一种基于人脸标记的人脸检测方法

发布时间：2017-10-31 11:10

  本文关键词：一种基于人脸标记的人脸检测方法

  更多相关文章： 人脸检测 人脸标记 级联检测器 形状索引特征

【摘要】：人脸检测是人脸识别系统中的关键技术,它是人脸识别系统中的定位环节。近些年随着安全访问控制,人机界面识别的发展和视觉监控等领域的发展,人脸检测开始作为一个独立的课题来研究开发,受到广大研究者的普遍关注。人脸检测是从静态图片或者视频中检测并提取出人脸的过程。其难点是人脸的外观很容易受到自身和外界因素的影响,例如人脸的姿态、表情、部分被遮挡,光线昏暗等因素。这些因素增加了人脸检测的难度,不过这也正是研究人脸检测的挑战性和意义所在。本文提出了一种基于人脸标记的人脸检测方法。该方法在更新人脸标记的同时进行人脸检测,它们是在同一个级联框架中进行。这样的融合在增强人脸检测效果的同时也提高了检测效率。有人脸标记的人脸有明显的人脸特征,因此它更容易被检测出来。我们使用的是形状索引特征,在级联框架中,下一个阶段的人脸标记形状依赖于上一阶段的人脸标记形状,这样的特征有良好的几何不变性。我们在人脸中选择了27个标记点作为人脸标记,在级联框架的每个阶段中,既进行人脸检测也要更新这27个标记点的位置,既对人脸进行分类的同时也要对人脸的标记进行回归,人脸级联检测器只对上一级被检测为人脸的人脸窗口进行分类和回归,非人脸窗口直接拒绝掉,不进入下一个阶段的分类与回归。我们在人脸数据库中选择两万多的人脸样本并选择两万多的非人脸样本,接下来对每一个人脸样本做27个标记点来标记人脸,然后使用已经标注好标记的人脸样本和非人脸样本训练级联人脸检测器。使用人脸检测器时,对于一张需要检测的图片,我们采用滑动窗口机制来扫描图片,非人脸窗口的很快会被拒绝掉,而人脸窗口则不断的更新人脸标记并最终被检测出来。最终被检测出来的人脸有27个标记点,同时被矩形标注出来。我们使用经典的FDDB人脸数据库来做人脸检测的性能评估,实验结果显示我们的人脸检测方法是非常有效的。同时与使用广泛的Viola-Jones的人脸检测器做了性能比较,我们使用ROC曲线来做性能评估,Viola-Jones和我们的方法使用FDDB人脸数据库作为测试集,实验结果显示我们的人脸检测效果要好于Viola-Jones的人脸检测效果。
【关键词】：人脸检测 人脸标记 级联检测器 形状索引特征
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-15
• 1.1 研究的背景与意义9
• 1.2 人脸检测的国内外研究现状9-10
• 1.3 常用人脸检测方法介绍10-14
• 1.3.1 基于模板匹配的方法10-11
• 1.3.2 基于知识规则的方法11
• 1.3.3 基于不变特征的方法11
• 1.3.4 基于神经网络的方法11-12
• 1.3.6 基于支持向量机的方法12-13
• 1.3.7 基于Boosting的方法13
• 1.3.8 基于深度卷积网络的方法13-14
• 1.4 本文的研究内容和组织结构14-15
• 第2章 人脸特征提取与级联检测器15-23
• 2.1 人脸特征提取15-19
• 2.1.1 矩形特征和积分图15-17
• 2.1.2 SIFT特征17-18
• 2.1.3 LBP特征18-19
• 2.2 多尺度变换19
• 2.3 ADABOOST分类器19-20
• 2.4 级联分类器20-21
• 2.5 级联检测器的检测过程21-22
• 2.6 本章小结22-23
• 第3章 基于人脸标记的人脸检测23-31
• 3.1 人脸标记增量23-25
• 3.2 级联人脸检测25-26
• 3.3 本文方法使用的数据结构26-28
• 3.3.1 分类回归树26
• 3.3.2 随机森林26-28
• 3.3.3 霍夫森林28
• 3.4 特征映射函数和线性回归矩阵的训练28-29
• 3.5 级联人脸检测算法29-30
• 3.6 本章小结30-31
• 第4章 基于人脸标记的人脸检测的实现31-44
• 4.0 样本来源31-34
• 4.0.1 人脸图像数据库31-33
• 4.0.2 非人脸图像数据库33-34
• 4.1 样本预处理34-36
• 4.1.1 灰度化处理34
• 4.1.2 给人脸图片做人脸标记34-36
• 4.1.3 样本灰度归一化处理36
• 4.2 人脸检测的模型36-37
• 4.3 参数设置37
• 4.4 人脸检测的效果37-38
• 4.5 人脸检测评估的测试集38-39
• 4.6 人脸检测评估结果39-43
• 4.7 本章总结43-44
• 第5章 总结和展望44-45
• 参考文献45-48
• 作者简介及在学期间所取得的科研成果48-49
• 致谢49

【相似文献】

中国期刊全文数据库 前10条

1 卢心红;李宏宇;孙波;;基于图像的惯性导航信息标记点识别技术[J];重庆师范大学学报(自然科学版);2007年04期

2 陈玉萍;苏博;;摄影测量中标记点编码与解码的方法[J];技术与创新管理;2009年04期

3 戴凤娇;肖林华;杨t-;刘志远;;基于百度地图的标记点聚合算法研究[J];中国科技信息;2013年23期

4 谭光华;周美兰;高春鸣;李仁发;;光学运动捕捉系统中标记点自动注册与预测算法[J];模式识别与人工智能;2014年07期

5 孟祥丽;;摄影测量中标记点自动匹配方法研究[J];湛江师范学院学报;2009年06期

6 段康容;刘先勇;;摄影测量中编码标记点检测算法研究[J];传感器与微系统;2010年08期

7 龚秀锋;李斌;邓宏平;张文聪;;基于标记点检测的视线跟踪注视点估计[J];计算机工程;2011年06期

8 聂建辉;马孜;胡英;;一种鲁棒的圆形标记点中心提取方法[J];应用科学学报;2013年01期

9 宋丽梅;陈昌曼;陈卓;覃名翠;李大鹏;;环状编码标记点的检测与识别[J];光学精密工程;2013年12期

10 苏博;;摄影测量中标记点编码与解码的方法研究[J];科技信息;2009年05期

中国重要报纸全文数据库 前1条

1 郑文明;弯扭构件的详图深化思路[N];建筑时报;2012年

中国博士学位论文全文数据库 前3条

1 赵文平;基于数据的高质量三维人手运动的建模、生成与控制[D];中国科学技术大学;2014年

2 高丽;马铁菊头蝠超声声纳系统中的耳朵形变研究[D];山东大学;2012年

3 刘晨光;基于单目视频无标记点的三维人体姿态估计的研究[D];哈尔滨工业大学;2011年

中国硕士学位论文全文数据库 前10条

1 邹圣华;带形区域和圆盘上SLE_K迹的随机耦合[D];广西民族大学;2015年

2 干泽俊;基于标记点的快速谱聚类算法研究[D];复旦大学;2014年

3 涂晓衍;基于PC104的直升机旋翼桨叶共锥度快速测量方法研究[D];南昌航空大学;2016年

4 王园;一种基于人脸标记的人脸检测方法[D];吉林大学;2016年

5 苏博;摄影测量中标记点的识别与匹配方法研究[D];西安科技大学;2009年

6 马永立;基于标记点的图像点匹配方法研究[D];西安科技大学;2011年

7 王荣华;基于标记点拼接的误差分析与控制研究[D];西南科技大学;2015年

8 夏赣民;数字标记点图像相关测量方法及其应用研究[D];天津大学;2004年

9 王晓敏;基于已知标记点的流动式三维扫描测量技术的研究[D];中国海洋大学;2014年

10 王孟;十字形标记点定位技术研究[D];哈尔滨工业大学;2013年

，

本文编号：1122089