基于特征和基于图像相结合的快速人脸检测

基于特征和基于图像相结合的快速人脸检测摘要:为了提高人脸检测的速度,提出了一种基于特征和基于图像相结合的快速人脸检测方法。该方法对训练样本图像进行离散小波变换(DWT),使用低频逼近系数来训练支持向量机(SVM)分类器;在检测时,首先利用双眼区域的亮度关系和脸部的对称特征来快速过滤掉大量的背景区域,再利用SVM对余下的区域进行进一步的验证,以确认是否为人脸。实验结果证明了该方法的正确性和有效性。??关键词:人脸检测;基于特征;基于图像;小波变换;支持向量机??:TP391.41文献标志码:A:1001-3695(2008)01-0294-03人脸检测是指判断给定图像中是否存在人脸。若存在,则确定人脸的位置、大小和位姿。人脸检测是模式识别和计算机视觉领域的一个重要研究方向,在智能人机接口、视觉监测、图像标注与检索、数字视频分析等诸多应用领域有着非常广泛的实用价值。人脸检测的方法可以分为基于特征的方法和基于图像的方法两大类[1]。基于特征的方法利用脸部几何特征、肤色特征以及运动等特征,这类方法的检测速度较快,但是检测率较低;基于图像的方法[2,3]利用了模式识别理论,使用事先训练好的分类器判断图像中的大量窗口是否为人脸,这类方法的检测率较好,而且适用的范围比较广,但是检测的速度比较慢,不能满足实际的要求。为了达到较快的检测速度和较高的检测率,O.Sawettanusorn等人[4]提出了一种基于特征与基于图像相结合的人脸检测方法。该方法利用双眼区域的亮度关系和脸部的对称性来快速过滤掉大量的背景区域,再利用相机得到的距离信息对余下的区域进行进一步的验证。??现有的很多基于图像的方法对每个窗口均进行复杂的计算以确定其是否为人脸[2,3],实际上存在人脸的窗口的数量远远小于不存在人脸的窗口的数量,并且很多背景区域和人脸的差别很大,可以通过计算复杂度低的特征计算来快速过滤掉大量的背景区域;对于较复杂的背景区域,再使用训练好的分类器作进一步的验证。针对这种情况,本文提出了一种新的基于脸部特征的过滤器。首先使用这种过滤器对大量的窗口进行过滤,对余下的区域再利用支持向量机进行验证。利用这种方法,使检测速度有了较大的提高。??由于本文提出的人脸检测方法的检测速度与背景的复杂程度有很大的关系,表中的速度提高率是整体检测结果的平均水平。从表1中可以看出,使用脸部的灰度关系以及对称性可以使检测速度有大幅度的提高,且检测率并没有明显的?┫陆怠*?5结束语??本文提出了一种基于特征与基于图像相结合的快速人脸检测方法。该方法首先通过双眼区域的灰度特征和脸部的对称性来快速过滤掉大量的非人脸区域;对余下的区域,用小波变换的低频系数作为特征输入SVM进行进一步的验证,实验结果证明了该方法的有效性。本方法利用的是脸部的灰度关系以及对称关系,所以不能检测出旋转角度较大以及有掩模的人脸,设计出能够有效地检测出旋转角度较大的人脸以及脸部有掩模的人脸的算法,将是以后研究的一个工作?┓椒ā*?参考文献:??[1]HJELMASE,LOWBK.Facedetection:asurvey[J]puterVisionandImageUnderstanding,2001,83(3):236-274.??[2]ROWLEYHA,BALUJAS,KANADET.Neuralnetworkbasedfacedetection[J].IEEETransonPatternAnalysisandMachineIntelligence,1998,20(1):23-38.????[3]OSUNAE,FREUNDR,GIROSIF.Trainingsupportvectormachines:anapplicationtofacedetection[C]//ProcofIEEEConfComputerVisionandPatternRecognition.1997:130136.??[4]SAWETTANUSORNO,SENDAY,KAWATOS,etal.Detectionoffacerepresentativeusingnewlyproposedfilter[J].SignalProcess,2004,8(2):137145.??[5]VIOLAP,JONESM.Rapidobjectdetectionusingaboostedcascadeofsimplefeatures[C]//ProcofIEEEConfCVRP.2001:511-518.??[6]边肇祺,张学工.模式识别[M].2版.北京:清华大学出版社,2000:284-303.??[7]BURGESC.Atutorialonsupportvectormachinesforpatternrecognition[J].DataMiningandKnowledgeDiscovery,1998,2(2):121167.??[8]CRISTIANININ,TAYLORJS.Anintroductiontosupportvectormachinesandotherkernelbasedlearningmethods[M].Cambridge...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供参考,付费前请自行鉴别。
3、如文档内容存在侵犯商业秘密、侵犯著作权等,请点击“举报”。

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

客服邮箱:

biganzikefu@outlook.com

所有的文档都被视为“模板”,用于写作参考,下载前须认真查看,确认无误后再购买;

文档大部份都是可以预览的,笔杆子文库无法对文档的真实性、完整性、准确性以及专业性等问题提供审核和保证,请慎重购买;

文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为依据;

如果您还有什么不清楚的或需要我们协助,可以联系客服邮箱:

biganzikefu@outlook.com

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

笔杆子文秘
机构认证
内容提供者

为您提供优质文档,供您参考!

确认删除?