基于關(guān)鍵點(diǎn)和級(jí)聯(lián)結(jié)構(gòu)的人臉檢測(cè)研究.pdf

1、基于人臉識(shí)別的學(xué)生宿舍出入監(jiān)測(cè)系統(tǒng)研發(fā)及應(yīng)用示范項(xiàng)目的主要目的是智能化宿舍管理，了解高校學(xué)生回寢狀況，緩解輔導(dǎo)員查寢壓力。該系統(tǒng)利用攝像頭抓拍進(jìn)出學(xué)生圖像，利用人臉檢測(cè)獲得人臉樣本，并通過(guò)人臉識(shí)別獲得人臉匹配結(jié)果，從而獲得該學(xué)生的回寢狀況，實(shí)現(xiàn)進(jìn)出宿舍的智能化監(jiān)測(cè)。在該系統(tǒng)中，人臉檢測(cè)意在尋求滿(mǎn)足需求的復(fù)雜場(chǎng)景下的人臉檢測(cè)算法，從包含人臉的圖像中提取人臉區(qū)域，并以此作為識(shí)別過(guò)程的輸入樣本。
　　本文針對(duì)復(fù)雜場(chǎng)景下，傳統(tǒng)級(jí)聯(lián)結(jié)構(gòu)的人

2、臉檢測(cè)方法存在特征表述不完備，魯棒性差，以及分類(lèi)性能弱等問(wèn)題，重點(diǎn)研究基于關(guān)鍵點(diǎn)的魯棒特征與級(jí)聯(lián)結(jié)構(gòu)結(jié)合的人臉檢測(cè)算法中候選框選取和人臉檢測(cè)特征提取過(guò)程，主要完成工作如下：
　?、倏紤]到視角不統(tǒng)一將造成特征提取過(guò)程的全局分布差異，利用相似變換保證特征提取點(diǎn)同分布，減少視角變化影響。之后比較光照補(bǔ)償對(duì)圖像質(zhì)量的影響，選擇伽馬校正進(jìn)行光照歸一化。
　?、趯?duì)于候選框提取，考慮到人臉膚色特征的特異性，對(duì) BING(Binarized

3、 Normed Gradients, BING)方法改進(jìn)，獲得結(jié)合膚色策略的二值化梯度幅值(skin-color-combined BING, SCBING)方法?；谙榷ㄎ缓髢?yōu)化的思想，首先利用YCbCr空間初略獲取膚色區(qū)域，并在CbCr空間獲得膚色差，在原始圖像的Y分量上獲得梯度幅值。其次，利用等比融合獲得加權(quán)特征并基于 BING框架獲得訓(xùn)練模板以及各尺度學(xué)習(xí)系數(shù)和偏移量。然后，在高得分的候選框中利用多空間膚色分割優(yōu)化窗口邊界，以提

4、高候選框平均最佳重疊率，獲得最終輸出候選框。針對(duì)人臉特定對(duì)象，結(jié)合膚色策略的二值化梯度幅值算法較 BING算法，擁有更高的查全率和平均最佳重疊率。
　?、蹖?duì)于人臉檢測(cè)特征提取過(guò)程，考慮到人臉五官各部件的獨(dú)特性，基于關(guān)鍵點(diǎn)的特征提取方式，構(gòu)建了形狀索引鄰值加權(quán)二值模式特征(Shape index adjacent weighted center symmetric local binary pattern, SI-AWCS-LBP)

5、。首先，利用關(guān)鍵點(diǎn)作為特征提取基準(zhǔn)點(diǎn)，引入相對(duì)固定的形狀索引特征表述。其次，考慮到中心對(duì)稱(chēng)局部二值模式忽略了鄰近像素的貢獻(xiàn)度，引入鄰值加權(quán)局部二值編碼方式。然后針對(duì)單一尺度的局限性，利用原始尺度、1/2尺度、以及1/4尺度下兩尺度的組合，以尺度融合形式構(gòu)成直方圖統(tǒng)計(jì)特征向量，提高對(duì)人臉局部紋理的描述。
　?、鼙疚慕梃b聯(lián)合級(jí)聯(lián)結(jié)構(gòu)模型，在樹(shù)結(jié)構(gòu)中實(shí)現(xiàn)輸入樣本二分類(lèi)以及基于關(guān)鍵點(diǎn)的特征優(yōu)化過(guò)程：利用多棵分類(lèi)回歸樹(shù)構(gòu)造強(qiáng)分類(lèi)器，并通過(guò)多