面向光照变化和遮挡的视频多面部检测与识别方法研究

发布时间：2021-09-12 08:13

　　面部检测与识别是计算机视觉领域中的重要研究问题,也是实现视频面部识别系统的核心部分,在视频监控、智能安防、智能养殖等领域有着广泛地应用。由于人脸常受光照、遮挡等因素影响;牲畜面部常受光照、面部污垢等因素影响,检测效果与识别结果无法满足日益增长的需求。因此本文对面部检测与识别算法进行深入研究与分析,针对其存在的问题,提出基于Adaboost和稀疏表示分类（Sparse Representation-based Classification,SRC）算法的改进,同时设计和实现了面向光照变化和遮挡的视频多面部检测与识别系统。主要工作如下:1、提出了一种基于LIS（Luminance、Information、Saturation）颜色空间和改进Adaboost的面部检测算法,以提升复杂背景下的面部检测效果。该方法首先将RGB（Red、Green、Blue）图像转换到LIS颜色空间中,提取出肤色信息;然后基于I分量直方图去除图像中的“伪肤色”并应用掩膜处理修复肤色区域;最后,动态平衡Adaboost分类器中正负样本的权重,进而提高分类器的性能完成面部检测。实验结果表明本算法能够有效提高面部检测精... 

【文章来源】：江苏大学江苏省

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

阴暗环境中的

面向光照变化和遮挡的视频多面部检测与识别方法研究10（c）均衡化后的图像（d）均衡化后的直方图图2.1阴暗环境中的图像直方图均衡化前后对比（a）均衡化前的图像（b）均衡化前的直方图（c）均衡化后的图像（d）均衡化后的直方图图2.2明亮环境中的图像直方图均衡化前后对比2.1.2图像去噪声受硬件和外界环境等因素的影响，采集到的面部图像掺杂着许多噪声，噪声会影响图像的结构并对后续处理产生不良影响。去除图像的噪声可以提升图像的质量，进而优化系统的性能。在去除噪声时，滤波的选择非常重要，选择对了事半功倍，选择错了事倍功半。常见的噪声包括椒盐噪声、泊松噪声和高斯噪声。椒盐噪声可以随机改变一些像素点的灰度值，由图像采集设备、解码处理等产生的或黑或白的亮暗点即为

江苏大学工程硕士学位论文11椒盐噪声，通常图像的分割也会产生椒盐噪声。泊松噪声即满足泊松分布的噪声，泊松分布表示在单位时间内某一随机事件发生次数的概率分布。当噪声的幅度分布服从高斯分布时，该噪声为高斯噪声。产生高斯噪声的原因有很多，主要包括：1.图像采集设备工作时间过长导致设备过热；2.在光照不稳定的环境中采集图像；3.硬件自身的影响。常见的滤波方法包括：中值滤波、均值滤波和高斯滤波。中值滤波是一种非线性滤波，可以较好的保护图像的边缘信息。中值滤波的实现原理是取某一像素点邻域像素灰度值的中值来代替该像素点的灰度值。由于椒盐噪声的灰度值通常很大或者很小，所以采用中值滤波可以很好的去除椒盐噪声，如图2.3所示。（a）原始图像（b）添加椒盐噪声（c）处理后的图像图2.3中值滤波处理效果图均值滤波是一种线性滤波，与中值滤波相似，它取的是某一像素点邻域像素灰度值的均值来代替该像素点的灰度值。均值滤波可以有效地去除泊松噪声，但可能会造成图像边缘信息的丢失，处理效果如图2.4所示。（a）原始图像（b）添加泊松噪声（c）处理后的图像图2.4均值滤波处理效果图高斯滤波也是一种线性滤波，它取的是某一像素点邻域像素灰度值的加权均值来代替该像素点的灰度值。通过求解待处理像素点与目标像素点之间的距离计算权重，距离越近权重越大。高斯滤波可以有效地处理高斯噪声，如图2.5所示。（a）原始图像（b）添加高斯噪声（c）处理后的图像图2.5高斯滤波处理效果图

【参考文献】：
期刊论文
[1]融合YCbCr肤色模型与改进的Adaboost算法的人脸检测[J]. 崔鹏,燕天天.  哈尔滨理工大学学报. 2018(02)
[2]基于YCbCr色彩空间和AdaBoost算法的人脸检测[J]. 李昭文,程学珍.  电子质量. 2018(03)
[3]局部二进制模式方法综述[J]. 刘丽,谢毓湘,魏迎梅,老松杨.  中国图象图形学报. 2014(12)
[4]一种基于分块小波的人脸识别算法[J]. 杨淑平,易国栋,袁修贵,刘再明.  中南大学学报(自然科学版). 2013(05)
[5]直方图均衡化在图像处理中的应用[J]. 任艳斐.  科技信息. 2007(04)
[6]肤色检测技术综述[J]. 陈锻生,刘政凯.  计算机学报. 2006(02)

硕士论文
[1]中国社会治安视频监控的无缝连接建设及其管理研究[D]. 李凌崴.吉林大学 2016
[2]基于BP神经网络的人脸识别技术的研究[D]. 周昕.南京理工大学 2007



本文编号：3393876