基于改進(jìn)的LBP特征的AdaBoost算法與膚色檢測(cè)相結(jié)合的人臉檢測(cè).pdf

1、人臉檢測(cè)問(wèn)題最初來(lái)源于人臉識(shí)別，是自動(dòng)人臉識(shí)別系統(tǒng)中的一個(gè)重要環(huán)節(jié)。近年來(lái)隨著信息技術(shù)的高速發(fā)展，智能人機(jī)交互系統(tǒng)等應(yīng)用的推廣，人臉檢測(cè)在人臉識(shí)別系統(tǒng)中的重要性顯著提升。人臉作為人固有的生物特征成為了最具潛力的身份驗(yàn)證的手段，能否正確地檢測(cè)人臉對(duì)后續(xù)的識(shí)別操作有很大影響，這也就使得人臉檢測(cè)技術(shù)遠(yuǎn)遠(yuǎn)地超過(guò)了人臉識(shí)別的范疇成為了一個(gè)獨(dú)立的研究領(lǐng)域，受到了很多研究者的關(guān)注。本文主要對(duì)近年來(lái)人臉檢測(cè)算法中比較熱門的AdaBoost算法進(jìn)行了研究

2、，并用膚色分割的方法對(duì)其進(jìn)行了預(yù)處理操作，具體的工作如下：
　　 ①介紹了人臉檢測(cè)技術(shù)中常用的幾類方法，并對(duì)它們進(jìn)行了分析和討論。
　　 ②對(duì)膚色檢測(cè)技術(shù)進(jìn)行了詳細(xì)地介紹，討論了幾種常用的色彩空間，包括RGB空間、YCbCr空間、HSV空間等，并闡述了如何在色彩空間上建立膚色模型。針對(duì)傳統(tǒng)的分離了亮度信息的膚色檢測(cè)方法本文提出了以亮度信息作為主要依據(jù)的膚色檢測(cè)方法，通過(guò)實(shí)驗(yàn)表明基于亮度信息的膚色檢測(cè)方法不僅提高了檢測(cè)速度

3、，而且檢測(cè)效果也有所改善。
　　 ③詳細(xì)地介紹了AdaBoost算法的思想，包括矩形特征、積分圖等概念，并對(duì)弱分類器、強(qiáng)分類器以及級(jí)聯(lián)分類器的構(gòu)造過(guò)程進(jìn)行了闡述。傳統(tǒng)的基于Haar特征的AdaBoost算法雖然檢測(cè)效果較好，但由于Haar特征的特征數(shù)過(guò)多而影響了檢測(cè)速度，為此本文提出了基于多塊LBP特征的AdaBoost算法，此種特征不僅提高了算法的檢測(cè)速度，而且相對(duì)原始的和多尺度的LBP特征能更有效地描述紋理信息。