動態(tài)人耳實時檢測方法研究.pdf

1、人耳檢測作為人耳識別過程的第一步，有著不容忽視的作用和價值。目前大多數(shù)人耳識別的研究工作都是在假定圖像中的人耳己經(jīng)被檢測和定位的前提下進行的。為了實現(xiàn)人耳識別系統(tǒng)的自動化，快速而高效地檢測和跟蹤人耳是一個亟待解決的問題。
　　人耳檢測可分為靜態(tài)人耳檢測和動態(tài)人耳檢測，本文主要研究動態(tài)人耳檢測方法?，F(xiàn)在已經(jīng)存在一些人耳靜態(tài)圖像庫，但是還沒有公開的人耳視頻庫。而為了檢驗人耳檢測和識別算法的優(yōu)劣，建立一個標準的、開放的動態(tài)人耳圖像視頻庫

2、是非常重要的。因此，本實驗室創(chuàng)建了一個具有一定規(guī)模的人耳圖像視頻庫。該數(shù)據(jù)庫包含了120個中國人的人耳，采集時每個人具有2種典型光照變化，2種運動類型和3種干擾，充分考慮了研究用途和實際應用場合。每人采集30段不同情形的視頻，總共采集了3600段視頻。
　　本文通過對現(xiàn)有的人耳檢測方法進行研究，在保證檢測率的前提下，為了提高人耳檢測的速度，提出了一種新的人耳檢測方法。首先利用樣本離線訓練人耳膚色直方圖，接著采用改進的CamShif

3、t算法完成人耳初定位，最后利用多步校正的改進AdaBoost算法實現(xiàn)人耳的精確定位。在該方法中，將人耳圖像的膚色信息和灰度圖像的Haar型特征信息結合起來，為解決人耳檢測的實時性問題提出了一個新的思路。該方法中離線訓練階段使用了3600個正樣本和5300個負樣本，共訓練了12層。整個檢測流程在WindowsXP操作系統(tǒng)平臺上用C和C++編程實現(xiàn)。
　　最后，我們使用該方法對實驗室采集的3600段人耳視頻進行了檢測，結果表明，該方法