本文關(guān)鍵詞：一種基于人臉標(biāo)記的人臉檢測(cè)方法

  更多相關(guān)文章： 人臉檢測(cè) 人臉標(biāo)記 級(jí)聯(lián)檢測(cè)器 形狀索引特征

【摘要】：人臉檢測(cè)是人臉識(shí)別系統(tǒng)中的關(guān)鍵技術(shù),它是人臉識(shí)別系統(tǒng)中的定位環(huán)節(jié)。近些年隨著安全訪問控制,人機(jī)界面識(shí)別的發(fā)展和視覺監(jiān)控等領(lǐng)域的發(fā)展,人臉檢測(cè)開始作為一個(gè)獨(dú)立的課題來研究開發(fā),受到廣大研究者的普遍關(guān)注。人臉檢測(cè)是從靜態(tài)圖片或者視頻中檢測(cè)并提取出人臉的過程。其難點(diǎn)是人臉的外觀很容易受到自身和外界因素的影響,例如人臉的姿態(tài)、表情、部分被遮擋,光線昏暗等因素。這些因素增加了人臉檢測(cè)的難度,不過這也正是研究人臉檢測(cè)的挑戰(zhàn)性和意義所在。本文提出了一種基于人臉標(biāo)記的人臉檢測(cè)方法。該方法在更新人臉標(biāo)記的同時(shí)進(jìn)行人臉檢測(cè),它們是在同一個(gè)級(jí)聯(lián)框架中進(jìn)行。這樣的融合在增強(qiáng)人臉檢測(cè)效果的同時(shí)也提高了檢測(cè)效率。有人臉標(biāo)記的人臉有明顯的人臉特征,因此它更容易被檢測(cè)出來。我們使用的是形狀索引特征,在級(jí)聯(lián)框架中,下一個(gè)階段的人臉標(biāo)記形狀依賴于上一階段的人臉標(biāo)記形狀,這樣的特征有良好的幾何不變性。我們?cè)谌四樦羞x擇了27個(gè)標(biāo)記點(diǎn)作為人臉標(biāo)記,在級(jí)聯(lián)框架的每個(gè)階段中,既進(jìn)行人臉檢測(cè)也要更新這27個(gè)標(biāo)記點(diǎn)的位置,既對(duì)人臉進(jìn)行分類的同時(shí)也要對(duì)人臉的標(biāo)記進(jìn)行回歸,人臉級(jí)聯(lián)檢測(cè)器只對(duì)上一級(jí)被檢測(cè)為人臉的人臉窗口進(jìn)行分類和回歸,非人臉窗口直接拒絕掉,不進(jìn)入下一個(gè)階段的分類與回歸。我們?cè)谌四様?shù)據(jù)庫(kù)中選擇兩萬多的人臉樣本并選擇兩萬多的非人臉樣本,接下來對(duì)每一個(gè)人臉樣本做27個(gè)標(biāo)記點(diǎn)來標(biāo)記人臉,然后使用已經(jīng)標(biāo)注好標(biāo)記的人臉樣本和非人臉樣本訓(xùn)練級(jí)聯(lián)人臉檢測(cè)器。使用人臉檢測(cè)器時(shí),對(duì)于一張需要檢測(cè)的圖片,我們采用滑動(dòng)窗口機(jī)制來掃描圖片,非人臉窗口的很快會(huì)被拒絕掉,而人臉窗口則不斷的更新人臉標(biāo)記并最終被檢測(cè)出來。最終被檢測(cè)出來的人臉有27個(gè)標(biāo)記點(diǎn),同時(shí)被矩形標(biāo)注出來。我們使用經(jīng)典的FDDB人臉數(shù)據(jù)庫(kù)來做人臉檢測(cè)的性能評(píng)估,實(shí)驗(yàn)結(jié)果顯示我們的人臉檢測(cè)方法是非常有效的。同時(shí)與使用廣泛的Viola-Jones的人臉檢測(cè)器做了性能比較,我們使用ROC曲線來做性能評(píng)估,Viola-Jones和我們的方法使用FDDB人臉數(shù)據(jù)庫(kù)作為測(cè)試集,實(shí)驗(yàn)結(jié)果顯示我們的人臉檢測(cè)效果要好于Viola-Jones的人臉檢測(cè)效果。
【關(guān)鍵詞】：人臉檢測(cè) 人臉標(biāo)記 級(jí)聯(lián)檢測(cè)器 形狀索引特征
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 研究的背景與意義9
• 1.2 人臉檢測(cè)的國(guó)內(nèi)外研究現(xiàn)狀9-10
• 1.3 常用人臉檢測(cè)方法介紹10-14
• 1.3.1 基于模板匹配的方法10-11
• 1.3.2 基于知識(shí)規(guī)則的方法11
• 1.3.3 基于不變特征的方法11
• 1.3.4 基于神經(jīng)網(wǎng)絡(luò)的方法11-12
• 1.3.6 基于支持向量機(jī)的方法12-13
• 1.3.7 基于Boosting的方法13
• 1.3.8 基于深度卷積網(wǎng)絡(luò)的方法13-14
• 1.4 本文的研究?jī)?nèi)容和組織結(jié)構(gòu)14-15
• 第2章 人臉特征提取與級(jí)聯(lián)檢測(cè)器15-23
• 2.1 人臉特征提取15-19
• 2.1.1 矩形特征和積分圖15-17
• 2.1.2 SIFT特征17-18
• 2.1.3 LBP特征18-19
• 2.2 多尺度變換19
• 2.3 ADABOOST分類器19-20
• 2.4 級(jí)聯(lián)分類器20-21
• 2.5 級(jí)聯(lián)檢測(cè)器的檢測(cè)過程21-22
• 2.6 本章小結(jié)22-23
• 第3章 基于人臉標(biāo)記的人臉檢測(cè)23-31
• 3.1 人臉標(biāo)記增量23-25
• 3.2 級(jí)聯(lián)人臉檢測(cè)25-26
• 3.3 本文方法使用的數(shù)據(jù)結(jié)構(gòu)26-28
• 3.3.1 分類回歸樹26
• 3.3.2 隨機(jī)森林26-28
• 3.3.3 霍夫森林28
• 3.4 特征映射函數(shù)和線性回歸矩陣的訓(xùn)練28-29
• 3.5 級(jí)聯(lián)人臉檢測(cè)算法29-30
• 3.6 本章小結(jié)30-31
• 第4章 基于人臉標(biāo)記的人臉檢測(cè)的實(shí)現(xiàn)31-44
• 4.0 樣本來源31-34
• 4.0.1 人臉圖像數(shù)據(jù)庫(kù)31-33
• 4.0.2 非人臉圖像數(shù)據(jù)庫(kù)33-34
• 4.1 樣本預(yù)處理34-36
• 4.1.1 灰度化處理34
• 4.1.2 給人臉圖片做人臉標(biāo)記34-36
• 4.1.3 樣本灰度歸一化處理36
• 4.2 人臉檢測(cè)的模型36-37
• 4.3 參數(shù)設(shè)置37
• 4.4 人臉檢測(cè)的效果37-38
• 4.5 人臉檢測(cè)評(píng)估的測(cè)試集38-39
• 4.6 人臉檢測(cè)評(píng)估結(jié)果39-43
• 4.7 本章總結(jié)43-44
• 第5章 總結(jié)和展望44-45
• 參考文獻(xiàn)45-48
• 作者簡(jiǎn)介及在學(xué)期間所取得的科研成果48-49
• 致謝49

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 盧心紅;李宏宇;孫波;;基于圖像的慣性導(dǎo)航信息標(biāo)記點(diǎn)識(shí)別技術(shù)[J];重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

2 陳玉萍;蘇博;;攝影測(cè)量中標(biāo)記點(diǎn)編碼與解碼的方法[J];技術(shù)與創(chuàng)新管理;2009年04期

3 戴鳳嬌;肖林華;楊t-;劉志遠(yuǎn);;基于百度地圖的標(biāo)記點(diǎn)聚合算法研究[J];中國(guó)科技信息;2013年23期

4 譚光華;周美蘭;高春鳴;李仁發(fā);;光學(xué)運(yùn)動(dòng)捕捉系統(tǒng)中標(biāo)記點(diǎn)自動(dòng)注冊(cè)與預(yù)測(cè)算法[J];模式識(shí)別與人工智能;2014年07期

5 孟祥麗;;攝影測(cè)量中標(biāo)記點(diǎn)自動(dòng)匹配方法研究[J];湛江師范學(xué)院學(xué)報(bào);2009年06期

6 段康容;劉先勇;;攝影測(cè)量中編碼標(biāo)記點(diǎn)檢測(cè)算法研究[J];傳感器與微系統(tǒng);2010年08期

7 龔秀鋒;李斌;鄧宏平;張文聰;;基于標(biāo)記點(diǎn)檢測(cè)的視線跟蹤注視點(diǎn)估計(jì)[J];計(jì)算機(jī)工程;2011年06期

8 聶建輝;馬孜;胡英;;一種魯棒的圓形標(biāo)記點(diǎn)中心提取方法[J];應(yīng)用科學(xué)學(xué)報(bào);2013年01期

9 宋麗梅;陳昌曼;陳卓;覃名翠;李大鵬;;環(huán)狀編碼標(biāo)記點(diǎn)的檢測(cè)與識(shí)別[J];光學(xué)精密工程;2013年12期

10 蘇博;;攝影測(cè)量中標(biāo)記點(diǎn)編碼與解碼的方法研究[J];科技信息;2009年05期

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 鄭文明;彎扭構(gòu)件的詳圖深化思路[N];建筑時(shí)報(bào);2012年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 趙文平;基于數(shù)據(jù)的高質(zhì)量三維人手運(yùn)動(dòng)的建模、生成與控制[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

2 高麗;馬鐵菊頭蝠超聲聲納系統(tǒng)中的耳朵形變研究[D];山東大學(xué);2012年

3 劉晨光;基于單目視頻無標(biāo)記點(diǎn)的三維人體姿態(tài)估計(jì)的研究[D];哈爾濱工業(yè)大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 鄒圣華;帶形區(qū)域和圓盤上SLE_K跡的隨機(jī)耦合[D];廣西民族大學(xué);2015年

2 干澤俊;基于標(biāo)記點(diǎn)的快速譜聚類算法研究[D];復(fù)旦大學(xué);2014年

3 涂曉衍;基于PC104的直升機(jī)旋翼槳葉共錐度快速測(cè)量方法研究[D];南昌航空大學(xué);2016年

4 王園;一種基于人臉標(biāo)記的人臉檢測(cè)方法[D];吉林大學(xué);2016年

5 蘇博;攝影測(cè)量中標(biāo)記點(diǎn)的識(shí)別與匹配方法研究[D];西安科技大學(xué);2009年

6 馬永立;基于標(biāo)記點(diǎn)的圖像點(diǎn)匹配方法研究[D];西安科技大學(xué);2011年

7 王榮華;基于標(biāo)記點(diǎn)拼接的誤差分析與控制研究[D];西南科技大學(xué);2015年

8 夏贛民;數(shù)字標(biāo)記點(diǎn)圖像相關(guān)測(cè)量方法及其應(yīng)用研究[D];天津大學(xué);2004年

9 王曉敏;基于已知標(biāo)記點(diǎn)的流動(dòng)式三維掃描測(cè)量技術(shù)的研究[D];中國(guó)海洋大學(xué);2014年

10 王孟;十字形標(biāo)記點(diǎn)定位技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

，

本文編號(hào)：1122089