基于肤色和改进AdaBoost算法的彩色图像人脸检测算法研究

文摘

英文文摘

声明

第一章 绪论

1.1 本课题的背景和研究意义

1.2 人脸检测技术的现状及其研究方向

1.2.1 基于几何特征的人脸检测方法

1.2.2 基于肤色模型的人脸检测方法

1.2.3 基于统计理论的人脸检测算法

1.3 人脸检测算法的性能评价

1.4 本论文主要研究内容

第二章 基于肤色分割的人脸检测

2.1 肤色检测概述

2.2 颜色平衡

2.3 空间滤波

2.4 颜色空间概述

2.4.1 RGB颜色空间

2.4.2 归一化RGB颜色空间

2.4.3 HSI颜色空间

2.4.4 YCbCr颜色空间

2.5 肤色建模和人脸检测

2.5.1 新颜色空间YCgCr的研究

2.5.2 样本统计

2.5.3 肤色模型

2.5.4 基于区域生长的人脸检测算法

2.5.5 肤色区域合并

2.5.6 定位人脸候选区域

2.6 本章小结

第三章 基于AdaBoost算法的人脸检测

3.1 AdaBoost算法介绍

3.1.1 机器学习基础

3.1.2 AdaBoost算法介绍

3.1.3 AdaBoost算法举例说明

3.2 基于积分图像和AdaBoost的人脸检测算法

3.2.1 矩形特征

3.2.2 积分图像

3.2.3 弱分类器

3.2.4 强分类器

3.2.5 级联分类器

3.3 Haar—like特征优化

3.4 改进的弱分类器设计

3.4.1 组合Haar—like特征

3.4.2 Haar—like特征组合策略

3.5 本章小结

第四章 基于肤色和AdaBoost算法的人脸检测系统实现

4.1 OpenCV概述

4.1.1 OpenCV的特征

4.1.2 OpenCV的特征

4.2 系统框架

4.3 样本的获取

4.3.1 人脸样本的获取

4.3.2 非人脸样本的获取

4.3.3 测试样本的获取

4.4 直方图均衡

4.5 训练分类器

4.5.1 训练过程的改进

4.5.2 训练时间和训练结果

4.6 人脸检测的实现

4.6.1 边缘检测

4.6.2 人脸检测方法

4.6.3 后续处理

4.7 实验结果与分析

4.8 本章小结

第五章 总结与展望

5.1 本文取得的研究成果

5.2 人脸检测方法的技术展望

参考文献

攻读硕士学位期间取得的研究成果

致 谢