基于CMYK-H-CbCr肤色分割和改进型AdaBoost算法的人脸检测研究

摘要

人脸检测是人脸图像分析（主要包括人脸识别、人脸跟踪、人脸表情和行为识别等）的基础，也是人机交互中计算机视觉部分的初始部分。近二十年来，人脸检测逐渐成了计算机视觉领域的一个研究热点。
　　21世纪初，Viola提出了基于Haar-like矩形特征和AdaBoost算法的人脸检测系统，才真正意义上第一次将人脸检测应用到现实生活中。Viola的人脸检测系统也存在一些问题，首先对于高分辨率的图片使用穷举法搜索人脸，降低了系统的检测速度；其次随着检测精度方面的要求提高，增加分类器的数量，AdaBoost算法的过拟合和“退化现象”将会非常明显。
　　为了进一步加快检测速度，克服退化现象。本文提出了基于CMYK-H-CbCr肤色分割和改进型AdaBoost算法的人脸检测系统，该系统做出了如下改进：
　　a）使用肤色检测过滤大部分的非人脸区域，将CMYK应用到肤色检测中，并结合HSV和YCbCr提出了一种用于肤色检测的混合颜色空间。
　　b）针对CS-LBP特征做了进一步的改进，结合人脸的弧形特征提出一种改进型的CS-LBP特征。同时将改进型的CS-LBP特征与HOG特征融合，从而提出了一种能同时描述人脸纹理和轮廓的特征。
　　c）肤色检测后的候选区域将会加重AdaBoost算法的“退化现象”，本文在AdaBoost算法权重更新过程中将样本到分类器阈值之间的距离和样本的权重相结合，从而既提高了检测精度，也加快了检测速度。
　　通过上述的改进，本文提出的基于CMYK-H-CbCr肤色分割和改进型AdaBoost算法的人脸检测系统分别在MIT，BioID和AT&T等数据库中的实验结果表明：该系统在提高检测速度的同时提高了检测精度。

目录

声明

专用术语注释表

第一章 绪论

1.1研究背景与意义

1.2早期的人脸检测方法及其分类

1.3现有的人脸检测方法及其分类

1.4人脸检测的研究难点

1.5本文的主要工作和论文组织结构

第二章 基于CMYK-H-CbCr的肤色分割

2.1引言

2.2光照补偿

2.3色彩空间

2.4肤色结构分析

2.5肤色区域分割

2.6实验结果分析

2.7本章小结

第三章 CS-LBP-HOG特征提取

3.1引言

3.2人脸特征

3.3实验结果分析

3.4本章小结

第四章 人脸检测的分类算法研究

4.1引言

4.2支持向量机

4.3神经网络

4.4 AdaBoost及其改进算法

4.5实验结果与分析

4.6本章小结

第五章 基于肤色检测和改进型AdaBoost算法的人脸检测

5.1引言

5.2基于肤色和改进型AdaBoost算法框架

5.3光照补偿预处理

5.4肤色分割

5.5改进型AdaBoost训练

5.6实验结果和分析

5.7本章小结

第六章 总结与展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2攻读硕士学位期间申请的专利

致谢