面部檢測(cè)與識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域中的重要研究問(wèn)題,也是實(shí)現(xiàn)視頻面部識(shí)別系統(tǒng)的核心部分,在視頻監(jiān)控、智能安防、智能養(yǎng)殖等領(lǐng)域有著廣泛地應(yīng)用。由于人臉常受光照、遮擋等因素影響;牲畜面部常受光照、面部污垢等因素影響,檢測(cè)效果與識(shí)別結(jié)果無(wú)法滿(mǎn)足日益增長(zhǎng)的需求。因此本文對(duì)面部檢測(cè)與識(shí)別算法進(jìn)行深入研究與分析,針對(duì)其存在的問(wèn)題,提出基于A(yíng)daboost和稀疏表示分類(lèi)（Sparse Representation-based Classification,SRC）算法的改進(jìn),同時(shí)設(shè)計(jì)和實(shí)現(xiàn)了面向光照變化和遮擋的視頻多面部檢測(cè)與識(shí)別系統(tǒng)。主要工作如下:1、提出了一種基于LIS（Luminance、Information、Saturation）顏色空間和改進(jìn)Adaboost的面部檢測(cè)算法,以提升復(fù)雜背景下的面部檢測(cè)效果。該方法首先將RGB（Red、Green、Blue）圖像轉(zhuǎn)換到LIS顏色空間中,提取出膚色信息;然后基于I分量直方圖去除圖像中的“偽膚色”并應(yīng)用掩膜處理修復(fù)膚色區(qū)域;最后,動(dòng)態(tài)平衡Adaboost分類(lèi)器中正負(fù)樣本的權(quán)重,進(jìn)而提高分類(lèi)器的性能完成面部檢測(cè)。實(shí)驗(yàn)結(jié)果表明本算法能夠有效提高面部檢測(cè)精... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

陰暗環(huán)境中的

面向光照變化和遮擋的視頻多面部檢測(cè)與識(shí)別方法研究10（c）均衡化后的圖像（d）均衡化后的直方圖圖2.1陰暗環(huán)境中的圖像直方圖均衡化前后對(duì)比（a）均衡化前的圖像（b）均衡化前的直方圖（c）均衡化后的圖像（d）均衡化后的直方圖圖2.2明亮環(huán)境中的圖像直方圖均衡化前后對(duì)比2.1.2圖像去噪聲受硬件和外界環(huán)境等因素的影響，采集到的面部圖像摻雜著許多噪聲，噪聲會(huì)影響圖像的結(jié)構(gòu)并對(duì)后續(xù)處理產(chǎn)生不良影響。去除圖像的噪聲可以提升圖像的質(zhì)量，進(jìn)而優(yōu)化系統(tǒng)的性能。在去除噪聲時(shí)，濾波的選擇非常重要，選擇對(duì)了事半功倍，選擇錯(cuò)了事倍功半。常見(jiàn)的噪聲包括椒鹽噪聲、泊松噪聲和高斯噪聲。椒鹽噪聲可以隨機(jī)改變一些像素點(diǎn)的灰度值，由圖像采集設(shè)備、解碼處理等產(chǎn)生的或黑或白的亮暗點(diǎn)即為

江蘇大學(xué)工程碩士學(xué)位論文11椒鹽噪聲，通常圖像的分割也會(huì)產(chǎn)生椒鹽噪聲。泊松噪聲即滿(mǎn)足泊松分布的噪聲，泊松分布表示在單位時(shí)間內(nèi)某一隨機(jī)事件發(fā)生次數(shù)的概率分布。當(dāng)噪聲的幅度分布服從高斯分布時(shí)，該噪聲為高斯噪聲。產(chǎn)生高斯噪聲的原因有很多，主要包括：1.圖像采集設(shè)備工作時(shí)間過(guò)長(zhǎng)導(dǎo)致設(shè)備過(guò)熱；2.在光照不穩(wěn)定的環(huán)境中采集圖像；3.硬件自身的影響。常見(jiàn)的濾波方法包括：中值濾波、均值濾波和高斯濾波。中值濾波是一種非線(xiàn)性濾波，可以較好的保護(hù)圖像的邊緣信息。中值濾波的實(shí)現(xiàn)原理是取某一像素點(diǎn)鄰域像素灰度值的中值來(lái)代替該像素點(diǎn)的灰度值。由于椒鹽噪聲的灰度值通常很大或者很小，所以采用中值濾波可以很好的去除椒鹽噪聲，如圖2.3所示。（a）原始圖像（b）添加椒鹽噪聲（c）處理后的圖像圖2.3中值濾波處理效果圖均值濾波是一種線(xiàn)性濾波，與中值濾波相似，它取的是某一像素點(diǎn)鄰域像素灰度值的均值來(lái)代替該像素點(diǎn)的灰度值。均值濾波可以有效地去除泊松噪聲，但可能會(huì)造成圖像邊緣信息的丟失，處理效果如圖2.4所示。（a）原始圖像（b）添加泊松噪聲（c）處理后的圖像圖2.4均值濾波處理效果圖高斯濾波也是一種線(xiàn)性濾波，它取的是某一像素點(diǎn)鄰域像素灰度值的加權(quán)均值來(lái)代替該像素點(diǎn)的灰度值。通過(guò)求解待處理像素點(diǎn)與目標(biāo)像素點(diǎn)之間的距離計(jì)算權(quán)重，距離越近權(quán)重越大。高斯濾波可以有效地處理高斯噪聲，如圖2.5所示。（a）原始圖像（b）添加高斯噪聲（c）處理后的圖像圖2.5高斯濾波處理效果圖

【參考文獻(xiàn)】：
期刊論文
[1]融合YCbCr膚色模型與改進(jìn)的Adaboost算法的人臉檢測(cè)[J]. 崔鵬,燕天天.  哈爾濱理工大學(xué)學(xué)報(bào). 2018(02)
[2]基于YCbCr色彩空間和AdaBoost算法的人臉檢測(cè)[J]. 李昭文,程學(xué)珍.  電子質(zhì)量. 2018(03)
[3]局部二進(jìn)制模式方法綜述[J]. 劉麗,謝毓湘,魏迎梅,老松楊.  中國(guó)圖象圖形學(xué)報(bào). 2014(12)
[4]一種基于分塊小波的人臉識(shí)別算法[J]. 楊淑平,易國(guó)棟,袁修貴,劉再明.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(05)
[5]直方圖均衡化在圖像處理中的應(yīng)用[J]. 任艷斐.  科技信息. 2007(04)
[6]膚色檢測(cè)技術(shù)綜述[J]. 陳鍛生,劉政凱.  計(jì)算機(jī)學(xué)報(bào). 2006(02)

碩士論文
[1]中國(guó)社會(huì)治安視頻監(jiān)控的無(wú)縫連接建設(shè)及其管理研究[D]. 李凌崴.吉林大學(xué) 2016
[2]基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別技術(shù)的研究[D]. 周昕.南京理工大學(xué) 2007



本文編號(hào)：3393876