【正文】 為人們關(guān)注的熱點(diǎn)，各國也紛紛增加了對該領(lǐng)域研發(fā)的投入，其應(yīng)用也非常廣泛。 幾種人臉檢測方法對比 基于形狀的檢測方法 人臉的形狀特征是指人類面部器官在幾何上表現(xiàn)的特征，這里分別介紹兩 種主要的方法。 （ 1）基于先驗(yàn)知識的方法 基于先驗(yàn)知識的方法是將人臉面部器官之間的關(guān)系編碼化的人臉檢測方法。該方法是一種 自頂向下的方法，依據(jù)人臉面部器官的對稱性、灰度差異等先驗(yàn)知識，制定出一系列準(zhǔn)則。當(dāng)圖像中的待測區(qū)域符合準(zhǔn)則，則檢測為人臉。自頂向下的方法能夠較好地把握全局信息，但是缺點(diǎn)在于對初始位置的定位非常重要，一旦出現(xiàn)偏差，將導(dǎo)致整體跟蹤結(jié)果的偏移和變形。目前比較好的方法有鑲嵌圖人臉分塊方法、 3 3 的廣義三分圖方法、結(jié)合3 3 和 4 4 的分塊方法。分塊的思想在于根據(jù)每塊的灰度值制定準(zhǔn)則進(jìn)行判定。例如將系統(tǒng)分為三級，利用不同精度的平均和二次采樣產(chǎn)生三級不用分辨率的圖像。針對不同分辨率的圖像的準(zhǔn)則進(jìn)行判定，低分辨率圖像的準(zhǔn)則 主要體現(xiàn)人臉的大體輪廓，高分辨率圖像的準(zhǔn)則主要體現(xiàn)人臉的細(xì)節(jié)特征。 （ 2）基于模板的方法 基于模板的方法可以分為兩類：預(yù)定模板和變形模板。預(yù)定模板方法首先制定出標(biāo)準(zhǔn)的模板，然后計(jì)算檢測區(qū)域和模板的相關(guān)值，當(dāng)相關(guān)值符合制定的準(zhǔn)則就判斷檢測區(qū)域?yàn)槿四樧冃文０迨紫戎贫ǔ瞿０鍏?shù)，然后根據(jù)檢測區(qū)域的數(shù)據(jù)對參數(shù)進(jìn)行修改直至收斂，以達(dá)到檢測出人臉面部器官位置的目的?，F(xiàn)有比較好的方法有層次模板匹配方法、多模板匹配方法、主動性狀模型、主動表觀模型等。 基于統(tǒng)計(jì)理論的檢測方法 基于統(tǒng)計(jì)理論的人臉檢測是利用統(tǒng)計(jì)分析與機(jī)器學(xué)習(xí)的方法來尋找出人臉樣本與非臉樣本各自的統(tǒng)計(jì)特征，在使用各自的特征構(gòu)建分類器并使用分類器完成人臉檢測?；诮y(tǒng)計(jì)特征的人臉方法主要有：子空間方法、神經(jīng)網(wǎng)絡(luò)方法、支持向量機(jī)方法、隱馬爾可夫模型方法以及 Boosting 方法。其中最成熟的方法是 AdaBoost 方法。 本系統(tǒng)研究內(nèi)容 及技術(shù)方案 本系統(tǒng)主要對人臉的檢測與定位做了深入研究 ，人臉識別作為模式識別的一種，一般可以分為人臉檢測及定位，人臉特征提取技術(shù)和人臉對比確認(rèn)識別。 構(gòu)思運(yùn)用人臉檢測及定位技術(shù)包括閾值分割，特征點(diǎn)提取技術(shù)等設(shè)計(jì)一個(gè)系統(tǒng)，系統(tǒng)主要實(shí)現(xiàn)人臉圖像相似度處理，圖像二值化，濾波去噪；對人臉圖像進(jìn)行水平方向和垂直方向求直方圖；用方框標(biāo)記出人臉區(qū)域；對人臉區(qū)域進(jìn)行邊緣提?。桓鶕?jù)邊緣提取結(jié)果、人臉先驗(yàn)知識及膚色標(biāo)記眼睛特征點(diǎn)；根據(jù)人臉先驗(yàn)知識與膚色特征標(biāo)記出嘴巴鼻子特征點(diǎn)等功能。 其具體步驟如下： 。 。 。 。 。 的識別與定位 2. 圖像預(yù)處理技術(shù) 為了實(shí)現(xiàn)檢測方法的魯棒性，我們要考慮監(jiān)測對象 在各種復(fù)雜的背景中，不同的 方向、角度、尺度等情況下所展現(xiàn)出來的不同表象，而采集照片時(shí)特別是光照條件包括光源的方向、明暗、色彩等都會對圖像的效果產(chǎn)生很大的影響，進(jìn)而影響我們對檢測目標(biāo)的識別。所以我們需要對圖像進(jìn)行預(yù)處理。 BMP 圖像文件 BMP 位圖文件格式是 Windows 系統(tǒng)交換圖像數(shù)據(jù)的一種標(biāo)準(zhǔn)圖像文件存儲格式， 是一種與硬件設(shè)備無關(guān)的圖像文件格式，使用非常廣。它采用位映射存儲格式，除了圖像深度可選以外，不采用其他任何壓縮，因此， BblP 文件所占用的空間很大。 BMP 文件的圖像深度可選 lbit、 4bit、 8bit 及 24bit。 BMP 文件存儲數(shù)據(jù)時(shí)，圖像的掃描方式是按從左到右、從下到上的順序。 由于 BMP 文件格式是 Windows 環(huán)境中交換與圖有關(guān)的數(shù)據(jù)的一種標(biāo)準(zhǔn)， 在 Windows環(huán)境下運(yùn)行的所有圖像處理軟件都支持這種格式。 Windows 以前的 BMP 位圖文件格式與顯示設(shè)備有關(guān)，因此把它稱為設(shè)備相關(guān)位圖（ Devicedependent Bitmap, DDB）文件格式。Windows 以后的 BMP 位圖文件格式稱為設(shè)備無關(guān)位圖（ Deviceindependent Bitmap, DIB ）格式，目的是為了讓 Windows 能夠在任何類型的顯示設(shè)備上顯示 BMP 位圖文件。 BMP 位圖文件默認(rèn)的文件擴(kuò)展名是 bmp。 BMP 位圖文件是由 4 個(gè)部分組成：位圖文件頭（ Bitmapfile Header）、位圖信息頭（ Bitmapinformation Header）、調(diào)色板（ Palette）和像素?cái)?shù)據(jù)（ Image Data）。如圖所示。 位圖文件頭 位 圖 信 息 位圖信息頭 調(diào)色板數(shù)據(jù) 像素?cái)?shù)據(jù) 圖 21 圖像的相似度計(jì)算 圖像相似度計(jì)算主要用于對于兩幅圖像之間內(nèi)容的相似程度進(jìn)行打分 ， 根據(jù)分?jǐn)?shù)的高低來判斷圖像內(nèi)容的相近程度。 要計(jì)算圖像的相似度，必須要 找出圖像的特征。這樣跟你描述一個(gè)人的面貌：國字臉，濃眉，雙眼皮，直鼻梁，大而厚的嘴唇。這些特征決定了這個(gè)人跟 同事、朋友、家人的相似程度 。圖像也一樣，要計(jì)算相似度，必須抽象出一些特征比如藍(lán)天白云綠草。常用的圖像特征有顏色特征、紋理特征、形狀特征和空間關(guān)系特征等。顏色特征的算是最常用的，在其中又分為直方圖、顏色集、顏色矩、聚合向量和相關(guān)圖等。直方圖能夠描述一幅圖像中顏色的全局 分布，而且容易理解和實(shí)現(xiàn)，所以入門級的圖像相似度計(jì)算都是使用直方圖。 圖像的相似度比較的大致實(shí)現(xiàn)步驟： 1. 將圖像轉(zhuǎn)換成相同大小，以有利于計(jì)算出相像的特征 2. 計(jì)算轉(zhuǎn)化后的灰度，二值 3. 利用相似度公式，得到圖像相似度的定量度量 4. 統(tǒng)計(jì)相似度結(jié)果數(shù)據(jù) 相似度公式： Sim(G,S) = 1??∑ .1 ? |gi?si|Max(gi,si)/Ni=1 23 二值化技術(shù) 二值圖像也就是只具有兩個(gè)灰度級的圖像，他是數(shù)字圖像的一個(gè)重要子集。一個(gè)二值圖像（如一個(gè)剪影像或一個(gè)輪廓圖）通常是由一個(gè)圖像分割操作產(chǎn)生的。如果初始的分割不夠 令人滿意，對二值圖像的某些形式的處理通常能提高其質(zhì)量。 一個(gè)有效的二值圖像處理運(yùn)算集是從數(shù)學(xué)形態(tài)學(xué)下的集合輪方法發(fā)展起來的。盡管它的基本運(yùn)算很簡單，但它們和它們的推廣結(jié)合起來可以產(chǎn)生復(fù)雜得多的效果。并且，它們適合于用相應(yīng)的硬件構(gòu)造查找表的方式，實(shí)現(xiàn)快速的流水線處理。這種方法通常用于二值圖像，但也可以擴(kuò)展到灰度級圖像的處理。 在通常情況下，形態(tài)學(xué)圖像處理意在圖像中移動一個(gè)結(jié)構(gòu)元素并進(jìn)行一種類似于卷積操作的方式進(jìn)行，像卷積核一樣， 結(jié)構(gòu)元素可以具有任意的大小，也可以包含任意的 0 與1 的組合。在每個(gè)像素位置，結(jié)構(gòu)元素核與在它 下面的二值圖像之間進(jìn)行一種特定的邏輯運(yùn)算。邏輯運(yùn) 算的二進(jìn)制結(jié)果存在輸出圖像中對應(yīng)于該像素的位置上。產(chǎn)生的效果取決于結(jié)構(gòu)元素的大小、內(nèi)容及邏輯運(yùn)算的性質(zhì)。 圖像的二值化一般按下面公式進(jìn)行： gb(x,y) = {255,g(x,y) = ??0,g(x,y) ?? 23 g(x,y)是原圖像中位于 (x,y)處像素的像素的灰度， gb(x,y)是二值化后該處的像素值，它只能取 1（白）或 0（黑）。 二值化后的人臉圖像中，數(shù)字為 0 的部分為背景，數(shù)值為 1 的部分表示人臉， T 是用于二值化處理的閾值。直方圖閾值處理是二值化常用方法。 直方圖 直方圖又稱灰度直方圖，是圖象處理中一種十分重要的圖像分析工具，它是用來表示是圖像各個(gè)灰度級的分布圖像，任何一幅直方圖都包含了豐富的信息。 從數(shù)學(xué)上來說圖像直方圖是圖像各個(gè)灰度值統(tǒng)計(jì)特性與圖像灰度值的函數(shù)，它統(tǒng)計(jì)了一幅圖像中各個(gè)灰度級出現(xiàn)的次數(shù)和概率。 下面是對圖 23 進(jìn)行相似度計(jì)算而后得到 24 再進(jìn)行二值化得到 25 23 24 25 在第一章緒論中已經(jīng)介紹許多種現(xiàn)有的人臉檢測算法，若以檢測過程中是否利用了色彩或膚色信息，我們可以分為基于彩色信息的人臉檢測算法、基于灰度信息的人臉檢測算法以及彩色信息與灰度信息相結(jié)合的人臉檢測算法；在彩色信息與灰度信息相結(jié)合的人臉檢測算法中，我們又可以根據(jù)如何應(yīng)用膚色信息這一角度在進(jìn)行細(xì)分：例如，可以分為膚色信息作為前期與處理的方法、膚色信息作為后期驗(yàn)證的方法等。 經(jīng)過詳細(xì)周密的考證，我們的系統(tǒng)采用基于膚色的人臉檢測算法。 人臉的膚色不依 賴于面部的其他特征，對于人臉姿態(tài)和表情的變化不敏感，具有較好的穩(wěn)定性，而且明顯區(qū)別于大多數(shù)背景物體的顏色。大量實(shí)驗(yàn)證明，不同膚色的人臉對應(yīng)的色調(diào)是比較一致的，其區(qū)別主要在于灰度。因此，為了進(jìn)行人臉檢測，這里采用人臉膚色作為識別人臉的特征即采用基于膚色法進(jìn)行人臉識別。為了準(zhǔn)確進(jìn)行人臉膚色識別，首先將人臉圖像從 RGB 顏色空間映射到 YCbCr 顏色空間，然后建立膚色模型并求得相似度矩陣，最后用相似度矩陣中的最大值對相似度矩陣進(jìn)行歸一化，該歸一化矩陣將用于后續(xù)人臉檢測。 色彩空間與色彩空間的聚類 歸一化 RGB 顏色空間 在 RGB 顏色空間中，三個(gè)顏色分量 R、 G、 B 不但表示各自的色彩，也包含了各自的亮度分量。研究表明，如果圖像中的兩個(gè)像素點(diǎn) [R、 G、 B]和 [R′、 G′、 B′]對應(yīng)成比例且比值不等于 1，如式 311 所示。則表明兩個(gè)像素色彩相同，其不同則體現(xiàn)在亮度上。 R R′ = G G′ = B B′ ≠ 1 因此，在色度空間中除去亮度分量，即形成膚色空間，得到歸一化的 RGB 顏色空間。如式（ 312） *rgb+ =[ 1R+G+B 0 00 1R+G+B 00 0 1R+G+B] [RGB] 312 由于 r+g+b=1，從未忽略了任何一個(gè)變量，經(jīng)過上述變換其中二維都是獨(dú)立的，大大減少了亮度分量的影響，相當(dāng)于將三位的 RGB 空間降低成二維的 rg 空間。 HSV 顏色空間 HSV 顏色空間在視覺上是均勻的，與人類的視覺特性有很好的一致性。如果去掉其亮度分量 V，使用 H 和 S 分量對圖像進(jìn)行膚色分割，也可以得到很好的效果，但是它也有很大的不足： (1) 三個(gè)分量 H、 S、 V 是由三基色 R、 G、 B 經(jīng)過非線性變換得到的，因此計(jì)算復(fù)雜度高，計(jì)算效率較低。 (2) HSV 顏色空間中存在著奇異點(diǎn)，即色度點(diǎn)在 V 軸上時(shí)，其 S 值為零，而 H 沒有定義 。而且在奇異點(diǎn)附近 R、 G、 B 值的較小變化就會引起 H、 S、 V 值的較大變化。飽和度 S越小，顏色越淺時(shí)，色調(diào) H 值越不穩(wěn)定。 圖 331 YCbCr 顏色空間 YCbCr 顏色空間的 Y 亮度分量和色度分量 Cb 與 Cr 基本分離，比較適合膚色聚類。除此 YCbCr 顏色空間還顯示了其他一些良好的特性： (1) 該空間具有與人類視覺感知過程相類似的構(gòu)成原理。 (2) YCbCr 色彩空間被廣泛地應(yīng)用在電視顯示等領(lǐng)域中，也是許多視頻壓縮編碼，如MPEG