Abstract
We propose a face detection method based on skin color likelihood via a boosting algorithm which emphasizes skin color information while deemphasizing non-skin color information. A stochastic model is adapted to compute the similarity between a color region and the skin color. Both Haar-like features and Local Binary Pattern (LBP) features are utilized to build a cascaded classifier. The boosted classifier is implemented based on skin color emphasis to localize the face region from a color image. Based on our experiments, the proposed method shows good tolerance to face pose variation and complex background with significant improvements over classical boosting-based classifiers in terms of total error rate performance
چکیده
در این تحقیق، یک روش تشخیص چهره براساس احتمال زنگ چهره و با استفاده از یک الگوریتم تقویت کننده معرفی می کنیم که اطلاعات مربوط به رنگ پوست را پررنگ کرده و سایر اطلاعات را کم رنگ می کند. یک مدل آشفته برای محاسبه شباهت بین یک منطقه رنگی و رنگ پوست طراحی می کنیم. هم ویژگی های مربوط به مو و ویژگی های الگوی دودویی محلی (LBP) برای ایجاد دسته بند آبشاری مورد استفاده قرار می گیرد. دسته بند تقویت کننده براساس تاکید بررنگ پوست پیاده سازی شده تا منطقه صورت را از یک تصویر رنگی جدا کند. براساس آزمایشات، روش پیشنهادی تحمل پذیری خوبی به موقعیت صورت و پیش زمینه های پیچیده در تصویر داشته و از نظر کارآیی نرخ خطای کلی، به طور قابل توجهی دسته بندی های مبتنی بر تقویت کلاسیک را بهبود می دهد.
1-مقدمه
تشخیص چهره انسان یکی از مهمترین موضوعات تحقیقات بیومتریک است؛ چرا که دامنه گسترده ای از کاربرد ها را شامل می شود. تشخیص یک چهره در سیستم های نظارتی و بیومتریک اغلب قبل از شناسایی و جستجو انجام می شود. تکنیک های متنوعی برای تشخیص چهره در ادبیات موضوع پیشنهاد شده اند که به طور کلی به چند دسته تقسیم می شوند [1]: روش های مبتنی بر دانش، روش های ویژگی ثابت، روش های تطبیق الگو و روش های مبتنی بر ظاهر…