| 【中文题名】 | 基于肤色和支持向量机的人脸检测技术研究 |
| 【英文题名】 | The Research of Face Detection Based on Skin Color and Support Vector Machine |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-10 |
| 【中关键词】 | 人脸检测,肤色模型,阀值分割,支持向量机,, |
| 【英关键词】 | face detection,skin color model,valve segmentation,support vector machines （SVM）, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
人脸检测是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果有则返回人脸的位置、大小和姿态。它是许多人脸图像信息处理领域里首先要解决的问题。是自动人脸识别系统能否实现的关键环节。
关于人脸检测的研究已经有二十多年了，到目前为止，由于人脸检测问题自身的复杂性，使得还没有哪一种方法能彻底解决这个问题。人们开始致力于从不同的角度，以及多种方法的融合上考虑，取得了比较好的结果。本文收集和分析了大量近年来国内外关于人脸检测与识别的学术论文及文献，对计算机人脸检测的若干问题进行了探讨，建立了一个针对彩色图像的人脸检测系统。针对该系统的研究工作主要有以下五个方面：
(1)实现了基于YCbCr色彩空间的肤色区域分割算法，针对传统肤色模型，做了一些改进，在不影响效果的前提下提高了检测速度，有利于实时人脸检测系统的实现。
(2)在针对肤色区域的处理上，利用了传统的阀值分割思想，对同一幅图片，提出了一种分时动态阀值分割算法，在保证不漏检掉肤色区域的前提下，能有效分离不同肤色区域及肤色与背景区域；对不同图片，提出了一种全局动态阀值分割算法，该方法能很好的应对不同尺度人脸... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-8 |
|
第1章 绪论 |
8-18 |
|
1.1 引言 |
8-9 |
|
1.2 人脸检测技术研究综述 |
9-16 |
|
1.2.1 人脸检测与人脸识别 |
9-10 |
|
1.2.2 人脸检测方法综述 |
10-16 |
|
1.3 本文研究目标与内容安排 |
16-18 |
|
第2章 基于肤色分割预处理的人脸粗检测 |
18-33 |
|
2.1 肤色特征分析 |
18 |
|
2.2 颜色模型 |
18-20 |
|
2.3 图像分割方法 |
20-22 |
|
2.4 本文肤色分割算法 |
22-31 |
|
2.4.1 建立肤色模型 |
22-24 |
|
2.4.2 平滑去噪处理 |
24-26 |
|
2.4.3 二值化分割肤色与非肤色区域 |
26-29 |
|
2.4.4 膨胀腐蚀处理 |
29-30 |
|
2.4.5 标记连通区域 |
30 |
|
2.4.6 去掉假区域，保存可能人脸区域 |
30-31 |
|
2.5 本章小结 |
31-33 |
|
第3章 基于支持向量机方法的人脸精检测 |
33-54 |
|
3.1 机器学习 |
33-34 |
|
3.1.1 机器学习问题的表示 |
33 |
|
3.1.2 经验风险最小化 |
33-34 |
|
3.1.3 复杂性与推广能力 |
34 |
|
3.2 统计学习理论 |
34-38 |
|
3.2.1 学习机器的VC维 |
35 |
|
3.2.2 推广性的界 |
35-37 |
|
3.2.3 结构风险最小化 |
37-38 |
|
3.3 支持向量机 |
38-42 |
|
3.4 基于支持向量机的精检测算法 |
42-54 |
|
3.4.1 图像窗口金字塔 |
42-43 |
|
3.4.2 特征提取 |
43-45 |
|
3.4.3 样本选取 |
45-46 |
|
3.4.4 支持向量机训练 |
46-47 |
|
3.4.5 对可能人脸区域进行精检测 |
47-52 |
|
3.4.6 本章小结 |
52-54 |
|
第4章 系统构成和实验结果 |
54-58 |
|
4.1 系统运行界面 |
54-55 |
|
4.2 样本训练模块 |
55-56 |
|
4.3 部分试验结果 |
56-58 |
|
第5章 总结与展望 |
58-61 |
|
5.1 全文总结 |
58-59 |
|
5.2 研究展望 |
59-61 |
|
致谢 |
61-62 |
|
参考文献 |
62-65 |
|
攻读硕士学位期间发表的论文及承担的科研情况 |
65 |
|
| 【DOI】 | LunWen.ID:2.2008.385523 |
