基于视频的人脸检测系统的研究与实现-计算机应用技术专业论文.docxVIP

万方数据 万方数据 分类号 密级 UDC 注1 学 位 论 文 基于视频的人脸检测系统的研究与实现 （题名和副题名） 陈 莹 （作者姓名） 指导教师姓名 朱清新 教 授 电子科技大学 成 都 （职务、职称、学位、单位名称及地址） 申请专业学位级别 硕士 专业名称 计算机应用技术 论文提交日期 2012.03 论文答辩日期 2012.05 学位授予单位和日期 电子科技大学 答辩委员会主席 杨国武 评阅人 杨国武 2012 年 05 月 17 日 注 1：注明《国际十进分类法 UDC》的类号。 万方数据 万方数据 摘要 摘 要 视频人脸检测技术受到高度关注，应用领域相当广泛，如视频监控、图像检 索、人机交互等，然而对处于不同角度的人脸的实时检测仍然是这个领域中极富 挑战性的课题。 本论文研究的是视频序列中不同角度的人脸检测、跟踪问题，结合预检测与 后验证机制，提出基于改进的 Adaboost 的检测算法；首先介绍视频人脸检测技术 的发展和常用方法，然后阐述视频人脸检测系统原型的设计与实现，最后在标准 人脸库和视频环境中测试性能、分析结果。 本文重点是视频人脸检测系统的研究与实现，系统分为四大模块：1）运动目 标预检测模块；2）人脸检测模块；3）人脸验证模块；4）人脸跟踪模块。 本文系统的创新之处有三点：1）利用预检测模块缩小和简化检测范围与环境， 提高系统检测速度的同时降低了误报率；2）引入扩展 haar-like 特征实现视频中多 角度检测；3）结合肤色模型与样本模板进行人脸验证。 运动目标预检测模块目的在于获取潜在人脸图像区域，首先基于背景差分的 思想利用 GMM 模型分离背景与前景，然后借助部件连接得到兴趣区域位置、大 小等信息。 人脸检测模块则利用 Adaboost 算法从潜在的人脸图像区域中检测而得到候选 人脸，本文重点在于分类器的训练与分析，并在此基础上构建了一个检测器的原 型，实验表明我们的检测可以实现实时的视频人脸检测，可达到 95.35%检测率。 人脸验证模块使用一种新的验证机制—肤色模型与模板匹配的层叠验证候选 人脸，首先利用基于 HSV 与 YCbCr 空间的肤色模型进行第一层验证，然后使用人 脸模板进行第二层验证；实验表明结合验证机制的检测器在保持原有高检测率的 基础上，误报率仅为 0.48%。 人脸跟踪模块利用高效的 Camshift 算法对人脸进行实时跟踪。 实验结果显示，本文的人脸检测系统能够有效地检测出视频流中有偏转角度 的人脸，并进行实时跟踪，具有广泛的应用前景。 关键词：人脸检测， Adaboost ，肤色模型，模板匹配，Camshift I ABSTRACT ABSTRACT Face detection in video stream has received significant attention and has a wide range of applications, such as video surveillance, image retrieval, human-computer interaction, and so on. However，the main challenge remains the real-time detection of face with different poses . In this thesis, a novel face detection method for human faces in different angles in the video stream is introduced. And in the process the scheme combining the first-detection and post-validation is showed and the detecting algorithm based on Adaboost is improved. First of all, the development and technologies of face detection in video is introduced; Second, the face detection system design and implementation is showed in details; Third, the system is tested in the standard databases and then the result is analyzed. The most important part of this paper is the design an