1、人臉檢測作為人臉圖像處理和人臉研究中的一個主要內容,在視覺圖像處理、模式識別、視頻監(jiān)控等領域中有著非常重要的研究意義和應用價值。
　　 目前關于人臉檢測算法的研究已經很多,但主要針對正面人臉進行檢測,本文對目前的人臉檢測算法進行了簡單綜述與分析,設計了一種基于膚色分割與AdaBoost分類器的多姿態(tài)人臉檢測算法,將人臉檢測分為兩個部分來完成:第一部分,首先對輸入圖像進行預處理,然后根據建立的膚色模型對待測圖像進行膚色區(qū)域分割,并

2、依據先驗知識對膚色區(qū)域進行初步篩選得到人臉的候選區(qū)域;第二部分,將得到的人臉候選區(qū)域作為新的待檢測圖像子窗口,利用一組多姿態(tài)人臉檢測分類器對其做進一步的人臉檢測,并標記出圖像中檢測到的所有人臉。本文中所完成的主要工作包括:
　　 (1)在利用膚色進行人臉區(qū)域篩選階段,介紹了常用的膚色分割方法,并設計了膚色分割流程:包括圖像的預處理、膚色模型的選擇及建立、膚色區(qū)域的分割以及人臉區(qū)域篩選幾個環(huán)節(jié)。
　　 (2)介紹了基于Ad

3、aBoost的人臉檢測算法的基本原理及其相關概念,包括矩形特征、積分圖像及矩形特征值計算、各種人臉分類器及其訓練流程。同時在選擇矩形特征進行人臉檢測時,加入了幾種新的矩形特征,并設計了其相應的特征值計算方法。
　　 (3)設計了基于膚色分割與AdaBoost分類器的人臉檢測算法整體實現流程,同時介紹了兩種典型的多姿態(tài)人臉檢測算法,并在此基礎上設計了自己的多姿態(tài)人臉檢測器:利用多個級聯分類器依次對人臉候選區(qū)域進行排除,并將最終的檢

4、測結果講行疊加。
　　 (4)此外,為了訓練多姿態(tài)人臉分類器,本文搜集了大量的多姿態(tài)的人臉樣本和足夠多的非人臉樣本,并采用AdaBoost算法分別訓練了多個針對不同姿態(tài)進行檢測的人臉檢測分類器。
　　 (5)最后,設計了人臉檢測實驗方案,并進行了相關實驗及數據分析。一方面,將本文中所采用人臉檢測算法、基于膚色的人臉檢測算法以及基于AdaBoost的人臉檢測三種人臉檢測算法進行了比較;另一方面,采用該多姿態(tài)人臉檢測算法對大