基于线性非对称级联分类器和肤色验证组合的人脸检测算法研究

《基于线性非对称级联分类器和肤色验证组合的人脸检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士论文基于线性非对称级联分类器和肤色验证组合的人脸检测算法研究摘要随着社会的不断进步，在人机交互技术、访问控制、刑事侦破、个人身份识别等领域迫切需要高速有效的身份验证，而人脸识别集直接、隐蔽、方便、友好、安全、特征稳定等众多优点于一身，所以得到了广泛研究。本文分别提出了基于特征模糊分类的线性非对称级联分类器算法和基于特征空间的双阈值线性非对称级联分类器算法，并分别与肤色验证组合，设计了两种人脸检测实时算法，并开发了相应的软件系统。具体工作如下：研究了基于特征模糊分类的线性非对称级联分类器以及与肤色验证相结合的实时人脸检测算法。训练时，对harr-like特征进

2、行模糊分类，建立了基于模糊度的harr-like特征弱分类器，并利用快速特征选择算法(FFS)为节点选择hart-like特征弱分类器，再利用线性非对称分类器算法(LAC)为弱分类器设计线性组合系数和总的阈值，以组成强分类器；检测时，利用扫描子窗口与人脸的相似程度，动态选择某一节点的强分类器进行检测，将检测结果进行肤色验证以去除非肤色区域，确定人脸区域。实验表明，此算法具有训练时间短，检测效率高，检测时间短，检测率高等特点。研究了基于特征空间的双阈值线性非对称级联分类器以及与肤色验证相结合的实时人脸检测算法，该训练算法在特征空间内画出人脸和非人脸的harr-li

3、ke特征曲线，确定双阈值，并利用FFS算法为节点选择harr-like特征弱分类器，再利用LAC算法设计线性组合系数和总的阈值，以组成强分类器，最终把这些节点级联组成级联分类器；检测时，图片一级一级通过节点强分类器筛选，再通过肤色验证去除非肤色区域，最终确定人脸区域。实验表明，此算法比传统单阂值方法具有精度高，训练时间短等特点。最后，开发了基于VisualC++．net2003，并结合OPENCVl．0机器视觉库的人脸检测系统软件，具有界面友好，操作方便，输入处理图片格式不受限制，适用范围广等特点。关键词：人脸检测级联分类器模糊双阈值肤色验证Abstract硕士

4、论文Wi廿1thedevelopmentofsociety,high·speedeffectivestatusauthenticationisneededurgentlyininteractivetechnology，accesscontrol，criminaldetectiondonebyPolice，andidentityrecognitionetc．Comparedwithotherbiometriccharacteristicsrecognition,facerecognitionisdirect,concealed,convenient,friendl

5、y,secure，andstable，itissmdiedbyalotofpeople．Linearasymmetriccascadeclassifierbasedonfeaturefuzzyclassificationalgorithmandlinearasymmetriccascadeclassifierbasedonfeaturespace’Sdoublethresholdalgorithmalestudiedinthispaper．Eachofthemiscombinedwithcolorverification,thentworeal-timealgo

6、rithmsaredesigned．Softwaresystemofthetwoalgorithmsisdeveloped．11heworkisasfollows：Linear。asymmetriccascadeclassifierreal-timefacedetectionalgorithmbasedonfeaturefuzzyclassificationandit’Scombinationwithcolorverificationalgorithmarestudiedinthispaper．First，fuzzyclassificationtechnolog

7、yisusedinharr-likefeatureintraining，andharr-likefeatureweakclassifierisdesigned．SecondFastFeatureSelection(FFS)algorithmisusedtoselectharr·likeweakclassificationforeverynode．Third，Linear．AsymmetricClassifier(LAC)algorithmisusedtodesignharr—likeweakclassificationselectedforeverynodeSO

8、astoformstro