【正文】 圖象數(shù)據(jù)寬度； int x， int y 圖象數(shù)據(jù)中的點(diǎn)（ x， y）； int dir_long 要?jiǎng)h除的點(diǎn)的個(gè)數(shù)； 在函數(shù)中定義了變量 x y1 來(lái)對(duì)各點(diǎn)進(jìn)行判斷，其初始化為 x、y，通過(guò)變量 i 控制循環(huán)。如果 dir 與本次判斷一致，則變量dir_long 加一。算法通過(guò)函數(shù) Del_cur 和函數(shù) Serch_cur 來(lái)實(shí)現(xiàn) ，算法流程圖如下圖 35所示。 函數(shù)的輸入?yún)?shù)說(shuō)明如下： unsigned char *pUnchEdge – 對(duì)圖像中曲線進(jìn)行搜索處理過(guò)的圖象數(shù)據(jù) unsigned char *pUnchImage 記錄圖像中各點(diǎn)所在曲線編號(hào)的數(shù)據(jù) int nWidth 圖象數(shù)據(jù)寬度 int x， int y 圖象中 所要 要?jiǎng)h除曲線的一個(gè)端 點(diǎn)坐標(biāo) 函數(shù)中定義（ x1,y1）來(lái)對(duì)曲線上個(gè)點(diǎn)進(jìn)行刪除處理，算法流程圖如圖 36 所示。 函數(shù)的輸入?yún)?shù)說(shuō) 明如下： unsigned char *pUnchEdge 經(jīng)過(guò)邊緣檢測(cè)后的圖象數(shù)據(jù) unsigned char *pUnchImage 該數(shù)組用于 記錄圖像中 各 點(diǎn)所在曲線 序 號(hào) int nWidth 圖象數(shù)據(jù)寬度 int x， int y 要搜索曲線的起始點(diǎn)坐標(biāo) 開(kāi) 始（ x 1 , y 1 ） 初 始 化 為 （ x , y ）將 點(diǎn) ( x , y ) 置 為 0并 將 其 曲 線 編 號(hào) 置 為 0（ x 1 , y 1 ） 為 曲 線最 后 一 個(gè) 點(diǎn) ？將 ( x 1 , y 1 ) 移 到 曲 線 下 一 個(gè) 點(diǎn)結(jié) 束是否 開(kāi) 始將 （ x 1 , y 1 ） 初 始 化 為 （ x , y ）記 錄 點(diǎn) （ x 1 , y 1 ） 所 在 曲 線（ x 1 , y 1 ） 移 到 曲 線 下 一 個(gè) 點(diǎn)曲 線 長(zhǎng) 度 s i z e 加 一點(diǎn) ( x 1 , y 1 ) 是 曲 線 最后 一 個(gè) 點(diǎn) ？s i z e 曲 線 閾 值m i n _ s i z e ？調(diào) 用 D e l _ c u r 將 該 曲 線 刪 除返 回 s i z e 值s i z e 置 為 0結(jié) 束是是否否int cur_num 該條曲線序號(hào) int min_size 曲線長(zhǎng)度閾值 ,默認(rèn)值取 20 Serch_cur 函數(shù) 數(shù)據(jù)類型 定義為 整形，返回值為曲線長(zhǎng)度 size。弦箭算法就是 利用 弦 兩點(diǎn)間的垂直平分線 近似 代替 弦所跨曲線的 法線，依次對(duì)各條曲線進(jìn)行 投票 累加 ，算法主要通過(guò) xj 函數(shù)來(lái)實(shí)現(xiàn) 。 圖 38 弦箭算法 流程圖 開(kāi) 始( x 1 , y 1 ) 初 始 化 為 圖 像 第 一 個(gè) 點(diǎn)( x 1 , y 1 ) 是 圖 像最 后 一 個(gè) 點(diǎn) ？( x 1 , y 1 ) 是 某 條曲 線 起 始 點(diǎn) ？依 次 查 找 曲 線 上 其 它 各 點(diǎn) ，將 坐 標(biāo) 序 列 存 入 數(shù) 組 c u r調(diào) 用 x j 函 數(shù) 對(duì) 該 條 曲 線 應(yīng) 用弦 箭 算 法 來(lái) “ 繪 制 ” 箭將 c u r 中 數(shù) 據(jù) 按 點(diǎn) 逆 置調(diào) 用 用 x j 函 數(shù) ， 實(shí) 現(xiàn) 反 向 跨 步否是( x 1 , y 1 ) 移 到 下 一 個(gè) 點(diǎn)否是結(jié) 束 圖 39 xj函數(shù)流程圖 xj 函數(shù)主要實(shí)現(xiàn) 對(duì)曲線進(jìn)行弦箭累加計(jì)算， 完成跨步和箭的“繪制”。 對(duì)于第二種特殊情況，在判斷弦與曲線有無(wú)交點(diǎn)時(shí)，我們從曲線上固定點(diǎn)開(kāi)始，依次將所跨曲線上的點(diǎn)代入弦所在直線方程，如果某點(diǎn) C 滿足方程， C即弦與曲線的交點(diǎn)，就將固定點(diǎn)移到 C 點(diǎn)繼續(xù)跨步。k00||e0amp。k00||e0amp。 該 函數(shù) 算法 流程圖如圖 39 所示 。如果 D125，則令D1=25，也就是說(shuō)是最小人臉 2D=50個(gè)象素的寬度一半。 第四章 實(shí) 驗(yàn)檢測(cè) 與分析 1 圖像測(cè)試集 本文 在 BIOID人臉圖像庫(kù) 的前 100張中間隔選取了 50張 人臉圖像作為測(cè)試集。 3 評(píng)估準(zhǔn)則 為了衡量算法確定的人臉估計(jì)區(qū)域的 準(zhǔn)確率和效率 ， 這里 定義三個(gè)評(píng)估指標(biāo) : (1) 檢測(cè)率λ λ＝ R/N (41) 其中 N 是 測(cè)試集中的圖像總數(shù)，對(duì) BIOID 圖像集則 N＝ 1521，本文中 N＝ 50； R 代表本文算法成功估計(jì)出來(lái)人臉主要特征（眼睛 或嘴 ）的位置的圖像個(gè)數(shù)，具體地說(shuō)，就是兩只眼睛瞳孔 或者嘴巴 在所估計(jì)的區(qū)域 ? 內(nèi)的圖像個(gè)數(shù)。運(yùn)環(huán)境為： PC , Visual C++ 程序。因此，我們確定在選擇最佳參數(shù)時(shí)所考慮的次序：首先是λ，其次 h，最后才考慮平均運(yùn)算時(shí)間 t。例如，本文所采用的過(guò)程： (1) 先使 t=3， a=3 和 Δ S=3，將參數(shù) p 從 2 到 20 變化 ,每次改變都對(duì) 樣本 中所有的圖像都測(cè)試一遍，并比較測(cè)試評(píng)估結(jié)果。 檢測(cè)率在Δ S=3 時(shí)最大，所以 應(yīng)該選擇 Δ S=3。其中圖 (a)為圖像庫(kù)中第 幅圖像 ； 圖 (b)為 經(jīng)過(guò) canny 算子邊緣檢測(cè)的結(jié)果； 圖 (c)為 去除直線的結(jié)果； 圖 (d)為最后確定的人臉估計(jì)區(qū)域。圖 47 中各圖為選 取的本隊(duì) 學(xué)生 的幾張照片進(jìn)行實(shí)驗(yàn)的結(jié)果，這幾張照片也都正確估計(jì)出了人臉的大概區(qū)域位置。 （ 3） 對(duì)邊緣曲線的平滑性、連續(xù)性不敏感。 （ 2） 對(duì)背景中出現(xiàn)的較為明顯的 橢圓 形物體比較敏感。 對(duì) 樣本 實(shí)驗(yàn)結(jié)果， 說(shuō)明了 算法的正確率并沒(méi)有達(dá)到很高，而且在我的個(gè)人電腦上算法的運(yùn)算時(shí)間也不是很快，與王洪群博士 用 matlab 實(shí)現(xiàn) 的程序 相比，具有很大的差距。從 理論上 講 ，可以使圖像中的邊緣曲線更加連續(xù)，提高人臉估計(jì)的準(zhǔn)確率。 三、算法改進(jìn) 算法實(shí)現(xiàn) 過(guò)程中的不足，我們要進(jìn)行針對(duì)行的改進(jìn)。 通過(guò)本課題的學(xué)習(xí)，使得我進(jìn)一步學(xué)習(xí)了圖像處理、計(jì)算機(jī)視覺(jué)技術(shù)以及模式識(shí)別等領(lǐng)域的一些知識(shí)，并基本掌握 VC++的編程。 感謝的其他 教師 ，在畢業(yè)設(shè)計(jì)期間一直無(wú)私的輔導(dǎo)我們。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過(guò)的研究成 果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過(guò)的材料。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。本人授權(quán) 大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。 、圖表要求： 1）文字通順，語(yǔ)言流暢，書(shū)寫字跡工整，打印字體及大小符合要求，無(wú)錯(cuò)別字，不準(zhǔn)請(qǐng)他人代寫 2）工程設(shè)計(jì)類題目的圖紙，要求部分用尺規(guī)繪制，部分用計(jì)算機(jī)繪制，所有圖紙應(yīng)符合國(guó)家技術(shù)標(biāo)準(zhǔn)規(guī)范。 作者簽名： 日期： 年 月 日 導(dǎo)師簽名： 日期： 年 月 日 注 意 事 項(xiàng) （論文）的內(nèi)容包括： 1）封面（按教務(wù)處制定的標(biāo)準(zhǔn)封面格式制作） 2）原創(chuàng)性聲明 3）中文摘要（ 300 字左右）、關(guān)鍵詞 4）外文摘要、關(guān)鍵詞 5）目次頁(yè)（附件不統(tǒng)一編入） 6）論文主體部分：引言（或緒論）、正文、結(jié)論 7）參考文獻(xiàn) 8）致謝 9）附錄（對(duì)論文支持必要時(shí)） ：理工類設(shè)計(jì)（論文）正文字?jǐn)?shù)不少于 1萬(wàn)字（不包括圖紙、程序清單等），文科類論文正文字?jǐn)?shù)不少于 萬(wàn)字。本人完全意識(shí)到本聲明的法律 后果由本人承擔(dān)。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說(shuō)明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版 ，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。尤其感謝和 我同一組的鄭俊保同學(xué)， 幫助 轉(zhuǎn)換圖像的格式。 致 謝 三個(gè)月的畢業(yè)設(shè) 計(jì)很快就結(jié)束了，在畢業(yè)設(shè)計(jì)期間，導(dǎo)師王洪群博士給了我極大的幫助，從對(duì)算法的原理 講解 到編程實(shí)現(xiàn)，都給了我熱情的指導(dǎo)和 幫助，并不斷鼓勵(lì)我 ，尤其是在編程過(guò)程中遇到困惑和退卻情緒時(shí)，導(dǎo)師給了我耐心的講解和鼓勵(lì)， 不斷對(duì)我的算法提出改進(jìn)意見(jiàn)和建議 。 （ 4）結(jié)合算法的 后序應(yīng)用，對(duì)算法進(jìn)行改進(jìn)， 可以使得算法 有效 應(yīng)用 于 模式識(shí)別等更廣泛的領(lǐng)域。這使得圖像中的背景噪聲對(duì)結(jié)果干擾較大，是算法準(zhǔn)確率不高的一個(gè)重要原因 ，也是實(shí)驗(yàn)結(jié)果中參數(shù) p 對(duì)測(cè)試正確率影響不明顯的 一個(gè) 重要原因。 通過(guò)對(duì) 算法和 實(shí)驗(yàn)結(jié)果 的分析 ， 總結(jié)在 算法實(shí) 現(xiàn) 過(guò)程中，存在的 不足主要以下 兩 點(diǎn)： （ 1） 對(duì)圖像進(jìn)行降采樣的間隔 只為 1 個(gè)像素點(diǎn)，這是算法運(yùn)行時(shí)間不夠快的一個(gè)重要原因。 二、實(shí)驗(yàn)結(jié)果分析 本次對(duì)算法的測(cè)試實(shí)驗(yàn)對(duì)象主要以圖像庫(kù)中選取的樣本為主，圖像庫(kù)含有 1521 幅圖 像，我們 只 選取了其中的 50 張，因此只能在一定程度上 反映出 算法的實(shí)現(xiàn)效果 。 （ 5） 對(duì)背景中出現(xiàn)的噪聲邊緣不敏感。 λλλλ λh h hh ht t t t t0s1 s2 s3 s4 s5 (a)原 圖 (b)經(jīng)過(guò) canny算子檢測(cè)的 邊緣圖 (c) 去除直線的邊緣圖 (d)算法 估計(jì)區(qū)域 圖 45 弦箭算法的中 間過(guò)程示例 (a) (b) (c) (f) (g) (h) 圖 46 最終估計(jì)結(jié)果示例 圖 47 照片測(cè)試結(jié)果示例 7 對(duì) 算法 及實(shí)驗(yàn)結(jié)果的 分析 總結(jié) 一、算法原理分析 從 算法 的原理進(jìn)行 研究分析， 針對(duì)人臉檢測(cè)來(lái)說(shuō)， 本算法有如下幾個(gè)優(yōu)點(diǎn)： （ 1） 對(duì)不同大小的人臉，不存在參數(shù)縮放的問(wèn)題。前五幅圖都正確估計(jì)除了人臉位置區(qū)域， 可以看出，該算法有效 減少了后序算法的搜索區(qū)域。 5 算法中間結(jié)果示 例 為給算法的運(yùn)行原理及過(guò)程留下一些直觀印象，下面將計(jì)算中的一些中間結(jié)果作為示例。在圖 41 中， 隨著 p 的變化，正確率λ和縮減率 h 變化不是很大，考慮時(shí)間 t，所以先取 p=8； 圖 41 t=3， a=3和 Δ S=3 (2) 固定 p=8， a=3 和Δ S=3，將參數(shù) t 從 1 到 5 變化，同樣測(cè)試 樣本中 所有圖像，結(jié)果如圖 42 所示。上述過(guò)程，可以反復(fù)進(jìn)行。 我們希望所設(shè)置的參數(shù)使得檢測(cè)正確率越大越好， 縮減率和 平均運(yùn)算時(shí)間越小越好。 該定義主要是為了編程計(jì)算的方便，并不是嚴(yán)格的縮減效率，本文測(cè)試圖像 中的人臉區(qū)域大小相差不是很大， 因此我們 可以近似 采 T/S 作為圖像中的縮減效 率。 本文 編程沒(méi)有實(shí)現(xiàn)對(duì)圖像的批處理，所以在進(jìn)行實(shí)驗(yàn)時(shí)，僅 選取了 圖 像 庫(kù) 的 50 張圖像 樣本 作為 測(cè)試集 ，進(jìn)行檢測(cè) ，能夠在一定程度上達(dá)到實(shí)驗(yàn)效果 。之所以這樣估計(jì)，是根據(jù)能夠射向累 加和最大值區(qū)域 (εε )中的最長(zhǎng)的箭，其所屬曲線也必然最長(zhǎng)，最靠近外部，