收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进肤色模型的AdaBoost人脸检测算法研究

林欣  
【摘要】:人脸检测是指通过一定的检测顺序和检测算法搜索目标图像(或目标视频)中是否含有人脸特征,若含有人脸特征则返回人脸的位置信息和大小信息的过程。同时,人脸检测也是人脸识别、表情识别等信息处理算法的首要环节,其检测结果无论从正确率或是检测速度等方面都直接影响后续工作的效果。因此,随着计算机视觉和人工智能等相关领域的发展,人脸检测工作的重要地位愈加明显,而人脸检测也逐渐成为研究领域内的热点课题。本文设计出一种将肤色模型和Ada Boost(Adaptive Boost)算法相结合的新的人脸检测算法,该方法可以避免传统方法中检测率不够高、训练时间太长、容易受外界环境和检测主体的变化所影响等几方面不足。该方法将简单的肤色模型直接作为Ada Boost算法的弱分类器,并按Ada Boost算法规则进行训练和检测,得到多个分类能力较强的强分类器,以实现对人脸的精确定位。本文主要的工作内容有以下四个方面:(1)研究了基于肤色模型的人脸检测算法。分析肤色在不同颜色空间中的聚类效果以及不同肤色模型的拟合效果。给出了基于肤色模型的人脸检测方法的检测结果并进行分析。整体的检测过程包括图像预处理(图像光补偿、尺寸归一化)、颜色空间投影、肤色模型建立和拟合,以及利用数学形态学对检测结果作进一步处理。(2)研究了Ada Boost人脸检测算法。分析该算法的算法原理、检测规则和运算过程等,包括Haar特征和积分图的提出和计算方法,弱分类器的构造和训练,级联分类器的构造和训练,以及Ada Boost算法的检测规则。对该算法进行仿真,针对仿真得到的结果从主观(人眼观测)和客观(数据分析)等方面进行优缺点分析对比。(3)提出改进的Ada Boost人脸检测方法。该方法首先在椭圆肤色模型的基础上对其进行改进,提出了形式更为简单、参数更少的圆形肤色模型,并且将该肤色模型直接作为Ada Boost算法的弱分类器,有效提高了弱分类器的检测精度;由于单个弱分类器的检测精度更高,因此无需遍历测试图像的Haar特征,有效地降低了Ada Boost算法的离线训练时间,并保证了算法的检测率。另外,采用加权投票的方法判定检测结果,保证了单个样本的被测准确性。实验分析可知,改进后的Ada Boost人脸检测算法有效地避免了传统Ada Boost算法的退化问题和离线训练时间过长等问题。有效提高了检测率,降低了误检率和漏检率,提高了算法的实时性。且该算法对检测对象约束条件很低,具有较好的鲁棒性。(4)针对复杂背景(类肤色、极端光照环境、非人脸的裸露皮肤)对人脸检测工作的干扰,提出将视觉显著性机制同改进的Ada Boost人脸检测方法相结合,以提高算法的检测性能。该方法通过计算以肤色为目标颜色的显著度直方图,忽略了目标在空间中的位置信息,同时对目标区域增加了显著度这一参数,加强了对背景中干扰项的约束条件。通过保留直方图中距离目标颜色最近的颜色区域来排除明显颜色不同区域和虽然颜色类似但也不属于肤色的区域,有效降低了复杂背景中的类肤色干扰和极端光照环境的干扰。利用该方法对检测样本进行测试,其检测结果有明显提高。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 林志阳;康耀红;雷景生;;基于Adaboost的车标定位方法[J];计算机工程;2008年11期
2 张磊;;基于AdaBoost的侧面人脸、人耳检测[J];科学大众;2008年08期
3 付忠良;;关于AdaBoost有效性的分析[J];计算机研究与发展;2008年10期
4 张岗亭;杨全;;两种Adaboost方法在人脸检测中的比较研究[J];微计算机信息;2009年24期
5 严超;王元庆;李久雪;张兆扬;;AdaBoost分类问题的理论推导[J];东南大学学报(自然科学版);2011年04期
6 李印;;基于AdaBoost的行人检测研究与实现[J];数字技术与应用;2012年03期
7 苏加强;丁柳云;;基于R的监督式AdaBoost异常值检测应用[J];淮海工学院学报(自然科学版);2013年01期
8 张志勋;张磊;杨凡;;一种改进的Adaboost人脸检测方法[J];自动化与仪器仪表;2013年06期
9 王海川,张立明;一种新的Adaboost快速训练算法[J];复旦学报(自然科学版);2004年01期
10 赵江,徐鲁安;基于AdaBoost算法的目标检测[J];计算机工程;2004年04期
11 孔凡芝,张兴周,谢耀菊;基于Adaboost的人脸检测技术[J];应用科技;2005年06期
12 武勃,黄畅,艾海舟,劳世竑;基于连续Adaboost算法的多视角人脸检测[J];计算机研究与发展;2005年09期
13 郑峰,杨新;基于Adaboost算法的人脸检测[J];计算机仿真;2005年09期
14 徐启华;杨瑞;;基于AdaBoost算法的故障诊断仿真研究[J];计算机工程与设计;2005年12期
15 郭红刚,方敏;AdaBoost方法在入侵检测技术上的应用[J];计算机应用;2005年01期
16 魏冬生;李林青;;Adaboost人脸检测方法的改进[J];计算机应用;2006年03期
17 杨艳;燕东渭;赵奎锋;魏亭;;综合学习方法AdaBoost在暴雨预测中的应用[J];计算机系统应用;2007年01期
18 朱文球;刘强;;融合AdaBoost和启发式特征搜索的人脸性别分类[J];计算机工程;2007年02期
19 罗明刚;李一民;曾素娣;;基于Adaboost算法的人脸检测研究[J];计算机与数字工程;2007年02期
20 李建彬;王勇;郑辉;牛忠霞;;AdaBoost for Improved Voice-Band Signal Classification[J];Journal of Donghua University(English Edition);2007年02期
中国重要会议论文全文数据库 前10条
1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年计算机应用与系统建模国际会议论文集[C];2012年
2 张超;苗振江;;基于AdaBoost的面部信息感知[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
3 郭翌;汪源源;;基于Adaboost算法的颈动脉粥样硬化判别方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
4 张红梅;高海华;王行愚;;抑制样本噪声的AdaBoost算法及其在入侵检测中的应用[A];2007年中国智能自动化会议论文集[C];2007年
5 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年
6 陈宏伟;刘建伟;费向东;;一种半监督环境下的Adaboost算法[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
7 唐晓丹;苗振江;;基于AdaBoost和粒子滤波的目标跟踪[A];第十四届全国图象图形学学术会议论文集[C];2008年
8 张彬;金连文;;基于AdaBoost的手写体汉字相似字符识别[A];第二十六届中国控制会议论文集[C];2007年
9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年
10 肖磊;李丽;肖佳文;;基于AdaBoost-SVM的上市公司信用风险评估[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年
中国博士学位论文全文数据库 前3条
1 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年
2 张太宁;人眼注视点估计方法的研究[D];南开大学;2013年
3 赵培英;基于智能计算的膜蛋白结构与相互作用预测研究[D];东华大学;2010年
中国硕士学位论文全文数据库 前10条
1 皮丽琴;基于AdaBoost-GASVM算法和LDA主题模型的短文本分类研究[D];华南理工大学;2015年
2 孙斌;一种基于Adaboost的实时行人检测算法[D];华南理工大学;2015年
3 蔡泽彬;基于视频分析的行人检测及统计方法研究[D];华南理工大学;2015年
4 游晴;Adaboost人脸检测算法研究及其在硬件平台上的实现[D];昆明理工大学;2015年
5 宋雨;基于视觉图片的脑—机接口控制研究[D];天津理工大学;2015年
6 林欣;基于改进肤色模型的AdaBoost人脸检测算法研究[D];陕西科技大学;2015年
7 袁浩杰;Adaboost算法的并行化及其在目标分类中的应用[D];华南理工大学;2015年
8 张恒;基于近红外图像的疲劳驾驶检测研究与系统实现[D];长安大学;2015年
9 朱非易;基于不平衡学习的蛋白质—维生素绑定位点预测研究[D];南京理工大学;2015年
10 张元;一种基于AdaBoost的组合分类算法研究[D];四川师范大学;2015年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978