一种基于人脸检测的白平衡改进算法的研究的中期报告本研究旨在基于人脸检测，改进白平衡算法，以达到更好的图像色彩校正效果。本中期报告主要介绍已经完成的研究进展和下一步的研究计划。已完成的研究进展：1.数据集的构建和清洗我们使用了公开数据集LabeledFacesintheWild(LFW)和CelebA，同时将数据集进行了清洗和预处理，去除了低质量图像及非人脸图像，最终得到了约3万张高质量人脸图像样本。2.基于传统方法的白平衡算法研究我们研究了传统的白平衡算法，包括灰度世界算法、白点算法和简单白平衡算法，并在实验中对其进行了比较和评估。3.基于人脸检测的图像分割算法研究我们研究了基于人脸检测的图像分割算法，包括skin-color检测算法、基于特征的分类算法、以及基于深度学习的算法，最终选择了基于深度学习的算法作为我们的研究对象。4.基于人脸检测的白平衡改进算法研究我们提出了一种基于人脸检测的白平衡改进算法，首先使用RetinaFace人脸检测器检测人脸，然后对每个人脸进行图像分割，得到皮肤区域，根据皮肤区域计算亮度均值和色彩均值，最终通过调整每个像素的RGB通道来实现白平衡校正。下一步的研究计划：1.对比实验我们将对我们提出的基于人脸检测的白平衡改进算法和传统的白平衡算法进行对比实验，并从视觉效果、色彩还原和算法效率等多个角度进行评估与分析。2.算法优化我们将从减少算法的计算复杂度和提高算法的准确性两方面考虑，进一步优化算法。3.扩展应用我们将把算法应用于实际场景中，例如在特定环境下拍摄的照片中的色彩校正上，以验证算法在实际应用中的效果和可行性。总的来说，本研究的目标是提出一种基于人脸检测的白平衡改进算法，以优化图像色彩校正效果。经过前期的研究，我们已经完成了数据集的构建和清洗、基于传统方法的白平衡算法研究、基于人脸检测的图像分割算法研究，提出了基于人脸检测的白平衡改进算法并进行了初步实验验证。下一步，我们将进行对比实验、算法优化和扩展应用，以进一步完善和验证我们的算法。