資源描述：
《一種基于Haar小波變換的彩色圖像人臉檢測(cè)方法_陳健》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、模式識(shí)別您的論文得到相關(guān)企業(yè)家品評(píng)一種基于Haar小波變換的彩色圖像人臉檢測(cè)方法AnApproachofFaceDetectionInColorImagesBasedonHaarWavelet(河南鄭州信息工程大學(xué))陳健周利莉史紅剛蘇大偉Chen,JianZhou,LiliShi,HonggangSu,Dawei摘要:本文提出了一種基于Haar小波變換的彩色圖像人臉出圖像中人臉。據(jù)此,結(jié)合方法(2)和(4),本文給出了檢測(cè)方法。首先進(jìn)行彩色空間的變換,檢測(cè)出圖像中的膚色一種基于Haar小波變換的彩色圖像人臉檢測(cè)算法,實(shí)區(qū)域;利用Adaboost算法訓(xùn)練
2、出的基于Haar小波變換的檢驗(yàn)結(jié)果表明該方法能夠快速有效的檢測(cè)出人臉區(qū)域測(cè)器對(duì)該區(qū)域進(jìn)行人臉檢測(cè);建立眼睛顏色模型,并根據(jù)眼并能夠確定眼、嘴的位置,為人臉的進(jìn)一步識(shí)別提供睛!嘴在不同分量上的分布特征,將它們從人臉區(qū)域中提取出來;最后融合眼睛!嘴候選區(qū)域的信息,利用特征不變的了基礎(chǔ)。方法進(jìn)行眼睛和嘴的確定。實(shí)驗(yàn)結(jié)果表明,該方法能夠快速2基于Haar小波變換的彩色圖像人有效地檢測(cè)出人臉,并能夠確定眼!嘴的位置。關(guān)鍵詞:人臉檢測(cè),Haar小波變換,Adaboost,信息融合臉檢測(cè)算法中圖法分類號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:A本文使用一個(gè)YCbCr空間膚色模型對(duì)圖
3、像進(jìn)行文章編號(hào):1008-0570(2005)10-1-0157-03分割得到膚色區(qū)域,利用Adaboost學(xué)習(xí)算法訓(xùn)練出基Abstract:Thispaperpresentsanapproachoffacedetectionin于Haar小波變換的人臉檢測(cè)器,并對(duì)膚色區(qū)域進(jìn)行檢技colorimagebasedonHaarwavelet.First,colorspacetransforma-測(cè)確定出人臉區(qū)域;對(duì)人臉區(qū)域利用人眼和嘴的顏色tionisusedtodetectskincolorregions,thenwetrainaHaar-特征提取出眼、
4、嘴的候選區(qū)域,最后根據(jù)面部器官的術(shù)basedfacedetectorusingAdaboostlearningalgorithmandcon-幾何結(jié)構(gòu)關(guān)系利用模板匹配的方法確定出眼睛和嘴structaneyecolormodelandextracteyeandmouthcandidates創(chuàng)部的位置。basedonthedistributionfeaturesoneachcomponentofcolor1.膚色區(qū)域分割space.Finallywefusetheinformationofeachcandidateand新validatefacesusi
5、ngfeatureinvariantmethod.Experimentalre-在數(shù)字圖像處理中,通用的顏色模型是RGB模sultsshowthatthisalgorithmiseffectiveindetectingfacesas型,而在YCbCr彩色空間中,亮度和色度信息相關(guān)性wellaslocalizingmouthandeyes.很小,比RGB模型更符合描述人臉膚色顏色,而且與KeywordsFacedetectionHaarWaveletAdaboostInfor-RGB的轉(zhuǎn)換比較簡單,因此本文選擇AnilK.Jain等建mationfusi
6、on立的膚色模型,只要將圖像從RGB空間映射到Y(jié)CbCr空間中的Cb、Cr分量二維平面上,根據(jù)膚色模型就可1引言以確定出膚色候選區(qū)域并通過一些形態(tài)學(xué)區(qū)域開閉操作去除區(qū)域內(nèi)細(xì)小的噪聲并填充大的漏洞,得到膚人臉檢測(cè)是指對(duì)任意給定的一幅圖像判斷其是色區(qū)域及相應(yīng)的掩圖。否存在人臉;如果存在,則還需要進(jìn)一步指出人臉的具體位置及范圍。由于人們對(duì)視覺認(rèn)知在腦中的活動(dòng)2.基于Haar特征的人臉檢測(cè)并不清楚,而且人臉局部特征本身具有很大的隨機(jī)Papageorgiou在利用Haar小波變換從人臉中提取特征時(shí),提出了局部Haar特征。本算法中一共使用了性,形狀、大小、紋理、
7、顏色都會(huì)因?yàn)椴煌娜恕r(shí)間、三類局部Haar特征,如圖1,每一類的特征值都是白光照而發(fā)生很大的變化,使得圖像中的人臉檢測(cè)成為色矩形區(qū)域內(nèi)所有象素灰度值之和減去黑色矩形區(qū)一個(gè)非常具有挑戰(zhàn)性的課題。Ming-HsuanYang等人域內(nèi)所有象素灰度值之和。將目前人臉檢測(cè)的主要方法分為4類:⑴基于知識(shí)的方法;⑵特征不變的方法;⑶模板匹配的方法;⑷基于表象的方法。由于圖像的復(fù)雜程度較高,僅利用單一特征信息往往不能得到準(zhǔn)確的檢測(cè)結(jié)果,因此融合多個(gè)特征信息的檢測(cè)方法越來越受到人們的重視。圖1邊界、細(xì)線、對(duì)角線特征在人臉檢測(cè)應(yīng)用中膚色信息被證明是一種有效利用P.Vio
8、la提出的積分圖像快速算法可以方便的特征。利用人臉膚色對(duì)姿態(tài)、表情及旋轉(zhuǎn)的變化不地提取出局部H
