【正文】 畢業(yè)設(shè)計(jì)論文 題目： 弦箭算法的 C 語言實(shí)現(xiàn) 內(nèi)容摘要 ： 靜態(tài)復(fù)雜 背景灰度圖像的人臉快速精確定位問題，是近年來迫切需要解決和完善的問題。王洪群等 教師 提出了一種橢圓弦箭算法，利用圖像 中 的邊緣 曲線 快速確定人臉位置區(qū)域 ， 縮小人臉檢測(cè)算法的搜索空間，以提高 人臉檢測(cè) 算法的速 度 與效率。本文主要 通過對(duì)橢圓特性的分析，說明 弦箭算法的原理 ， 并在 Microsoft Visual C++ 環(huán)境下利用 C 語言進(jìn)行編程 實(shí)現(xiàn) 。 索引關(guān)鍵詞 人臉檢測(cè) 邊緣 弦箭算法 Abstract: Locating human face in a single and gray level image with cluttered background remains a difficult problem and needs to be pleted or perfected in recent year. A novel ellipse arrow method using edge information of the image to location the area of face fast has put forward by Mr. wang and others. The method contract the space of the manhunt of the face detection, raise the speed and the efficiency of the face detection. The article introduce the theories of the ellipse arrow method through the analysis to the oval characteristic, and programme the method making use of the language of C under the Microsoft Visual C++ environments. Keywords: Face Detection Edge Ellipse The ellipse arrow method 目錄 第一章 緒論 ........................................................... 2 1引言 .......................................................... 2 2 弦箭算法地提出 ................................................ 2 3 弦箭算法的應(yīng)用 ................................................ 4 4 本文研究的主要內(nèi)容和成果 ...................................... 4 第二章 弦箭算法的原理 .................................................. 5 1 橢圓特性分析 .................................................. 6 2 弦箭累加算法的原理 ............................................ 7 第三章 弦箭算法的編程實(shí)現(xiàn) ............................................. 10 1 BMP圖像文件格式 ............................................. 10 2 本文編程環(huán)境 ................................................. 12 3 弦箭累加的編程實(shí)現(xiàn) ........................................... 13 第四章 實(shí)驗(yàn)檢測(cè)與分析 ................................................. 25 1 圖像測(cè)試集 ................................................... 25 3 評(píng)估準(zhǔn)則 ..................................................... 25 4 不同參數(shù)下的實(shí)驗(yàn)結(jié)果 ......................................... 26 5 算法中間結(jié)果示例 ............................................. 28 6 算法最終人臉區(qū)域估計(jì)結(jié)果示例 ................................. 28 7對(duì)算法及實(shí)驗(yàn)結(jié)果的分析總結(jié) .................................... 30 后 記 ................................................................... 32 致謝 ..................................................................... 32 參考文獻(xiàn) ................................................................. 32 弦箭算法的 C 語言實(shí)現(xiàn) 第一章 緒論 1 引言 人臉識(shí)別技術(shù)起源于上個(gè)世紀(jì)六十年代，發(fā)展到現(xiàn)在已經(jīng)有了四十多年的歷史，是當(dāng)前模式識(shí)別和人工智能 等 領(lǐng)域的一個(gè)重要 的研究課題。 人臉識(shí)別 作為一種重要的個(gè)人身份鑒別方法， 其 研究前景十分廣闊，無論 是 在商業(yè)還是法律仲裁領(lǐng)域 等 都擁有巨大的應(yīng)用空間 。 例如靜態(tài)領(lǐng)域中的醫(yī)學(xué)、檔案管理、刑偵破案、證件驗(yàn)證、入口控制；動(dòng)態(tài)領(lǐng)域中的人群監(jiān)控、視頻會(huì)議、人機(jī)交互系統(tǒng)等。 人臉識(shí)別 (Face Recognition)是 指 對(duì)一個(gè)輸入的圖像或視頻圖形，判斷 其 是否含有人臉 圖像， 如果存在人臉圖像 ,再進(jìn)一步判斷圖像中人臉的大小，位置，以及面部 各個(gè) 主要器官的位置。 再 從這些信息中提取人主要 的 身份信息 ， 將這些信息與數(shù)據(jù)庫中的信息 相 比較 ,從而得到人的 一些 授權(quán)信息。人臉識(shí)別技術(shù)的主要內(nèi)容 可分為為：輸入圖像 人臉檢測(cè) 人臉跟蹤 人臉比對(duì) 輸出結(jié)果 。 人臉識(shí)別首先要對(duì)輸入的圖像進(jìn)行人臉檢測(cè) 。 人臉檢測(cè) (Face Detection)，是指在既有的圖像中判斷是否存在人臉并 確定 人臉的位置、大小等相關(guān)信息 ，進(jìn) 一步提供人臉的 主要 特征 。人臉檢測(cè)作為人臉信息識(shí)別處理中的一項(xiàng)關(guān)鍵技術(shù)， 其 檢測(cè)效率的高低將直接影響到后續(xù)模塊的執(zhí)行效果 。 2 弦箭算法地提出 人臉檢測(cè)是一個(gè)復(fù)雜的具有挑戰(zhàn)性的模式檢測(cè)問題。圖像中的人臉往往隨光線的改變、位置的移動(dòng)、傾斜、旋轉(zhuǎn)和縮放等外部變化而變化，而且人臉內(nèi)部也具有復(fù)雜的變化，如表情、長(zhǎng)相、胡須、眼睛閉合、眼鏡等 。人臉的不確定性， 對(duì)人臉檢測(cè)算法的穩(wěn)定性和 魯棒性提出了更高的要求。 目前，研究人臉檢測(cè)的方法有很多，定位算法的精度 在 不斷提高，也更加復(fù)雜。各種人臉檢測(cè)算法中，精度及魯棒性好的算法，運(yùn) 算量都比較大，直接對(duì)圖像進(jìn)行計(jì)算，在時(shí)間上讓人難以忍受。 Adaboost 學(xué)習(xí)算法 是 目前最快的人臉檢測(cè)算法之一。 Boosting 是一種分類器融合算法。 Adaboost 學(xué)習(xí)算法通過對(duì)一些弱的分類器的組合來形成一個(gè)強(qiáng)的分類器。在 Adaboost 算法中，簡(jiǎn)單的分類算法被稱為弱學(xué)習(xí)算法。 Adaboost 算法通過一個(gè)迭代的訓(xùn)練過程來得到一個(gè)強(qiáng)的分類器。在第一次訓(xùn)練出一個(gè)弱分類器后，訓(xùn)練樣本的權(quán)重得到調(diào)整，從而使沒有被第一次訓(xùn)練出的弱分類器正確分類的樣本的權(quán)重增加。如此迭代下去，最終得到的分類器是對(duì)每次訓(xùn)練得到的弱分 類器的一個(gè)線性組合。由于 Adaboost 算法，要通過迭代訓(xùn)練將弱的分類器組合成強(qiáng)的分類器，其運(yùn)算很耗資源。在實(shí)際應(yīng)用中往往都是結(jié)合其他算法來提高運(yùn)算效率。 人臉的邊緣圖富含大量的人臉特征信息，許多學(xué)者利用這些邊緣信息來確定人臉的區(qū)域。大多數(shù)學(xué)者使用 Hough 變換來檢測(cè)人臉外邊緣，但如果用標(biāo)準(zhǔn)的 Hough 變換檢測(cè)人臉橢圓邊緣需要在一個(gè) 5維的參數(shù)空間做投票累加，這樣的計(jì)算量是難以忍受和不切實(shí)際的。Wang 和 Tan利用輸入圖像邊緣梯度向量和橢圓模型的邊緣梯度方向向量?jī)?nèi)積的大小來衡量匹配程度； Li 和 Roeder 在 預(yù)先確定的人臉區(qū)域內(nèi)使用簡(jiǎn)化的自適應(yīng) Hough 變換，檢測(cè)垂直的臉頰直線邊緣和下顎拋物線邊緣； Yuen 分成兩步檢測(cè)橢圓：利用橢圓邊緣上任意兩點(diǎn)的切線的交點(diǎn)和這兩點(diǎn)的連線的中點(diǎn)的連線必然經(jīng)過橢圓中心，首先確定橢圓的中心坐標(biāo)，再確定剩下的三個(gè)參數(shù)，雖然比標(biāo)準(zhǔn) Hough變換運(yùn)算量減少了不少，但運(yùn)算量仍很大。 人臉含有眾多的橢圓曲線邊緣，如外層、內(nèi)層頭發(fā)邊緣、嘴眼邊緣、耳朵邊緣、下顎邊緣等，且曲線凹向均指向人臉內(nèi)部。王洪群等人通過對(duì) 橢圓 曲線 的分析，提出的了一種特殊的橢圓弦箭累加算法。該算法 避免使用 Hough 變換等一些 耗時(shí)的算法， 具有大面積快速搜索的能力， 確定的搜索范圍較小， 可以快速確定人臉主要特征（人眼和嘴）所在的大致位置和區(qū)域 。 該算法利用圖像的邊緣快 速確定搜索空間，并在搜索空間內(nèi)使用虹膜網(wǎng)格采樣矩陣進(jìn)行紋理分析，采用在頻域中按指數(shù)增長(zhǎng)的分布方式設(shè)計(jì) Cabor 濾波器，進(jìn)一步提高了 Cabor 濾波器紋理分析效率，從而精確定位人眼和嘴。該算法復(fù)雜度適中，運(yùn)算量較小，定位精度較高，魯棒性好，有很大的實(shí)用價(jià)值。 3 弦箭算法的應(yīng)用 弦箭算法的提出是在對(duì)橢圓曲線 特性 分析的基礎(chǔ)上， 根據(jù)人臉邊緣中的橢圓曲線，來 快速準(zhǔn)確 地 確定人臉 大 概區(qū)域 位置。其原理主要是根據(jù)橢圓曲線的法線簇交點(diǎn)的包絡(luò)線位于橢圓內(nèi)部，從而確定橢圓大概區(qū)域，即人臉 大概 區(qū)域位置 。弦箭算法可以有效提高 當(dāng)前人臉檢測(cè)算法的檢測(cè)速度和檢測(cè)正確率，在人臉識(shí)別與跟蹤等領(lǐng)域有著重要的應(yīng)用。 從橢圓曲線的一般性來看，弦箭算法還有更加廣泛的應(yīng)用。 弦箭算法主要是利用圖像中人臉的邊緣曲線，快速確定搜索空間。實(shí)際上，任意一幅圖像，其確定的是圖像中類橢圓型形狀 物體的大概區(qū)域位置 。 所以 根據(jù)具體 實(shí)際應(yīng)用 ，通過對(duì)算法進(jìn)行改進(jìn)，在 此 基礎(chǔ)上結(jié)合其他算法，可以 有效實(shí)現(xiàn)對(duì)各種橢圓形物體的檢測(cè)。因此橢圓弦箭算法 在 計(jì)算機(jī)視覺技術(shù)，模式識(shí)別等領(lǐng)域 可以 實(shí)現(xiàn)更 加 廣泛的應(yīng)用。 4 本文研究的主要內(nèi)容和成果 本文的主要 內(nèi)容 是 對(duì) 弦箭算法 的原理 進(jìn)行分析與介紹，并用 C語言進(jìn)行 編程 ， 實(shí)現(xiàn) 應(yīng)用弦箭算法快速估計(jì)出人臉大概區(qū)域位置，以提高后序 人臉 算法的效率 。 弦箭算法是研究在二維圖像中檢測(cè)正面人臉的快速算法。 通過對(duì)橢圓曲線特性的分析，可以知道，在橢圓上等間隔做法線，當(dāng)橢圓長(zhǎng)短軸長(zhǎng)度相差不大時(shí)，橢圓法線簇包絡(luò)線的交點(diǎn)必在橢圓內(nèi)部，接近于橢圓中心。人臉含有眾多的橢圓邊緣曲線，其凹向大都指向人臉內(nèi)部， 如果對(duì)這些邊緣曲線做法線，進(jìn)行累加投票，其 累加和 最大峰值的位置必接近于人臉內(nèi)部，而 圖像 背景中邊緣曲線的凹向隨機(jī)性很大，累加和最大峰值出現(xiàn)的概率就非常小，從而 可以 確定人臉大概區(qū)域位置。 本文編程所使用的環(huán)境是 Microsoft Visual C++ ，用 C 語言編程實(shí)現(xiàn)弦箭算法。 對(duì)于 讀入的 圖像， 首先進(jìn)行 間隔采樣和 高斯濾波 ， 利用 Canny 算子 對(duì)濾波后的圖像 進(jìn)行 邊緣檢測(cè) ， 得到圖像中的邊緣曲線 。 再通過相應(yīng)的算法對(duì)圖像進(jìn)行預(yù)處理：割斷分叉的邊緣點(diǎn)，去除邊緣曲線中大于某一閾值的直線和長(zhǎng)度過短的曲線。進(jìn)而對(duì)剩下各條曲線依次應(yīng)用弦箭算法，在各點(diǎn)進(jìn)行累加 投票 ，并 記錄最大箭長(zhǎng)，根據(jù)累加和峰值和最大箭長(zhǎng)來確定人臉大概區(qū)域位置。 本文 研究弦箭算法的主要目的是快速估計(jì) 出 人臉大概位置區(qū)域，提高當(dāng)前人臉檢測(cè)算法的效率。本文在一個(gè)現(xiàn)有程序中編程嵌入弦箭算法，實(shí)現(xiàn)了對(duì)于給定一張 256 色的二值灰度圖像，快速估計(jì)出人臉大概位置區(qū)域， 估計(jì)出人臉圖像中眼睛 或