论文部分内容阅读
人脸检测就是从各种不同的背景中检测是否存在人脸,并确定人脸的位置、大小等信息。在基于内容的检索、数字视频处理、视觉检测等方面,人脸检测的应用已远远超出人脸识别的范畴。人脸检测的算法总结起来可以分为:基于肤色的检测方法、基于形状的检测方法和基于特征的检测方法。本文首先研究了阈值分割技术,提出了改进的基于熵的二维阈值分割算法和改进的基于最大类间方差的二维阈值分割算法,并给出了实验验证结果;然后在此基础上,针对复杂背景下的正面单人脸图像,研究了基于阈值分割的肤色分割算法及其改进算法,提出了改进的光线补偿算法、改进的基于二维最大熵的肤色分割算法、改进的基于二维OSTU法的肤色分割算法、基于YIQ色彩空间和二维OSTU法的肤色分割算法、基于积分图和粒子群优化的二维OSTU肤色分割算法和基于双色彩空间的肤色分割算法,同时在MATLAB2010环境中对所有算法进行了实验验证;最后在肤色分割的基础上,提出了基于面部矩形特征的人脸定位算法和基于改进投影法的人脸定位算法,并在Visual Studio2008平台上利用VC++编程语言设计了一个简易的人脸检测与定位系统。改进的二维最大熵的肤色分割算法、改进的二维OSTU的肤色分割算法和基于积分图和粒子群优化的二维OSTU肤色分割算法这三种算法主要从减少计算量和加快检测速度的方面对传统的算法进行了改进,实验结果也验证了该算法的准确性和可行性。基于YIQ色彩空间和二维OSTU法的肤色分割算法是将YIQ色彩空间的I分量做适当处理后作为肤色相似图用于肤色分割,实验结果表明:对于大部分的测试图像,该算法能获得更好的分割效果。基于双色彩空间的肤色分割算法是通过比较测试图像R、G、B三通道的平均值和B通道的平均值的大小,让算法自动去选择不同的色彩空间来进行分割运算,从而提高算法的鲁棒性,实验结果也验证了该算法的有效性。基于面部矩形特征的人脸定位算法是在假设经过肤色分割后的肤色区域中面部区域占大部分的前提下,对肤色分割二值图像采用适当的模板进行中值滤波,根据滤波后肤色区域的面积和人脸长宽比构造最佳人脸区域矩形来定位人脸。基于改进投影法的人脸定位算法利用形态学的相关知识自动检测各个连通区域后,按连通域的面积大小来剔除伪肤色区域,然后按传统投影法来寻找人脸区域的边界。实验结果表明,本文提出的人脸检测算法能有效地对图像中的人脸进行检测和定位。