《基于小波的多尺度分析在人脸检测中的应用》由会员分享，可在线阅读，更多相关《基于小波的多尺度分析在人脸检测中的应用（4页珍藏版）》请在金锄头文库上搜索。
1、6 9 02 0 0 5 中国控制与决策学术年会论文集P r o c e e d i n g so f2 0 0 5C h i n e s eC o n t r o la n dD e c “i o nC o n f e r e n c e基于小波的多尺度分析在人脸检测中的应用刘天键，朱善安( 浙江大学电气学院，浙江杭州3 1 0 0 2 7 )摘要：计算机视觉的模式识别技术已在疲劳检测中获得了重要的应用为了进一步提高其实际应用价值，尤其是在灰度图像、无约束场景条件、且甘标的位置、方位、大小束知情况下的实现，提出了一种基于熵的小渡多尺度分析方法该方法可在不| 回的场景下，对人脸进行识别其核心思
2、想是采用马尔可夫模型选择目标的结构特征，采用了多尺度的分析来检测目标实验姑呆表明在各种币同的位置和尺度，该算法都能高兢并且鲁棒地识别日标美键词：小波分析 信息过章鲁器 模式识别f 人脸楂测M u l t i s c a l ea n a l y s i sf o rf a c ed e t e c t i o nb a s e do nw a v e l e ta n a l y s i s工几，T i a n 一丘口”，Z H US h a h 一口月( T h eC o l l e g eo fE l e c t r i c a lE n g i n e e r i n g ，Z h e
3、j i a n gU n i v e r s i t y H a n g z h o n3 1 0 0 2 7 ，C h i n a C o r r e s p o n d e n tI I UT i a n j i a n E m a i l ls k y b r i g h t x s b n n e t )A b s t r a c t ：P a t t e r nr e c o g n i t i o nb a s e do nc o m p u t e rv i s i o nh a sb e e na p p l i e di nt h ef i e l do fd r i v e
4、 rd r o w s yd e t e c t i o n I no r d e rt oi m p r o v et h ev a l u eo fa p p l i c a t i o no ft h i st e c h n o l o g y ，an o v e ls c h e m ei sp r o p o s e df o ra u t o m a t i ca n df a s td e t e c t i o no fh u m a n a c e si ng r a y s c a l ei m a g e s - u n d e rn o n - c o n s t r
5、 a i n e ds c e n ec o n d i t i o n s tw h e r et h el o c a t i o n t h eo r i e n t a t i o na n dt h es i z e o ft h ei a c e sa r eu n k n o w n T h em a i ni d e ni sb a s e do nt h eM a r k o vm o d e lt os e l e c tt h eo b j e c ts t r u c t u r a lf e a t u r e t h e nt h em u l t i s c a
6、l ea n a l y s i sbu s e dt od e t e c to b j e c t E x t e n s i v ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ea l g o r i t h mi se f f e c t i v ea n dr o b u s tt od e t e c tt h eh o ea ta n yp o s i t i o na n da n ys c a l e K e 3w o r d s ：w a v e l e ta n a l y s i s ；i n f o r
7、m a t i o nf i l t e r , p a t t e r nr e c o g n i t i o n If a c ed e t e c t i o n1 引言研究表明，大部分的交通事故是由于司机的疲劳驾驶所导致的，因此疲劳检测成为减少交通事故的重要手段，在众多方法中，无侵入视频监督的方法是最好的一种该方法主要检测面部的可视信息来判断疲劳程度，需要用到模式识别的技术司机疲劳一般具有以下几个特征：眨眼率减低，眼动加快，注意力不集中，其表现是瞳孔在眼眶内不停地游动点头频度以及打哈欠等这些信息都有助于判断疲劳程度然而在提取这些信息中，最关键的一步就是实时检测人脸和人眼近年来，发展了
8、一些人脸检测算法，详见文献 1 ，2 ，5 ，8 这些检测算法大致可以分成三类：局部脸部特征，模板匹配和图像不变矩m “”在第一种方法中应用低级计算视觉技术检测面部特征如人眼、下巴等再使用统计模型检测人脸在第二种方法中，使用糖关模板检测最可能的目标区，具体有基- 予特征空间和基于变形模板的第三种方法是在不同的条件下提取目标的不变矩，获得目标的特征，以匹配最优的候选位本文采用了一种基于信息的人脸检测方法，能快速准确地检测出目标 2 基于熵的学习设离散变量，是定义在概率空间( 0 ，卢，尸) 上，且厂A ，A 为字母表，则随机变量，的熵定义为H ，( ，) = 一芝：P ( f = a ) l n
9、 P ( f ；4 ) ( 1 )d E S 定义变量，在P 相对肘下的关熵( R e l a t i v ee n t r o p y ) 为H ，I ( ) = H ，I M ( o ) 一 蚤删n 糕=4 e 譬P ( Q 。) l n 勰( 2 )。嚣器( 2 作者简介。荆夭键( 1 9 7 5 - - ) ，男。福建福州人，博士，从事模式识别、计算机视觉等研究刘天键等：基于小渡的多尺度分析在人脸检测中的应用6 9 l设分区口的每个原子是分区R 中每个原子的并，则称R 是d 的细化，记为口 R 在概率空间( n ，卢，_ P ) 上有两个测度P 和M ，定义尸相对于M 的散度为D (
10、P | IM ) = s u p H M “ ( 口) =s u p D ( P ：0 f ，) ( 3 )这里第一个上确界是在有限可测的分区上，第二个上确界是在有限字母表上定义的可以证明P 相对于M 的散度是非负的可以认为散度是两个概率测度的“距离”，可以度量两个概率测度的差异虽然不是严格意义下的距离( 不满足距离的对称性和三角不等性) 但是，从散度的性质可以发现，它能很好地表示两个概率测度的距离叫散度在信息论中具有重要的地位，可以推导出对熵、关熵、互斥信息、条件信息等重要概念 3 马尔可夫过程假设z 1 7 。 ，指标i 从。到。，即称过程为单边过程标记x 。( z ) 一z 。，X o
11、l o ) ；z 一1 = ( z 。，矗一1 ) ，( 4 )瓦，H 一1 ( z ) = ( 工l ，z f + 一1 ) 随机变量 一( 孔一，) ：n E o ，。) ( 5 )定义为厶一：( X 。，) o ) i 。一，( x 一，( T ) ) 一，j 。一。( X o 一1 ) ( 6 )为了简化关熵的计算，减低互斥信息的复杂程度o ，可以用马尔可夫可控测度来近似可控测度假设P 是一个标准字母表上的过程分布，其诱导的分布为P x 一。；”一1 2 ，M 为相同空间上的另一个过程分布，其诱导的分布为M x 。；有 1 ) m X 是一个k 阶马尔可夫源。即对于V ”k ，墨。一x
12、 一一一x 是一个马尔可夫链，等价为帆。j x 一。；慨。I x H I ( 7 )且有2 ) M x 。一。P x 。一，n 一1 ，2 ，因此定义密 度为d P ， 。一。2a j c j 詈皿( 8 )设p o 是P 的 阶马尔可夫近似，则诱导的分布P 露巾。= P x 一，且对于V ”孟- P 牟I h 一。=P x 1 x 。，即P “是一个具有相同初始分布的k 阶马尔可夫过程，P 为相同的k 阶排序条件概率对于V k ，有地一。尸露P x 。( 9 )且d P 渺萨一倒一f H k 。d P x 一。 一瓦一礤= ( 1 0 )( 1 1 )进一步推导可以得到D ( P x 。一，
13、| | 慨一，) 一H M 。( 墨一- ) + 一1 日，l ，( 置l x H “_ 】) ( 1 2 ) f 一 4 实现通过大量的实验，选择了人脸的结构信息作为识别的特征n 。采用散度作为两类概率密度的距离选择1 1 1 1 的搜索窗，获取规范的目标样本和背景样本，称为强样本和弱样本总的过程可以分为两个阶段，在训练阶段，按照前述的方法计算散度，采用直方图估计器来估算强样本和弱样本的概率分布，构造一阶马尔可夫过程，再采用最小生长树( M S T 算法) 选择图像的结构，如图1 所示，即围1 训练获得的美墒地田日( ”( s ) ) 一H ( X 1 ) + H ( X t 。I I 一，
14、)其中：S 一“ 1 n ；丑5 ，i J l i 一1 ，2 ，n )一旦最优路径找到了5 = m a x ( H ( s ) ) ，然后在识别阶段，通过找到结构计算似然比以识别目标假设一个给定的观测口，计算6 9 22 0 0 5 中国控制与决策学术年会论文集工( 口) 2L ( q 。) + L ( Q 。0O i 一，) ( 1 3 )其中：懈。I I x 沪器螺)选择似然比L ( O 一一，) 厶n 的位置为目标的候选重心点 5 小波分析方法小波分解的主要思想就是选择不同的坐标系，对信号进行分解，获得不同坐标系下的坐标如果过滤器选择适当，这些坐标可以完全复原原图像对于给定的由尺度2
15、确定的图像卫( J ，n ) 产( z ) ，对于任意H = ( “ I ，r 1 2 )q = ( ，群，。) ，田h 一( ，蟛，。) ，1 k 3 ( 1 5 )对于任意滤波器y e n 和虹” ，标记过滤器。y = E n 一y 。k 。 ，_ m 一虻一m ，记h e m 和g 厂优 是与小波关联的共轭镜像过滤器一幅图像经过共轭镜像过滤器过滤后可以分解成粗糙像和细节点，具体公式如下n ” = 4 j 丽 孙 ， 搿兰篇3， d 2 十。髓 一a j 砑 2 n ，d 知。 n ；n j 磊 2 n 在合成过程中，需要在图像任意两向量的行和相邻列之间分别插入一行零和一列零记为y 西 =j ：啦 ，图像的复原公式为 口，队 = A K a i + ， + 珏。衄 +d J 2 T ，g h n + d + 。g g n ( 1 7 )6 人脸检测系统该系统采用非参概率模型对人脸的结构进行训练，为了补偿照明等的影响，在训练和检测前，应该先对图像进行预处理在此，本文采用了直方图均衡的方法把亮度均衡到4 个等级训练完成之后t 得到样本的关熵地图在识别阶段，采用了尺度3 的H a a r 小波对图像进行过滤，获得各尺度下的粗造像，在各尺度下，在1 1
