智能视频监控中基于肤色信息人脸检测算法,关于免费智能视频监控论文范文在这里免费下载与阅读,为您的智能视频监控相关论文写作提供资料。
智能视频监控论文参考文献：
摘 要： 针对智能视频监控中人脸检测受复杂环境以及多姿态人脸的影响,采用一种基于肤色特征和AdaBoost算法相结合的方法,提取两种算法各自优点并加以优化,其主要思想是利用肤色特征建立肤色模型,选出含有人脸预检测肤色区域,进行人脸样本训练,提取人脸样本Haar特征,进行弱分类器训练,利用迭代的方法,再将不同的弱分类器组合成强分类器,最后形成级联分类器,运用级联分类器检测含有人脸的肤色区域.实验结果表明,该方法不仅提高了智能视频监控中人脸检测的效率和准确性,而且具有较好的鲁棒性.
关键词： 人脸检测； 肤色特征； AdaBoost算法； 弱分类器训练； 级联分类器； 视频监控
中图分类号： TN911.73?34； TP319.4 文献标识码： A 文章编号： 1004?373X（2018）07?0058?04
Research on human face detection algorithm based on skin
color information in intelligent video surveillance
HUANG Zhichao, ZHANG Peng, ZHAO Huarong, ZHAO Wenming
（School of Mechanical and Electrical Engineering, Guilin University of Electronic Technology, Guilin 541004, China）
Abstract： Since the human face detection in intelligent video surveillance is influenced by complex environment and multi?pose human face, a method based on skin color feature algorithm and AdaBoost algorithm is adopted to extract and optimize the respective advantages of the two algorithms. According to the main thought of the method, the skin color feature is used to establish the skin color model, and select the pre?detecting skin color area containing human face for human face sample training. The Haar feature of human face sample is extracted to train the weak classifiers. The iterative method is used to combine different weak classifiers into a strong classifier, so as to form a cascade classifier, with which the skin color region containing human face is detected. The experimental results show this method can improve the efficiency and accuracy of human face detection in intelligent video surveillance, and has strong robustness.
Keywords： human face detection； skin color feature； AdaBoost algorithm； weak classifier training； cascade classifier； video surveillance
0 引 言
随着社会公共安全措施的日益增强和防范技术的不断进步,智能视频监控系统中的人脸检测逐渐成为热门的研究领域.人脸检测技术是一种分析人脸特征信息进行身份辨别的生物检测技术,它涉及图像处理、机器视觉、模式识别等众多领域.通过人脸检测判断该人身份信息[1?2],人们可以根据人脸的复杂变化,判断出一个人的性格和情绪状态.人脸检测技术的最大优点是检测过程精度高、速度快以及更具保密性和方便性,广泛应用于计算机安全、网络安全、机器视觉、门禁系统、医学诊断系统和智能监控系统等[3?4].因此,对人脸检测的算法研究成为重中之重.
人脸检测技术是对载入的图像经过一定的算法处理,找到人脸并确定人脸大小和位置的过程[5?6].但容易受到复杂环境的影响,提高了检测的难度,如易受到人体姿态、面部表情、图像旋转方向、光照和遮挡等因素的影响[7].海内外学者对此做了很多研究,以AdaBoost算法為核心的人脸检测算法是2001年由Paul Viola等人提出的,此算法保证了检测的实时性[8],但由于容易受到人脸姿态的影响,从而对多人脸检测的准确率较低；基于肤色特征的检测方法主要利用肤色的稳定性以及不依赖于人脸细节的特征[9],对肤色区域的图像进行分割,在肤色区域中找到并确认人脸位置,检测速度快,但易出现把类似肤色背景物体错判为人脸的情况,从而增大了误判率.
本文结合肤色模型和AdaBoost算法的优点,并加以优化,利用肤色建模,进行肤色分割,分割出含有人脸的预检测肤色区域,结合AdaBoost算法训练人脸样本,筛选出能够区分人脸特征的弱分类器,再将一系列的弱分类器组合成强分类器,创建级联分类器,对含有人脸预检测肤色区域的人脸目标进行检测.该方法不仅解决了智能视频监控中多姿态人脸以及在复杂背景下人脸检测困难的问题,而且提高了人脸检测的准确率和效率.
结论：大学硕士与本科智能视频监控毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写视频监控智能巡检方面论文范文。
红外热成像技术其在智能视频监控中应用
摘 要：红外热成像技术是根据自然界一切温度高于绝对零度（-273 ℃）物体能够每时每刻反射载有物体特征信息的红外线的特性而研发的一种被动红外夜视。
智能视频监控技术
摘 要：随着电子信息技术的不断进步，传统的人工视频监控已无法满足公共安全的需要，因此新兴的智能视频监控技术迅速发展起来，适应时代的需要。智能视频。
电站监控中智能视频浓缩和检索技术应用
摘 要：随着经济的发展，电站的视频监控的难度逐步显现，为了解决这个问题，文章引入智能视频浓缩和检索的技术应用方案，从中探讨和重点研究了该如何实现。
智能视频监控系统分析和设计
摘 要：智能视频监控系统是21世纪以来快速发展且可靠性很高的监控技术，也是一种安全性很高的监控手段，其已经逐渐成为社会生产生活及治安中最为重要的。