圖像人臉檢測及超分辨率處理.pdf

1、人臉研究一直是模式識(shí)別、計(jì)算機(jī)視覺和計(jì)算機(jī)圖形學(xué)領(lǐng)域中的經(jīng)典問題之一。由于人臉是一種極為復(fù)雜的、多維的模式，也是一種典型的非剛性模式，具有非常復(fù)雜的生理學(xué)構(gòu)造，再加上人們對人臉的熟悉和敏感，因而人臉方面的研究相對來說比較困難。 任何人臉處理系統(tǒng)的第一步都是檢測人臉在圖像中的位置。然而，從一幅圖像中檢測人臉是一項(xiàng)極具挑戰(zhàn)性的任務(wù)，因?yàn)槠涑叨取⑽恢?、方向和位姿都是變化的，面部表情、遮擋和光照條件也是變化的。有些視頻流中的人臉太小，以

2、至于無法進(jìn)行人臉跟蹤，可以先對視頻流進(jìn)行超分辨率放大，然后再跟蹤。為了對視頻中的人臉進(jìn)行超分辨率放大，首先需要研究靜態(tài)圖片中人臉的超分辨率放大。 本文針對人臉研究領(lǐng)域中如上兩個(gè)關(guān)鍵問題進(jìn)行了探究，并針對現(xiàn)有方法的不足，分別提出改進(jìn)算法。 ⑴ 改進(jìn)基于Adaboost算法的人臉檢測算法。Adaboost算法是一種經(jīng)典的學(xué)習(xí)算法,它將一簇弱分類器通過線性組合構(gòu)建一個(gè)高檢測率的強(qiáng)分類器。針對經(jīng)典 Adaboost算法存在著訓(xùn)練

3、速度緩慢、檢測結(jié)果過分依賴訓(xùn)練樣本的現(xiàn)象，提出一種改進(jìn)的人臉檢測算法。算法在原有Adaboost算法的基礎(chǔ)上，利用特征約簡來提高訓(xùn)練速度，引入樣本擴(kuò)張、多分辨率搜索等策略來提高檢測效率。算法還在一定程度上解決了遮擋、旋轉(zhuǎn)、光照對人臉檢測帶來的影響等問題。實(shí)驗(yàn)結(jié)果表明,該方法具有較快的訓(xùn)練速度和良好的檢測性能。 ⑵ 提出融合全局特征與局部細(xì)節(jié)信息的人臉圖像超分辨率算法。從低分辨率人臉圖像來預(yù)測高分辨率人臉圖像是一個(gè)很有挑戰(zhàn)性的課題