基于AdaBoost+肤色模型的多人脸检测考勤系统.doc

基于AdaBoost+肤色模型的多人脸检测考勤系统.doc基于 AdaBoost+ 肤色模型的多人脸检测考勤系统摘要:为解决多人场景下的身份注册问题,将人脸检测作为依据, 提出一种多人脸检测考勤系统。该系统以智能终端拍摄图像作为输入,基于人脸检测获取考勤目标,最后通过用户注册获得待考勤目标的身份信息。目前系统已投入课堂学生的点名应用中, 实验结果验证了该系统中各环节方法的有效性和鲁棒性。本文网络版地址: http : ///article/ 关键词:人脸检测;自动识别;考勤;多人 1 概述人脸检测不仅是生物特征识别领域的重要课题, 同时也是计算机视觉领域的研究热点。它是人脸定位、身份验证、身份查找等多种应用的基础。由于具有重要的理论和应用价值, 因此越来越受到研究人员的重视。目前, 人脸检测技术已经广泛的应用于门禁、摄像监视等系统中。人脸检测利用图像或视频作为输入, 对探测区域进行检测, 以确定其中是否存在人脸及其可能的位置和区域。常用的人脸检测的方法主要分为两大类:(1) 基于知识的方法。这类方法主要利用人脸的明显特征如眼睛、眉毛、嘴巴、鼻子等器官特征及其相互之间的位置关系进行判断。包括基于人脸几何特征的人脸检测、基于肤色模型的人脸检测等。(2) 基于统计的方法。这类方法将人脸看成一个整体, 用统计的方法使用大量人脸图像样本的训练构造人脸模式空间, 再根据相似度量检测人脸是否存在。包括基于神经网络的人脸检测、基于 AdaBoost 算法的人脸检测等。 AdaBoost 具有精度高、弱分类器构造简单、检测率高且速度快等优点, 但是 AdaBoost 算法仅考虑灰度特征,容易造成误检。基于肤色模型的人脸检测方法在实际应用中容易将与颜色相近的区域误检为人脸。通过 AdaBoost 定位出入脸位置, 再运用肤色模型对其进行肤色校验则可以很好的规避两者缺点。因此本文提出了一种基于 AdaBoost 与肤色模型的人脸检测方法,并应用于多人脸考勤系统中。 2 人脸检测 数据采集人脸数据获取是人脸检测的基础。系统对输入数据并无过多限制条件, 输入数据可来自用户随身携带的智能手机, 也可以是室内监控摄像机的拍摄结果。对于某些无法用一副图像采集完全的大尺度场景, 可利用智能手机中自带的全景拍摄功能,完成拼接后上传全景数据。经过调查,目前包括 iPhone 、三星、小米等绝大多数智能手机均自带全景拍摄功能。即使用户手机中无此功能,官方的应用商店如 App Store. Google Play 也具有诸多相关应用如: Photosynth , 可免费下载用以获取拍摄场景的全景图像。实验证明, 借助手机全景拍摄功能采集的图像可以作为有效的输入, 同时方便考勤人员采集考勤数据,获取数据的便衬| 生大幅增加。 基于 AdaBoost 人脸检测 AdaBoost 是由 Yoav Freund 和 Robert 在 1995 年提出的一种迭代分类算法,其核心思想是将同一训练集的不同弱分类器集合起来, 从而构造一个强分类器。不同的弱分类器具有不同的权值, 且它能根据上一次的结果确定每个样本的权值, 然后继续通过分类器训练, 最后将每次训练得到的分类器集合起来得到最终的分类器。 AdaBoost 在人脸检测应用中需要通过训练大量可以区分人脸和非人脸区域的 Haar 特征,并从中挑选一些