人脸检测关键技术研究与实现开题报告

《人脸检测关键技术研究与实现开题报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、开题报告人脸检测关键技术研究与实现　一、选题的背景、意义随着科技的不断进步，人脸检测的应用也会越加广泛，在现今我们可以看到在视屏会议、图像与视屏检索、智能人机交互等方面都有重要的作用。可以这么说，只要有将人脸作为内容的视屏或者图像必然会使用到人脸检测技术。人脸检测问题最初来源于人脸识别，人脸自动识别的研究最早可以追溯到20世纪60-70年代。经过几十年的曲折发展，人脸自动识别已经有了一些较为成功的方法，目前正日趋成熟。早期的人脸识别研究主要针对具有强约束条件的人脸图像（如无背景或背景简单的图像），往往假设人脸位置已知货很容易获得，因此人脸检

2、测问题并未受到重视。在20世纪90年代以后，随着网路安全的电子商务等应用需要的剧增人脸识别成为最有潜力的生物身份鉴别方式，出现了实际的人脸识别系统和商用产品，这种应用背景要求自动人脸识别系统能够对一般环境图像具有一定的适应能力，由此所面临的一系列问题使得人们对人脸检测的各个重要方面引起了极大的研究兴趣，并逐渐独立分离出来。人脸是常见而复杂的视觉模式，人脸所反映的视觉信息在人与人交流和交往中有着重要的作用和意义，对人脸进行处理和分析在视屏监控、出入口控制、视屏会议以及人迹交互等领域都有着广泛的应用前景，因此是模式识别和计算机视觉领域持续的研究

3、热点。对人脸进行处理和分析包括人脸识别、人脸跟踪、姿态估计和表情识别等，早期的人脸处理和分析一般都假设已知图像中的人脸的位置和大小，但对于一个人脸自动处理和分析系统而言，人脸检测是关键性的第一步，人脸检测算法的精度直接影响着整个系统的性能。近几年来，由于人脸检测在人脸处理和分析中的地位，人脸检测已经引起了越来越多研究者的注意，并逐渐发展成为一个相对独立的研究方向，其研究方法和等手段上也逐渐成熟出现了各种各样实用的人脸检测算法。二、研究的基本内容与拟解决的主要问题1、研究的基本内容1.1人脸与非人脸样本的选取与测试人脸具有相当复杂的细节变化，

4、比如人的年龄、表情、性别、肤色以及冀须、头发、眼镜等都会对人脸的模式空间造成一定的影响。为了能比较全面地描述人脸空间，这就要求采集的样本应该尽可能包含各种可能情况，比如园脸型，方脸型，瘦长脸型等，以及喜怒哀乐等各种表情，还应该注意到不同性别和年龄之间的差异。其次，样本数要尽量多，因为只有足够多的样本才能对样本空间进行细致的描述。因为统计模型的人脸检测方法是建立在对大量人脸和非人脸样本学习的基础上，如果没有大量的数据，学习的效果可能会大打折扣。人脸样本的收集虽然费对费力，但人脸样本的定义非常清晰，收集的时候目标明确。而非人脸样本的收集则困难多

5、了．因为任何不是脸的图像都可以作为非人脸样本，导致非人脸的模式空间太过于庞大，如果我们不能收集到具有代表性的非人脸样本，那么也就不能很好的描述非人脸的模式空间，用这样的数据训练出来的支持向量机的性能必然不可能达到令人满意的效果。非人脸样本只能用不是人脸的样本都是非人脸样本来描述。在根据相应的支持向量机的方法进行人脸匹配测试。1.2基于支持向量机算法支持向量机的求解问题实际上就是一个带有线性约束的凸二次规划问题，共轭梯度法、对偶算法等，原则上都可以，但实际上在处理具体问题时，由于存储和计算量两方面的要求，这些算法往往会失败。这就产生了一些快速

6、专用算法，这些算法将大规模的原问题分解成若干小规模的子问题，按照某种迭代策略，反复求解子问题，构造出原问题的近似解，并使该近似解逐渐收敛到原问题的最优解。按子问题的选取和迭代策略的不同，可以有如下不同的算法：1）选块算法2）分解算法3）序列最小优化方法2、拟解决的主要问题2.1肤色建模以三基色为基础的格拉斯曼定律可以用相应的公式，再根据计算机色彩理论，对于同一种颜色而言，在计算机中有不同的表达方式，这样就形成了各种不同的颜色空间模型。每一种颜色空间模型都有其各自得产生背景及应用领域，人的肤色具有以下三个重要特征；(1)．人的肤色分布在颜色空

7、间中很小的一个范图内；(2)．人的肤色不同主要由颜色的强度不同引起；(3)．在一定的光照条件下，人的肤色分布近似为高斯分布。这为我们肤色建模提供了理论基础，肤色的聚类性使我们利用肤色缩小人脸范围，简化问题的复杂度成为可能。在选择的合适的颜色空间中植入图像并根据相应的公式遍历所有像素点，判断出哪些点是肤色。2.2肤色分割利用肤色分割快速排除图像中大量的非人脸区域，对于彩色图像中的每个像素点，计算其相似度，可以得知该像素点属于肤色区域的可能性大小。据肤色相似度，采用阈值化技术可以对输入图像进行肤色分割。也可以根据一种动态阈值确定方法使肤色相似度

8、与求得的动态阈值相结合，以实现对输入图像的肤色区域进行精确分割，从而提高人脸检测的速度与性能。2.3基于SVM原理的分类策略大量的选取人脸与非人脸的样本，其根本就是要实现采样的多