結(jié)合SURF與Hough森林模型的人臉檢測(cè)算法研究.pdf

1、人臉檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的一項(xiàng)具有研究?jī)r(jià)值與應(yīng)用價(jià)值的重要課題。它是人臉識(shí)別的前提，如今已成為一項(xiàng)獨(dú)立的技術(shù)被廣泛應(yīng)用到軍事、刑偵以及公共安全領(lǐng)域中。但由于人臉圖像信息本身的復(fù)雜性，人臉檢測(cè)的計(jì)算復(fù)雜度較高，使得提高檢測(cè)速度與提高檢測(cè)精確度成為相互矛盾的關(guān)系，目前已有的眾多人臉檢測(cè)算法也往往顧此失彼。所以，如何降低計(jì)算復(fù)雜度也就成為了提高人臉檢測(cè)技術(shù)實(shí)用性的一個(gè)關(guān)鍵。
　　圖像信息是多維的復(fù)雜的信息，選取合適的圖像特征信息是人臉檢

2、測(cè)的重要步驟。所選取的圖像特征必須能夠較好的表達(dá)人臉中較穩(wěn)定的特征信息，比如眼睛、嘴、鼻子等器官的結(jié)構(gòu)特征。相比全局特征，局部特征能夠更好的降低信息冗余。本文研究了多種局部特征算法，經(jīng)過對(duì)比，最終采用SURF局部檢測(cè)子作為提取人臉信息的局部特征。通過實(shí)驗(yàn)，可以證明SURF局部檢測(cè)子能夠有效的表達(dá)人臉的結(jié)構(gòu)信息，且采用積分圖的方法進(jìn)行運(yùn)算，降低了計(jì)算復(fù)雜度。
　　現(xiàn)實(shí)場(chǎng)景圖像往往會(huì)存在目標(biāo)尺度的縮放、光照變化、目標(biāo)遮擋等眾多較為復(fù)雜

3、的狀況，這些狀況會(huì)對(duì)檢測(cè)結(jié)果造成很大的影響。由于SURF檢測(cè)子的空間金字塔結(jié)構(gòu)，其對(duì)于圖像尺度的縮放有很好的適應(yīng)能力。目標(biāo)檢測(cè)問題在機(jī)器學(xué)習(xí)領(lǐng)域可以視為一個(gè)二分類問題。即把圖像的各部分劃分為目標(biāo)及非目標(biāo)兩部分。隨機(jī)森林已被證明是一種對(duì)大的高維數(shù)據(jù)有效，不易出現(xiàn)過度擬合且對(duì)噪聲魯棒的分類器算法。ISM隱式形狀模型構(gòu)建無監(jiān)督碼本，采用Hough投票的方法進(jìn)行目標(biāo)定位也是一種極為有效的目標(biāo)檢測(cè)算法。綜合其優(yōu)點(diǎn)，采用Hough森林分類器，即給定

4、正負(fù)樣本數(shù)據(jù)，采用隨機(jī)森林算法訓(xùn)練分類器，構(gòu)建碼本模型，并采用Hough投票的方法對(duì)人臉目標(biāo)定位。通過實(shí)驗(yàn)，可以證明該方法能夠有效適應(yīng)光照變化以及目標(biāo)遮擋的狀況。
　　本文的主要貢獻(xiàn)：提出了一種基于快速魯棒特征SURF與Hough森林的人臉檢測(cè)算法，以實(shí)現(xiàn)在復(fù)雜場(chǎng)景中的人臉檢測(cè)與定位。采用SURF局部檢測(cè)子構(gòu)建Hough森林分類器，即對(duì)訓(xùn)練樣本數(shù)據(jù)連續(xù)的進(jìn)行分類，構(gòu)建決策樹，直到?jīng)Q策樹停止生長(zhǎng)，生成葉子節(jié)點(diǎn)。Hough森林包含多棵