论文部分内容阅读
人脸检测技术是判定所给的图像中是否存在人脸并给出定位的过程,在司法、金融、军事、海关以及人们的日常生活等各个领域都占用的举足轻重的位置。依据不同的人脸相关知识有不同的检测方法,目前常用的大致有基于人脸知识分析,基于人脸外观,基于人脸特征以及模版匹配等几类方法。本文基于当今最为流行的Ada Boost算法,训练出自己的人脸检测级联分类器,通过对人脸图像方差特点的研究增加了方差预处理,使训练出的级联分类器在人脸检出率相对较高的前提下实现了检测速度的提升,从而增强了其实时应用性。具体工作内容包括:1.分析人脸检测技术在国内外的研究现状与研究结果,总结了课题的研究难点与研究大致的发展方向;简单介绍了国际上常用的几个人脸数据库的构成;介绍了评测检测算法优劣的具体参数与本文所用的评测方法。2.基于Ada Boost的人脸检测算法与实现分析。文章在介绍算法时,从用于人脸特征表示的Haar-like特征入手,随后在介绍特征值的快速计算时引入积分图思想,最后从最大可能的减小计算量、提高检测速度的方面出发引入了级联分类器的思想,将上述内容组合起来便是对文章所用的基于Ada Boost算法的详细介绍;接着详细叙述了本文的检测方法与检测流程;算法实现部分穿插在算法介绍中,在每一部分的算法介绍后面列出本文所用的实现方案方法,两部分综合起来对人脸检测过程做了十分详尽的分析。3.介绍图像预处理对人脸检测的重要性,对常用的图像预处理方法做了简单分析;着重介绍了本文用到的方差预处理方法,从意义目的与简单获取两部分进行阐述,并通过实验与数据统计确定了本文中用到的人脸方差的阈值。4.将本文的人脸检测算法用于Bao数据库与Bio ID数据库,对检测结果进行统计后得到结论:算法改进后所训练出的级联分类器效果较好,综合检测性能较优;方差预处理可以快速排除非人脸背景,提升级联分类器的检测速度,降低虚警率,但是对人脸检出率有一定的负面影响。