基于几何特征与新Haar特征的人脸检测算法
2017-02-18糜元根陈丹驰
传感器与微系统 2017年2期
糜元根, 陈丹驰, 季 鹏
(南京工业大学 电子与信息工程学院,江苏 南京 211800)
基于几何特征与新Haar特征的人脸检测算法
糜元根, 陈丹驰, 季 鹏
(南京工业大学 电子与信息工程学院,江苏 南京 211800)
针对普通Adaboost算法训练时间长,对复杂背景下(暗光、多角度、多姿态等)人脸检测识别率较低的问题,提出了一种改进的结合肤色检测及几何特征的Adaboost算法。采用肤色粗检筛选出候选人脸区域,同时采用新的非对称的Haar特征来训练分类器,进一步加强检测性能,提升鲁棒性和复杂背景下的宽容度。实验将此算法应用到一个嵌入式系统中,结果表明:在各种复杂背景下的人脸检测中鲁棒性和宽容度均提升很多,误识率进一步降低,并且在嵌入式人脸检测的系统中具有很好的可移植性和实用性。
人脸检测; Adaboost; 新Haar—like特征; 嵌入式系统
0 引 言
自动化的人脸识别技术由于其隐蔽性、非接触式等优点被广泛应用在安全、监控、信息交互等方面。人脸检测是人脸信息处理中的关键技术。具体描述就是先判断图像中是否存在人脸,若存在,在图像中确定人脸具体方向位置。但人脸作为非刚体,自身有诸多复杂性,侧脸、旋转、表情、遮挡,这些都加大了检测难度。文献[1]提出混合高斯模型进行对肤色检测进行统计分析。Freund S R提出了基于统计分析的AdaBoost算法,是一种自适应的分类学习算法[3],利用迭代思想,训练分类器,有较强的鲁棒性,但普通Adaboost算法对于多姿态、多角度人脸不敏感。随后Viola P从图像中提取特征值时提出了Haar-like特征概念[4],提出5种类型,在正面对称人脸检测方面,效果出众。……
登录APP查看全文
