基于人眼定位与SVM的人脸检测方法研究.docx
- 文档编号:902766
- 上传时间:2023-04-30
- 格式:DOCX
- 页数:66
- 大小:1.31MB
基于人眼定位与SVM的人脸检测方法研究.docx
《基于人眼定位与SVM的人脸检测方法研究.docx》由会员分享,可在线阅读,更多相关《基于人眼定位与SVM的人脸检测方法研究.docx(66页珍藏版)》请在冰点文库上搜索。
中南大学
硕士学位论文
基于人眼定位与SVM的人脸检测方法研究
姓名:
袁芬萍
申请学位级别:
硕士
专业:
计算机应用技术
指导教师:
季桂树
20070510
摘要
人脸检测与识别技术是人工智能和机器视觉领域内最具挑战性的研究课题之一。
让计算机可以像人类一样能够记忆、识别人脸一直是众多计算机科学工作者追求的目标。
人脸自动识别系统是目前计算机视觉领域的一个重要研究课题,而人脸自动识别系统中作为定位人脸的人脸检测则是整个人脸识别系统正常及高效工作的基础。
近年来,由千人脸检测在安全监视、基于内容的图像检索等领域的潜在应用价值,已成为一个独立课题并受到众多研究人员的普遍重视。
本文在对计算机人脸检测的若干问题进行了分析的同时,针对建立自动人脸识别系统的第一个重要环节一人脸检测方法进行了深入的研究,实验表明本文提出的人脸检测方法是合理的,具有一定的理论价值与实用价值。
本文的研究工作主要包括以下儿个方面:
首先,阐述了人脸检测的理论与技术,分析了经典的人脸检测算法,并进行了对比,得出了各种算法的优缺点。
其次,依据肤色特征不依赖千面部的细节变化,不受旋转、表情等因素的影响,具有较强的稳定性,并且也能够同大多数背景颜色相区分的原理,尝试了一种基千人脸几何特征和灰度信息的人眼定位方法,该方法有效的平衡了检测速度和稳定性之间的矛盾,对背景、尺寸等细节具有很好的适应性,并且结合肤色建模,采用了一个结构分类器,对定位的人眼区域进行优化。
再次,本文在深入研究支待向量机理论和算法的基础上,提出将人脸图像分块以及系统再学习机制的方法。
实验证明,该方法具有较好的理论价值和实用价值。
最后,在上述理论和方法的基础上,将入眼定位、结构分类器优化及支持向量机方法结合,进行人脸验证。
实验结果显示,该方法使得单个人脸的实时检测与定位取得了令人较为满意的速度和准确性。
关键词肤色模型,结构分类器,人眼定位,人脸检测,支持向量机
ABSTRACT
TheautomaticrecognitionanddetectionofhumanfaceisoneofthemostinterestingandchallengingtopicsinthefieldsofArtificialIntelligenceandComputerVision.Itistheaimofmanyresearchersandscientistsworkinginthisfieldtomakecomputerownhuman'snaturalabilitytorememberandrecognizeperson'sface.ResearchrobustautomaticfacerecognitionsystemisasubstantialtargetinthefieldsofMachineVision,andthefirststepofrecognitionisthedetectionoftheface,whichasthefoundationoftheavailabilityandtheefficiencyofthewholesystem.Inrecentyears,owingtothegreatlypotentialrequirementintheapplicationsofsecuritysurveillance,andimagesearchbasedoncontentandsoon,facedetectionisdevelopingasasystemicandindependentresearchbranch,attractingmoreandmoreinterestsofresearchers.
—
Agreatamountofessays,surveysandresearchpapersconcerningup-to-datetechniquesoffacedetectionandfacerecognitioninrecentyearsarereadandanaly尤dbythispaper.Somehotissuesaboutfacedetectionarediscussed.Theresearchofthefirstimportantstepofbuildinganautomaticfacerecognitionsystem-facedetectionisdone.Experimentsindicatethatthemethodsoffacedetectionconsideredinthispaperarereasonable,showingacertaindegreeoftheoreticalandpracticalvalue.Theresearchworkofthispapermainlyincludesthefollowingseveralrespects:
Firstly,onthebasisofdescriptionthetheoriesandthetechniqueofthefacedetectionsystem,thispaperanalyzethearithmeticoftheclassicofthefacedetection,andmakethecontrastofthem.Andsummari左theiradvantagesanddisadvantages.
Secondly,accordingtothecomplexionfeatureindependentofchangeofthefacedetail,therotationandtheexpressionandsoon,thecomplexionfeatureiseasytodistinguishfrommostofthebackgroundcolors,andhasthegoodstability.Thispapertriesaneyepositioning
III
methodbasedonthefacegeometricalfeatureanditsskingray.Theeyepositioningmethodhastheeffectivebalancetothiscontradictionbetweenthedetectionspeedandthestability.Anditalsohasanadaptivetothebackgroundandthesizeofthetestimage.Subsequently,thepaperusesa"structureclassifier''thatcombinationtheskincolormodeltooptimizeth!
!
regionoftheeyepositioning.
Thirdly,basedonfurtheranalysisofthetheoryandarithmeticofSVM,thispaperprovidesanewmethodoffacedetection.Themethoddividesonefaceimageintothreepartsandmakesuseofthe"learningagain"wayofthesystem.Theanalysisshowthatthismethodiseffectiveandremarkably.
Finally,basedontheaboverelatedtheoriesandmethod,thispapercombinationtheeyepositioning,theoptimizedmethodofstructureclassifierandtheSVMmethod,andmakesthefaceconfirmation.Theputoutresultsshowthatthenewmethodissatisfyinginaccuracyofthefacedetectionandthefacepositioning.
KEYWORDS complexionmodel,structureclassifier,eyepositioning,facedetection,supportvectormachine(SVM)
原创性声明
本人声明,所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。
尽我所知,除了论文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。
与我共同工作的同志对本研究所作的贡献均已在在论文中作了明确的说明。
作者签名:
一土芷庄 日期:
竺i 年主一月i一日
关千学位论文使用授权说明
本人了解中南大学有关保留、使用学位论文的规定,即:
学校有权保留学位论文,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以采用复印、缩印或其它手段保存学位论文;学校可根据国家或湖南省有关部门规定送交学位论文。
作者签名:
_il舟 导师签名{且& 日期:
竺立 年工月上日
硕士学位论文 第一章绪论
第一章绪论
1.1引言
人脸检测111(face detection) 是指在输入图像中确定存在的人脸(如果存在)的位置、大小、位姿的过程。
人脸检测作为人脸信息处理中的一项关键技术,近年来已成为人工智能与计算机视觉领域内一项十分活跃的研究课题。
人脸检测问题最初来源千人脸识别121(facerecognition),是自动人脸识别系统中的一个关键环节。
早期的人脸识别算法都是在认为已经得到了一个正面人脸或者人脸很容易获得的前提下进行的[3)。
但是随着人脸应用范围的不断扩大和开发实际系统儒求的不断提高,这种假设下的研究已不再能满足需求[,24)。
人脸检测开始作为独立的研究内容发展起来。
目前,国内外的文献[,5,67)中所涉及的人脸检测算法已经有150多种,许多重要的国际会议和期刊都也都涉及到人脸检测问题研究论题。
人脸检测的研究涉及模式识别、图像处理、生理学、心理学、认知科学,与基于其它生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系,因此早在六七十年代即引起了研究者的强烈兴趣。
进入九十年代,由千各个领域对人脸检测系统的迫切需求,人脸检测的研究重新成为研究的热点。
人脸检测的一个最重要的应用是人脸识别技术。
人脸识别技术的研究是本世纪计算机视觉领域最具挑战性的研究课题之一,其应用领域十分广泛,可用千公安系统的罪犯身份识别、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统、驾驶执照及护照等与实际持证人的核对、银行及海关的监控系统及自动门卫系统等。
以人脸作为二维图像或三维非刚性物体的一种范例进行检测和识别方面的研究,必将推动图像处理、模式识别、计算机视觉等相关理论的发展。
另外,人脸识别也是视觉认知心理学的一个典型研究课题。
人脸自动识别的研究一方面要借鉴对人脸识别最有帮助的人类视觉系统HVS(humanvisualsystem)的研究成果,另一方面也会对视觉心理学中有关课题的探讨产生积极的影响和启迪。
今天,人脸检测的应用背景已经远远超出了人脸识别系统的范畴,在基于内容的检索、数字视频处理、视觉监测等方面都有着重要的应用价值,因此越来越受到业界的广泛重视[8,9)•
硕士学彴论文 第一章绪论
1.2研究内容以及难点
1.2.1人脸检测研究内容
人脸检测的研究范围主要是人脸检测与定位(对任意的图像,判断其中是否有人脸,人脸的数量,位置及大小)。
人脸检测:
即从各种不同的场景中检测出人脸的存在,并确定其位置。
在某些情况下由千图像(照片)的获取环境是可以人为控制的(如身份证照片等),因而人脸的定位可以轻易地做到:
但在大多数的场合中由千场景较复杂,人脸的位置是预先不知道的,因而首先必须确定场景中是否存在人脸,如果存在人脸,再确定图像中人脸的位置。
脸部毛发、化妆品、光照、噪声、面部倾斜和人脸大小变化以及各种各样的遮挡等因素,会使人脸检测问题变得更为复杂。
按背景的复杂程度分类,人脸检测可分简单背景下的人脸检测和复杂背景下的人脸检测,按图像的类型分类,人脸检测可分为灰度图像的人脸检测和彩色图像的人脸检测。
通常情况下图像中人脸的位置或者是正面像或者是侧面像。
人脸检测的主要目的是在输入的整幅图像上寻找人脸区域,把图像分割成两个部分一--人脸区域和非人脸区域,从而为后续的应用做准备。
可见,人脸检测的结果直接影响着整个系统的性能。
经过多年的发展,人们已经提出了多种人脸检测方法。
现有的方法大致可分为两大类:
一类是基于人脸各部分特征的检测方法:
另一类是把人脸作为一个整体来考虑的检测方法。
第一类方法主要是先检测出人脸的局部特征,然后确定人脸的存在和位置。
这类方法的主要优点是能给出主要特征的位置,便于应用;缺点是鲁棒性较差,应用范围窄。
第二类方法则不必考虑脸部各细节特征,从而可以较充分地考虑人脸的整体信息,因而鲁棒性较好,应用范围广,但缺点是检测时间较长,还不能较好的应用于实时系统中。
总而言之,人脸检测问题涉及到以下五个具体问题的研究:
(1)表示,即如何描述一个典型的人脸。
一种表示方法是基千几何特征的方法,另一种是基千统计特征的方法。
2
(2)尺度,即如何处理不同尺度大小的人脸。
在一张图片中很可能同时存在不同尺度的多张人脸,如何设计一种算法可以将不同尺度的所有人脸都检测出来呢?
对千不同的人脸表示方法,采用不同的策略:
比如基于特征的人脸表示方法,人脸是通过各个特征点以及相对位置关系来描述的,那么检测人脸的过程实质上就是找是否存在符合相对位置关系的那些特征点,所以根据相对位置便可以检测出不同尺度的人脸;而对千基于整体的人脸表示方法,一般通过分类器来判别是
硕士学位论文 第一章绪论
否存在人脸,而分类器又常常是针对某个尺度的,一般的做法是将需要判别的候选脸进行缩放(以分类器所需要的尺度为标准),对候选脸进行缩放一般要求以两眼为中心。
(3)搜索策略,即如何找出这些人脸。
对千灰度图像来说,一般采取的搜索策略是对整个图像进行穷举搜索。
但是为了提高检测速度,现在很多算法采用层叠分类器对图像进行筛选,通过简单分类器逐渐丢弃非人脸区域,最后在较小的候选区域进行穷举;对千彩色图像来说,一般先根据肤色信息进行判断,将非肤色区域丢弃,然后在候选区域进行穷举。
(4)速度,即如何提高处理速度。
要提高处理速度,就要从以上几个方面入手,即要采用合适的表示方法以及合适的搜索策略和判别方式。
比如对高维数据进行降维,利用某种方法得到较小的候选人脸区域等等,这些都是提高处理速度的有效方法。
(5)精度,即如何提高检测的精确度。
往往检测精度和检测速度是相互矛盾的,采用某些简单的表示或判别方法会达到比较理想的速度,但是精度却会受到影响,所以最好的方法是在速度和精度之间进行折中。
任何人脸检测方法都要基千以上五个方面进行考虑,由于人脸图像本身的特点给计算机实现自动人脸检测带来很多难点,如成像条件环境的影响;头发、眼镜等的遮挡影响;成像对象的姿态、人脸随年龄增长、随表情等变化的影响等。
因此,目前的一些算法都是针对某一类问题提出的,而实现通用的人脸检测算法还不现实。
l.2.2人脸检测研究难点
人脸的检测是人脸识别的第一步。
随着电子商务等网络资源的利用,使人脸的检测提到了重要的议事日程。
从学术的观点看,人脸是自然界中构成和细节变化最复杂的模式之一,如果能研究出一个成功的人脸检测系统,将会对其他的模式检测问题提供非常有价值的参考。
虽然人脸检测有诱人的应用前景,但是在现实中却还没有开始大规模的使用。
其主要原因之一就是用计算机自动进行人脸的检测和识别十分困难,目前的检测效果(正确率、速度)还不如其他的生物识别技术,如指纹识别,视网膜识别等等。
人脸检测是一个复杂的具有挑战性的模式检测问题,其主要的难点有两方
面:
3
一方面是由千人脸内在的变化所引起:
@人脸具有相当复杂的细节变化,
硕十学位论文 第一章绪论
不同的外貌如脸形、脸部状态、肤色等,不同的表情如眼、嘴的开与闭等;@人脸的遮挡,如眼镜、头发和头部饰物以及其他外部物体等。
另一方面由千外在条件变化所引起:
@由千成像角度的不同造成人脸的多姿态,如平面内旋转、深度旋转以及上下旋转,其中深度旋转影响较大;@光照的影响,人脸是三维对象光照的变化会引起明显的阴影效应;@背景的复杂,如背景中存在很多和人脸相近的模式;@图像的成像条件,如摄像设备的焦距、成像距离,图像获得的途径等等。
上述这些困难都为解决人脸检测问题造成了一定的难度。
如果能够找到一些相关的算法并能在应用过程中达到实时,将为成功构造出具有实际应用价值的人脸检测与跟踪系统提供保证。
1.3人脸检测流程
人脸检测的过程是将输入图像进行穷举搜索的过程。
图1-1为基本的人脸检测流程图。
图1-1人脸检测过程
其中图像预处理主要包括:
去噪声、光照均衡处理、尺度归一化处理。
预处理的主要作用在于,尽可能的去除或者减少光照、成像系统、外部环境等对待检测图像的干扰,为后续处理提供高质量的图像。
人脸区域检测的目的是得到人脸候选区。
人脸候选区是通过一定的规则和先验知识获得的,也就是说通过选定的检测定位算法来获得。
一般来说,获得人脸候选区的算法要简单、快速,所选取的规则要计算量小。
比如,对千彩色图像,图像中拥有人的肤色的区域可以作为人脸的候选区域;对于动态图像序列,提取运动区域;对千灰度图像,提取能够匹配人脸模板的区域,等等。
这样获得的人脸候选区会存在漏检和误检的情况,我们还要通过进一步的判别才能真正确定人脸区域,排除人脸候选区域内的非人脸区域。
4
人脸验证是用千排除人脸候选区被误检的区域,是对人脸检测区域进一步的优化。
比如可以根据人脸各器官的位置关系进行排除非人脸区域,但是这种方法
硕士学位论文 第一章绪论
依赖于人脸器官位置检测的精度;也可以采用基于统计的方法,将人脸判别看成是一个二分类问题一一-人脸区域和非人脸区域两类,将支待向量机、神经网络以及隐马尔可夫等分类方法应用到其中。
总之,它是整个人脸检测中非常关键的一步。
1.4人脸检测技术发展现状
人脸识别技术是利用计算机分析人脸图像,进而从中提取出有效的识别信息,用来“辨认“身份的一门技术。
人脸识别的研究可以追溯到上个世纪六、七十年代,经过几十年的曲折发展已日趋成熟。
近几年,随着电子商务等应用的发展,人脸识别成为最有潜力的生物身份验证手段,这种应用背景要求自动人脸识别系统能够对一般环境下的图像具有一定的适应能力,而人脸检测作为自动识别系统中的一个关键环节,也开始作为一个独立的课题,越来越受到研究者们的重视。
今天,人脸检测的应用背景已经远远超出了人脸识别系统的范畴,在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。
人脸检测的研究重点逐渐集中于在复杂情况下的人脸检测,其中一方面是降低错误报警率、提高速度,另一方面是多姿态人脸的检测。
在梁路宏博士论文(10]中针对人脸模板统计学习的方法存在的缺点提出了模板匹配约束的子空间方法,通过相当简单的模板匹配过滤检测窗口,只要对通过过滤的窗口再进一步通过人工神经网络ArtificialNeuralNetwork(ANN)或支持向且机SupportVectorMachines(SVM)分类,这使得检测时速度大大加快;另 外ANN或SVM的训练在模板匹配划分的子空间上进行,使训练更加有效。
Viola提出了基于积分图像与AdaBoost训练的快速人脸检测方法111,利用积分图像计算简单的矩形特征,再用AdaBoost方法训练这些矩形特征组成强分类器,由千可以在积分图像上快速地计算这些矩形特征,从而使分类器的速度大大提高。
此外,还有构造层叠结构的分类器方法,该方法首先用简单的强分类器排除大多数非人脸窗口,减轻复杂分类器的负担,进而提高速度;另外,用层叠分类器训练时,下一层分类器的训练是在上一层分类器划分的子空间中进行的。
Viola的方法是人脸检测领域在CMU的Rowley12·13'
14]的方法之后取得的重大进展,引起了这一领域的广泛关注。
微软亚洲研究院对
Viola的方法进行改进,实现了快速的多姿态人脸检测[I,S16],用金字塔结构组合各个姿态的分类器,通过金字塔上层简单的分类器尽量排除非人脸窗口,减轻底层复杂分类器的负担,从而加快检测速度,使多姿态人脸的检测达到实时水平。
5
目前,国外对人脸检测问题的研究很多。
美国、英国等许多国家有大量的研
硕十学位论文 第一章绪论
究组从事人脸检测和识别的研究,这些研究受到军方、警方以及相关公司的高度重视和资助,美国军方每年还专门组织人脸识别比赛以促进这个领域的发展。
比较著名的有MIT117J(美国麻省理工学院),CMU1181,Rutgers1191(新泽西州立大学),Institute2101等。
MPEG7标准组织已经建立了人脸识别草案小组,人脸检
测算法也是一项征集的内容。
近几年来关千人脸检测算法的研究取得了很大的进展,国际上发表有关论文的数量也大幅增长。
在国内,也有许多学校和单位从事人脸检测与人脸识别相关的研究。
比如清华大学、北京工业大学、中科院计算技术研究所、西北工业大学和中国科学院自动化所等都有专门人员从事人脸检测方面的研究。
用千人脸检测的方法有很多,从广义上可以分为基千儿何特征的方法和基于统计的方法两类。
基千几何特征的方法虽然具有算法简单、检测速度快等特点,但是受到背景的影响比较大;基千统计的方法目前比较流行,主要有神经网络的方法、子空间方法2111(PCA、ICA),
SVM以及线性分类器法122:
3il(boosting与cascade)等。
最近的进展则是Viola等的基于积分图像特征的Adaboost方法[241,其层叠分类器(cascade)在人脸检测方面速度快且性能与Rowley的A
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 定位 SVM 检测 方法 研究