合理。

关键词：人脸检测贝叶斯公式熵 ROC 曲线

ABSTRACT

Face detection means to determine whether there are any human faces in a given

static or dynamic image. If any, separate all faces from the background and identify the

size and position of each face in the image. The input of a face detection system may be

a photo contains faces; the output is about the existence of human face and the number,

location, scale and other information-based description of the parameters.

The goal of this paper is to build a usable, practical face detection system, and

based on the study of human face detection basic theory and key technologies we focus

on face detection of the static color image of people. First, in-depth analysis of the

statistical model the whole process of face detection using Bayes formula for the

establishment of an appropriate filter as a classifier detecting skin regions. At the same

time, for the problem of low accuracy rate for the use of a prior-probability to detect

skin regions, including indoor and outdoor environment, facial skin, eyes, mouth of

feature detection.

Secondly, put the control group into the experimental group on behalf of the expost

probability of identifying the scope of the skin, and use the same mathematical model to

identify the eye and mouth, where the key technology is to use entropy model among

the detected skin contour to look for the location of the eye, and then use red green and

blue pixels on the ratio of the skin, lips, looking for locations within the face. Once the

eye and mouth positions identified, and also to determine the location of human face.

Finally, in order to assess the effect of the Bayesian filters,this paper adopts the

form of ROC curve to assess the statistical analysis of detected pixels,and draw

diagrams respectively,combined with entropy model, analysis the detected differences

in the skin of the scope of the algorithm to assess the reasonableness and accuracy,

confirming the algorithm used in this paper is reasonable.

Key Word: Face Detection, Bayes Formula, Entropy Model, ROC Curve

摘要

ABSTRACT

第一章绪论 ...............................................................................................................1

§1.1 课题研究的背景及意义 .................................................................................1

§1.2 国内外研究动态 .............................................................................................4

§1.3 本文的主要工作 .............................................................................................5

第二章静态背景人脸检测 .........................................................................................7

§2.1 人脸检测的主要研究方法 .............................................................................7

§2.1.1 基于特征的人脸检测方法 .................................................................... 7

§2.1.2 基于图像的人脸检测方法 .................................................................... 8

§2.2 数学模型和色彩空间 ...................................................................................10

§2.2.1 贝叶斯定理 .......................................................................................... 10

§2.2.2 熵 .......................................................................................................... 11

§2.2.3 ROC 曲线 .............................................................................................11

§2.2.4 RGB 色彩空间 .....................................................................................12

§2.2.5 YCbCr 色彩空间 ................................................................................. 13

§2.2.6 灰阶 ...................................................................................................... 13

第三章算法架构及脸部特征信息的提取 ...............................................................15

§3.1 算法架构 .......................................................................................................16

§3.2 皮肤检测 .......................................................................................................17

§3.2.1 室内环境皮肤检测 .............................................................................. 17

§3.2.2 户外环境下的皮肤检测 ...................................................................... 26

§3.3 眼部检测 .......................................................................................................28

§3.3.1 室内环境下的眼部检测 ...................................................................... 28

§3.3.2 户外环境下的眼部检测 ...................................................................... 31

§3.4 嘴部检测 .......................................................................................................31

§3.4.1 算法结果演示 ...................................................................................... 32

第四章人脸检测实验讨论 .......................................................................................35

§4.1 对照组的比较 ...............................................................................................35

§4.1.1 室内环境下的对照组 .......................................................................... 35

§4.1.2 户外环境下的对照组 .......................................................................... 37

§4.2 皮肤区域的分析 ...........................................................................................39

§4.2.1 室内环境皮肤区域 .............................................................................. 39

§4.2.2 户外环境皮肤区域 .............................................................................. 41

§4.3 皮肤在不同的色彩空间的讨论 ...................................................................42

§4.4 人脸检测系统仿真软件开发 .......................................................................44

§4.4.1 开发平台说明 ...................................................................................... 44

§4.4.2 软件开发流程 ...................................................................................... 45

§4.4.3 主要函数模块简介 .............................................................................. 45

第五章总结和展望 ................................................................................................... 51

§5.1 总结 ...............................................................................................................51

§5.2 展望 ...............................................................................................................51

参考文献 .................................................................................................................... 53

在读期间公开发表的论文和承担科研项目及取得成果 ........................................ 59

致谢 .................................................................................................................... 61

第一章绪论

§1.1 课题研究的背景及意义

基于统计模型的彩色图像人脸检测

- 2 -

21 世纪是信息技术、网络技术的世纪。网络信息化的一大特征就是身份识别

的数字化和隐蔽化。如何有效，方便的进行身份验证和识别，已经成为人们日益

关心的问题。目前，身份确认已经逐渐深入到社会生活的各个方面，无论是日常

生活中的保安门禁系统、ATM 提款机系统，还是工作中访问计算机数据库中存储

的保密数据以及网上交易过程中的身份确认，都要用到身份检测、识别系统。传

统的安保方式包括密码保护、个人识别码、磁卡或者钥匙，这些传统方法只能够

提供有限的保障，其缺点是很明显的：个人物品容易丢失或者被伪造，个人密码

也容易泄漏或者遗忘。更为严重的是：这些系统无法区分真正的拥有者和偶然或

故意取得该身份识别物的冒充者，一旦他人取得了这些身份识别物，就可以拥有

相同的权力，从而造成极大的损失。

911 以后，各国都增加了对安保的考虑，政府机关、军事设施、港口、机场等

重要区域如何免受恐怖分子的袭击？这就需要更加准确的身份识别系统来保证各

重要部门安全不受侵犯。生物识别系统可以有效的解决这些问题，它给人们带来

了更安全便捷的检测手段。

所谓生物特征识别技术就是通过各种传感器和生物统计学原理与计算机等高

科技手段紧密结合起来，利用人体固有的生理特征和行为特征，来进行个人身份

鉴定。并非所有的生物特征都可用于鉴定，必须满足以下几个条件：(1)普遍性：

即每个人都必须具备这个特征。(2)唯一性：即任何两个人的特征是不一样的。(3)

可测量性：即特征可测量。(4)稳定性：即特征在一段时间内不会改变。常用的生

物特征有：人脸识别、虹膜识别、DNA 识别、指纹识别、声音识别等[1]。

由于成本等各种原因，指纹识别技术仍在市场中占据优势地位，但随着政府

项目广泛采用人脸识别技术，以及在其他大型行业的应用，人脸识别的市场比重

正在快速增长。预计未来 5年内仍会保持高速增长。据生物识别专业咨询公司美

国International Biometric Group 近期出版的一部关于生物识别市场及产业发展趋

势的调查报告“Biometrics Market and Industry Report 2007-2012”所载，2007 年全

球生物识别市场超过 30 亿美元，且在今后 5年内将以每年超过 8亿美元的速度增

加，到 2012 年将达到 74 亿美元。市场份额仅仅小于指纹识别，打破了国际市场

上“指纹识别”一统天下的局面[2]。

人脸识别是人类相互识别的最重要的方法，与其他较为成熟方法(如指纹，

DNA 检测等)相比，人脸识别具有独特的技术优势，主要体现在以下几个方面：

(1)非接触式

第一章绪论

-3-

人脸识别是非接触式的，使用者不会有任何心理障碍，也不需要被动的配合，

相比较而言，其他的生物识别方法都需要使用者的配合。

(2)符合人的识别习惯

记录一个人的生物信息时，只有通过人脸才能最直观的核查这个人的身份，

这符合人类的识别习惯。当警卫或者管理人员试图通过指纹或者虹膜等其他生物

特征来判定一个人的身份往往是困难的。而比较人脸则容易的多。

(3)可隐蔽操作

由于人脸识别方法不需要被识别人的动作配合，所以人脸识别技术可应用与

实时监控系统，这是其他技术所无法达到的。

(4)具有强大、方便、快捷的事后追踪能力

基于人脸特征识别的身份认证系统可以在事件发生时记录并且保存当事人的

面部形象，从而确保了系统具有强大的事后追踪能力[3]。

(5)身份资料的完整性

人脸图像数据库是目前国家保存最完整的身份资料之一

(6)能获得其他系统不能获得的信息

与传统的生物技术相比，人脸识别具有简单，精确，经济实用以及扩展性良

好等优势，而且通过人脸表情、姿态的分析，可以获得其他有价值的个人信息。

人脸技术作为生物识别技术也有其固有的缺点，主要有：

(1)人脸特征稳定性差

人脸是具有极强可塑性的柔软三维皮肤表面，会随着表情年龄等方面的变化

而改变，人脸姿态的多样性和面部非刚体变化决定了人脸模式的复杂性。皮肤的

特性也会随着年龄、化妆、整容、意外伤害等情况而发生变化。人脸模式的多样

性导致了难以提取足够多的用于分类的不变性特征[35]。

(2)可靠性较低、安全性较低

虽然每个人的脸都不相同，但同一人种的人的面孔总体上是相似的，很多人

的面孔间差别是非常细微的，从技术上实现安全可靠的认证有很大的难度。

(3)图像采集容易受外界条件影响

人脸识别系统必须面对不同光照条件、视角、相对距离变化等很困难的视觉

问题，这些复杂因素都会极大的影响人脸图像的成像质量，使系统识别性能不够

稳定[4]。

基于统计模型的彩色图像人脸检测

- 4 -

这些缺点使人脸识别系统目前只能在光照、视角等客观条件比较理想的情况

下满足一般应用的要求。

在西方发达国家，人脸检测识别技术已经相对成熟，在特定的场所已经投入

实际使用。人脸检测识别系统已广泛应用于海关、机场、边防出入境安检管理、

国家机要部门和事业单位门禁系统、公司考勤系统、手机和笔记本电脑登录、全

民证照系统、刑侦罪犯缉查等。

在我国，由于智能识别技术起步较晚等原因，人脸检测识别技术正处于初步

应用推广阶段，相对落后于西方发达国家。但近几年来，识别算法和相关技术的

应用都发展迅速。

不仅如此，近年来由于安全访问控制、视频监控、基于内容的检索和新一代

人机界面等领域上的应用价值逐渐显现，人脸检测已经远远超出了人脸识别系统

的范畴，开始独立受到研究者的重视。

综上所述，在现阶段，我国积极发展人脸检测技术是具有重要意义的。而检

测算法作为人脸检测技术的核心与灵魂，则更具有深入研究、探索以及改进的意

义，这正是本文的最大出发点。

§1.2 国内外研究动态

人脸检测最初源于人脸识别。早期的人脸识别研究主要针对的是具有强约束

条件的人脸图像(例如无背景或简单背景)，往往假设人脸位置为已知或者容易获

得，因此人脸检测相关问题并未受到足够的重视。人脸检测的研究最初可以追溯

到20 世纪 70 年代，人脸检测早期的研究主要致力于模板匹配[36]、子空间方法[37]，

变形模板匹配[38]等。那些方法往往针对简单无变化背景下的正面人脸检测，所以使

这些方法在很大程度上显得很呆板。基于这些方法构建的检测系统，任何图像条

件的改变，即使不用完全重新设计整个系统，也要对系统的参数进行精细的调整。

那时,人们更重视对人脸识别的研究，直到 90 年代，随着实际的人脸识别和视频编

码系统开始成为现实，这种情况才有所改变。在过去的十多年里，对人脸检测的

极大兴趣开始从几个方面展开。研究者提出了多种分割方法，特别是那些利用运

动、肤色和一般信息的方法。统计和神经网络方法的使用也使在复杂背景和多分

辨率的人脸检测成为可能[39]。另外，在能够精确定位的跟踪面部特征的特征提取方

法的设计(例如弹性模板和活动轮廓[40])方面也取得了很大的进展。近期人脸检测的

研究主要集中在基于数据驱动的学习方法，如统计模型方法[41]，神经网络学习方法

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要人脸检测是指，给定静止或动态图像，判断其中是否有人脸；若有，将所有人脸从背景图像中分割出来，并确定每个人脸在图像中的大小和位置。人脸检测系统的输入是可能包含人脸的图像，输出是关于图像中是否存在人脸以及人脸的数目、位置、尺度等信息的参数化描述。本文以构建一个可用的，实用的人脸检测系统为目标，在研究了人脸检测基本理论和关键技术的基础上，重点讨论了彩色静态图像的人脸检测问题。首先，深入分析统计模型人脸检测整个流程，用贝叶斯公式建立一个合适的滤波器作为分类器检测皮肤区域。同时针对正确率低的问题提出使用先验概率来检测皮肤区域，包括室内室外环境下脸部皮肤、眼部、嘴部的特征检测，还使用形态学的滤波器去除...

展开>> 收起<<

基于统计模型的彩色图像人脸检测.pdf

共66页,预览7页

还剩页未读，继续阅读

基于统计模型的彩色图像人脸检测

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: