近些年来,自动人脸检测与识别在图像处理和计算机视觉领域引起许多学者的关注.这一课题在智能监视系统、虚拟现实、高级用户接口、表情分析和基于模型的图像编码等方面具有广阔的应用前景.其中,人脸的检测与定位是自动人脸检测与识别过程的关键,是进一步识别和理解人脸的基础.复杂背景中的人脸检测是自动人脸检测与定位的高级阶段,也是近几年来人脸检测研究的热点.该文首先归纳和分析了当前人脸检测与定位的典型方法,然后针对复杂背景下的正面彩色人脸图像,提出了一个由粗到细的两级检测定位方法.首先利用肤色检测粗略地检测出人脸可能存在的感兴趣区域ROI(Rigion of Interest),然后在该区域上利用主动形状模型ASM(Active Shape Models)方法对目标人脸形状进行搜索和匹配.肤色在颜色空间具有聚类性,具有相对稳定性,对人脸的大小、伸缩和姿态表情变化都能适应,而且检测简单、快速.我们采用了一种基于改进的HSI空间的直方图反投影算法,将输入待检图片中含有人脸肤色的ROI区域和背景分离出来;由于改进的颜色空间转换操作数减少,加快了定位运算速度.实验证明基于该空间的转换方法是有效的.ASM的方法是一种基于形状的统计学习方法.它用点颁模型PDM(Point Distribution Model)描述目标的形状及其内部形体间的空间关系,再利用局部灰度特征在图象上进行目标形状的搜索和匹配.PDM模型能够容忍目标形状出现训练集以外的一定程度的变化,因而较好的反映了人脸形状复杂的变化.通过对各ROI区域大小和位置的判断,将PDM模型放置在适当的初始位置开始搜索匹配.由于只需要在各ROI区域搜索,减少了搜索区域,PDM模型初始定位也便于确定,最终加快了匹配速度.该文提出的由粗到细的两级检测定位方法,综合运用到了人脸的肤色、形状和灰度三个特征,简化了PDM模型初始位置确定和局部灰度搜索问题.实验表明,该方法运算速度较快,定位准确,且不受人脸表情、尺度变化的影响,能适应一定程度的光照变化和姿态变化,比单一的ASM方法更为有效.
暂无评论