基于Adaboost算法和肤色验证的人脸检测研究

结合Adaboost算法和肤色信息构造出一个快速人脸检测系统。基于Adaboost算法的人脸检测方法没有考虑到肤色因素,一些可利用肤色信息被迅速排除掉的非人脸区域没有被排除掉,因此提出一个改进算法。首先利用Adaboost算法训练出人脸分类器,用得到的分类器检测出彩色图像中的人脸候选区域,然后通过在YCbCr色彩空间中建立的肤色模型对候选区域作进一步的肤色验证,排除掉候选区域中不是肤色的区域,即排除掉那些被误检为人脸的区域。该算法在尽量保证不降低人脸检测速度的前提下,提高检测正确率,同时降低误报率。

基于多分类器融合的多姿态人脸检测方法

针对复杂背景的彩色图像中复杂姿态人脸的检测问题提出了一种基于多分类器融合的人脸检测方法。首先使用AdaBoost层叠式算法分别训练正面人脸分类器和侧面人脸分类器,将正面人脸检测结果和侧面人脸检测结果相融合得出可能包含人脸的候选区域,然后使用YCbCr空间的肤色统计模型在这些候选区域中进一步验证人脸。该算法既利用了不同姿态人脸分类器的信息融合,又利用了人脸灰度纹理特征和人脸肤色信息的融合,对人脸姿态和图像背景有较强的鲁棒性,而且处理速度很快。实验结果表明,方法可以有效提高对复杂姿态人脸的检测概率,并显著降低虚警检测概率。