即時多角度人臉偵測

Real-time Multi-pose Face Detection

陳曉瑩(Hsiao-Ying Chen)

指導教授 ： 黃仲陵

國立清華大學/電機資訊學院/電機工程學系/碩士(2006年)

https://doi.org/10.6843/NTHU.2006.00291

摘要

在此篇論文中，我們提出了一個新的混合式特徵，此特徵是由Gabor特徵與Haar-like特徵所組成的。此篇論文的目標是要建立一個自動人臉偵測系統，在頭部移動與不同角度(左右轉、上下轉)時都能準確的偵測。我們人臉偵測系統主要份成兩個部份，第一個部份是利用膚色偵測與切割找出潛在人臉區域，在偵測到的膚色區域中，利用不同的掃描視窗對整張影像做掃描，當膚色區域大於某一特定值，才作辨識的工作；第二個部份是在掃描的區域中找出重要的特徵點，將這些特徵點結合出最後的分類結果，即為我們的偵測結果。我們的系統在不同大小、不同角度、不同表情和失焦的人臉上，都可以準確偵測出來。從實驗的結果也可以發現，利用我們所提出的混合特徵所做出來的系統，整體表現都比僅僅使用Gabor特徵或是Haar-like特徵來得好。我們所做出來的人臉偵測系統，可以偵測出從-90˚ 到 90˚ 的人臉，準確率也高達93%-95%，除此之外，在臉部表情辨識上，也一樣有很好的準確率。另外，在使用AMD 3000+ (約等於2.0 GHz)處理器下，我們處理320*240大小的圖片，大約需要300~350 ms去偵測出人臉位置，50~60 ms去追蹤加表情辨識，整體來說，系統執行速度大約為10-20Hz。我們的系統不僅可以做即時的處理而且可以偵測到更大角度的人臉，因此，我們相信此系統可以被更廣泛的運用。

關鍵字

人臉偵測 ； 多角度 ； 即時系統 ； 表情辨識

並列摘要

In the thesis, a new feature set which is composed with Gabor feature and Haar-like feature named hybrid feature set is proposed. The goal of this thesis is to create an automatic face detection system which is robust to pose and head motion. Our face detection system consists of two modules. The first module searches the potential face regions by using skin color detection and segmentation procedures. The second module selects the features of the scanned image. This system can be used in different sizes, varying poses, different expressions, and defocus problems. From the experimental results, we find that we can have a better system performance comparing with the classifier using only single type weak classifier. Our face detection system can detect the faces with rotation angles from -90˚ to 90˚ with an average correction rate about 93%-95%. Our system can also be applied for facial expression recognition with high correction rate. We also do the real-time test of the system by using AMD 3000+ CPU and the image size is 320*240 pixels. It requires 300~350 ms to detect a face and 50~60 ms for tracking. Therefore, our system is more robust than other proposed face detection system and can be widely used.

並列關鍵字

face detection ； multi-pose ； real-time system ； Gabor feature ； Haar-like feature ； Adaboost

參考文獻

[1] P. Viola and M. Jones,“Rapid Object Detection using a Boosted Cascade of Simple Features,”CVPR, pp. 511-518, 2001.

[3] H. Gu and Q. Ji,“Information Extraction from Image Sequences of Real-world Facial Expressions”Machine Vision and Applications, pp.105-115, 2005

[4] P. Moreno, A. Bernardino, and J. Santos-Victor,“Gabor Parameter Selection for Local Feature Detection,” IbPRIA 2005, LNCS 3522, pp. 11-19, 2005.

[5] D. Datcu and L. J. M. Rothkrantz,“ Facial Expression Recognition With Relevance Vector Machines,”ICME, 2005.

[6] M. E. Tipping,“Sparse Bayesian Learning and the Relevance Vector Machine,”Machine Learning, pp. 211-244, 2001.