復(fù)雜背景下多視角人臉檢測算法研究.pdf

1、人臉檢測是當(dāng)前人工智能和模式識別研究中的一個熱點(diǎn)，它可以將人臉信息有效地應(yīng)用于視頻監(jiān)控、身份驗(yàn)證、檔案管理、可視化通訊、多媒體數(shù)據(jù)庫檢索以及網(wǎng)絡(luò)傳輸中的基于內(nèi)容的壓縮與檢索等很多領(lǐng)域，同時也可以作為一個很友好的交互接口。目前，人臉檢測已有上千種檢測算法，應(yīng)用比較廣泛的是基于統(tǒng)計理論的人臉檢測方法。其中，Paul Viola等人提出的基于積分圖像和AdaBoost算法的檢測方法在正確率和檢測速度上都有很好的表現(xiàn)。
　　 針對Pau

2、l Viola提出的人臉檢測方法進(jìn)行了研究，對其Haar特征對檢測率和誤檢率的影響、訓(xùn)練耗時以及選取樣本做了深入研究及改進(jìn)。
　　 第一，在實(shí)際生活中，由于人的個體差異，存在眉毛與眼睛很相似的個體。因此，為了能夠有效地避免眼睛和眉毛混淆，提出了一種擴(kuò)展的Haar特征，同時針對不同姿態(tài)的個體，訓(xùn)練了基于不同視角的人眼檢測器，然后利用人眼定位，根據(jù)人臉幾何結(jié)構(gòu)準(zhǔn)確檢測出人臉。實(shí)驗(yàn)證明，擴(kuò)展的Haar特征能更好地適應(yīng)目標(biāo)模式的灰度變化

3、，同時多視角人眼檢測器能更準(zhǔn)確地檢測到人眼與眉毛相似且不同姿態(tài)的個體人臉。
　　 第二，為了排除人臉圖像訓(xùn)練集的局部特征，縮小提取臉部范圍特征至人眼；同時，針對Adaboost算法訓(xùn)練非常耗時且對機(jī)器的硬件要求非?？量踢@一不足，選取與人眼樣本相近的非人眼樣本，有效地減少訓(xùn)練后期更新負(fù)樣本的時間，并訓(xùn)練為不同視角的人眼檢測器，然后進(jìn)行人眼定位，最后快速檢測出人臉。實(shí)驗(yàn)證明，該檢測器能夠解決訓(xùn)練集的普適性以及大大減少樣本訓(xùn)練時間。<