- 1、本文档共12页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
人脸检测初稿
摘要
本文首先对人脸检测进行了概述,给出了人脸检测的定义及分析流程,总结了计算机进行人脸检测的主要难点和人脸检测技术今后需要解决的问题,介绍了评价人脸检测的两个指标——人脸检测率和错误检测数。
再次,本文介绍了人脸检测的主要方法,并将其分为四类:基于知识的方法、特征不变量方法、模板匹配的方法及基于表象的方法,并引出了本文所用的AdaBoost方法,随后即对此方法及影响AdaBoost人脸检测训练算法速度的至关重要的两方面:矩形特征和积分图的概念和理论进行阐明。
最后本文应用Intel开源计算机视觉库OpenCv进行了人脸检测程序设计,并且给出了源代码及运行结果。
关键词:人脸检测,AdaBoost,特征矩阵,积分图,OpenCv
人脸检测算法研究
1)Haar-like特征
2)利用积分图像计算矩形特征
3)AdaBoost算法原理
级联分类结构
训练人脸检测分类器
人脸检测
人脸检测实验接货
人脸检测是人脸分析的第一步,指对于任意一幅给定的图像,采用一定的策略对其进行有哪些信誉好的足球投注网站以确定其中是否含有人脸,如果含有则返回人脸的位置、大小和姿态。
图1 人脸分析流程
人脸检测的应用范围非常广泛。特别是在视频追踪,实时监控,和刑事侦查等领域都有非常重要的作用。
虽然人类可以毫不困难地检测到空间中的人脸,但计算机进行完全自动的人脸检测仍存在许多困难。它是一个复杂的具有挑战性的模式分类问题,其主要的难点来自两方面。
由于人脸内在的变化所引起的:人脸具有相当复杂的细节变化,不同的外貌,如脸形、肤色等,不同的表情,如眼、嘴的开与闭等,甚至可能有器官的缺失;人脸的遮挡,如眼镜、头发和头部饰物以及其他外部物体等;
由于外在条件变化所引起的:由于成像角度的不同造成人脸的多姿态,如平面内旋转、深度旋转以及上下旋转,其中深度旋转影响较大;光照的影响,如图像中的亮度、对比度的变化和阴影等。图像的成像条件,如摄像设备的焦距、成像距离,图像获得的途径等等。
虽然人脸检测技术有了很大的发展,但是由于各种变化因素的影响,还有很
多需要解决的问题:
由于人脸模式的多样性,人脸图像的空间分布非常复杂,有限的样本集难以覆盖全部人脸图像子空间,在高维空间中建立准确的分布模型又很困难。
对于复杂背景的图像,如何有效地区分类似人脸的区域和真正的人脸区域很重要。
目前的人脸检测算法还不能较好地处理任意姿态、光照和遮挡等变化条件。
由于大多数应用都是面向实时性处理,这要求人脸检测算法简单、快速。
压缩域的人脸检测是面向对象的图像和视频检索技术的一个重要研究主题。
随着图像处理、模式识别、人工智能以及生物心理学的研究进展,人脸检测
技术将会获得更大的发展。
对于人脸检测来说,一般关注两个指标:
人脸检测率(Detection Rate):给定图像中,检测出来的人脸和人脸总数的比率。
错误检测数(False Detection):有多少的非人脸被当成是人脸检测出来了。这个指标非常重要,有些检测算法可以给出甚至100%的检测率,但是其错误检测的数量可能非常巨大。
一个理想化完美的人脸检测算法,应该有100%的人脸检测率和0错误检测数。现阶段也许只有人的大脑有这个能力。
人脸检测方法
对人脸检测的研究最初可以追溯到 20世纪 70 年代,早期的研究主要致力于模板匹配、子空间方法,变形模板匹配等。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,神经网络学习方法,统计知识理论和支持向量机方法,基于马尔可夫随机域的方法,以及基于肤色的人脸检测。1]。
1、基于知识的方法(Knowledge-based)
这个方法将人类有关典型的脸的知识编码成一些规则。通常这些规则包括了脸部特征之间关系的知识(轮廓规则,器官分布规则,对称性规则,运动规则)[2]。这个方法主要用于人脸的定位。
图2 基于知识的人脸检测方法抽象出人脸的基本特征规则
基于知识的方法其中一个困难是如何将人类知识转化成为有效的规则:如果规则制定得太细,那么可能有许多人脸无法通过规则的验证;如果规则制定得太宽泛,那么可能许多非人脸会被误判为人脸。
2、特征不变量方法(Feature invariant)
这个方法的目标是寻找那些即使当姿势、视角和光线条件变化时仍然存在的结构特征,并利用这些特征来定位人脸。由于人类能够毫不费劲地“看到”在不同光线和姿态下的人脸和物体,因此研究人员认为有一个潜在的假设:存在一些关于人脸的不依赖于外在条件的属性或者特征。有许多方法就是按照这个潜在假设,首先去寻找这种脸部特征(通过大量样本学习的方法),然后用寻找到的特征去检测人脸。
人的肤色被证明是人脸检测的一个有效特征。人脸肤色聚集在颜色空间中一个较小的区域,因此可利用肤色特征能够有效地检测出图像中的人脸。利用肤色特征检测出的人脸区域可能不够准
您可能关注的文档
最近下载
- 生殖系统彩色图解.ppt
- 2023年变频器投资申请报告.docx VIP
- uapv63-1主子表单据操作手册预订单ver.1.pdf VIP
- 新高考数学解题研究——高考题型全归纳.pdf
- uap63攻略4课件1ria平台uapv63-ria单据开发.pdf VIP
- 应急器材使用及维护培训.pptx
- 中医科带状疱疹诊疗规范、诊疗路径.pdf
- 四川省成都市天府新区2023-2024学年七年级下学期语文期末考试试卷.docx VIP
- 2.3地域文化与城乡景观(课件)高一地理(人教版2019必修第二册).pptx
- 2.2地域文化与城乡景观 课件 2023-2024学年高一年级地理中图版(2019)必修第二册.pptx VIP
文档评论(0)