實(shí)時(shí)人臉檢測(cè)算法的研究和實(shí)現(xiàn).pdf

1、人臉檢測(cè)是人臉識(shí)別技術(shù)首要一環(huán)，快速精確的定位人臉的位置是高質(zhì)量入臉識(shí)別后續(xù)流程的前提和基石。本論文在綜合分析前人研究之基礎(chǔ)上，以實(shí)時(shí)性為目標(biāo)，并保證高的檢測(cè)率和低的虛警率的檢測(cè)質(zhì)量，針對(duì)變幻多端的背景條件和光線條件，在VC++平臺(tái)上實(shí)現(xiàn)了一個(gè)檢測(cè)效率較高的實(shí)時(shí)人臉檢測(cè)系統(tǒng)。
　　 視頻自24位真彩色的攝像頭獲得，然后對(duì)視頻幀進(jìn)行由粗到精的分輪檢測(cè)，第一輪為高斯建模實(shí)現(xiàn)膚色分割，然后用數(shù)學(xué)形態(tài)學(xué)濾波完成人臉的初步檢測(cè)，第二輪為用

2、AdaBoost-Cascade分類器實(shí)現(xiàn)基于區(qū)域的精細(xì)入臉檢測(cè)。第一輪的步驟具體細(xì)分為對(duì)較喑圖像進(jìn)行光線補(bǔ)償、將RGB的彩色空間映射到Y(jié)CbCr空間、非線性分段變換得到表現(xiàn)膚色聚類分布的YCb'Cr'彩色空間、腐蝕、膨脹、灰度值二值濾波、Blob分析、LRTB人臉定位，其中的映射矩陣由高斯建模得到，用到的形態(tài)學(xué)濾波方法使系統(tǒng)具有更好的抗噪能力和魯棒性。在第二輪，Adaboost的核心思想是針對(duì)不同的訓(xùn)練集訓(xùn)練同一個(gè)弱分類器，然后把這些