【正文】 是別和計算機視覺研究中的一個重要領域，在邊防安全、視頻監(jiān)控、身份驗證等方面有重要的應用價值。本人完全意識到本聲明的法律后果由本人承擔。 作 者 簽 名： 日 期： 指導教師簽名： 日 期： 使用授權說明 本人完全了解 大學關于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設計（論文）的印刷本和電子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務；學校可以采用影印、縮印、數字化或其它復制手段保存論文；在不以贏利為目的前提下，學校可以公布論文的部分或全部內容。 基于膚色的人臉檢測算法研究 畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。 作者簽名： 日 期： 學位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。 作者簽名： 日期： 年 月 日 學位論文版權使用授權書 本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交 論文的復印件和電子版，允許論文被查閱和借閱。人臉檢測是快速、準確識別人臉的前提，其目的是將人臉從圖像背景中檢測出來。運行結果表明，此算法對不同圖片有比較強的適應性，對姿態(tài)與表情魯棒性好，能夠比較準確地檢測出人臉的位置。 Complexion model。人臉檢測系統的輸入是可能包含人臉的圖像，輸出是關于圖像中是否存在人臉以及人臉的數目、位置、尺度、位姿等信息的參數化描述（ 1）。要完成自動人臉識別，首要條件是找出人臉，即人臉檢測是完成人臉自動識別任務的第一步，它是自動人臉識別技術的基礎，對自動人臉識別系統的速度、精度都起重要作用。 隨著網路技術和桌上視頻的廣泛應用，圖像撲捉設備正在成為個人計算機的標準外設，為視頻會議等服務所急需的技術 —— 基于內容的壓縮與檢索成為一個研究熱點。 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 人臉檢測技術之所以能在當今計算機視覺領域的研究中占有重要的地位并成為研究焦點，主要在于以下兩個方面：一方面，將人臉作為基本對象來考慮，自動檢測與定位人臉是實現人臉識別、人臉跟蹤、表情識別、人臉合成與人臉編碼、唇讀等技術的必要前提；另一方面，人臉檢測技術有著從智能安全 監(jiān)控、電子商務、視頻會議和遠程教育、基于內容檢索等諸多領域的廣泛應用價值。因此，如果能找到解決這些問題的方法，成功構造出人臉檢測系統，將為其他具有類此特征和模式的檢測問題提供重要的啟示。 人臉檢測技術的國內外研究現狀 人臉檢測問題是計算機視覺領域中的重要問題，最初作為人臉自動識別系統的定位環(huán)節(jié)被提出，近年來由于其在安全訪問控制、視覺監(jiān)測和新一代人機界面等領域的應用價值，開始作為一個獨立的課題受到研究者的重視。此外，隨著人臉檢測研究的深入，國際上發(fā)表的有關論文數量也大幅度增長，如 IEEE 的 FG、 ICIP、 CVPR 等重要的國際會議上每年都有大量的關于人臉檢測的論文，占有關人臉研究論文的 1/3 之多。 基于膚色模型的區(qū)域分割 區(qū)域是一個彼此互相連通的具有一致意義屬性的像素集合，是一種方便的圖像中層符號描述，是目標模型化以及高層理解的基礎。 基于模板匹配的人臉檢測 在分割出的膚色區(qū)域中，使用平均雙眼和平均人臉模板匹配加人工神經網驗證的方法，在一定尺度范圍內進行窮舉搜索，精確定位出人臉，其中為了減少錯誤報警，使用了雙神經網仲裁方法。概括地說，我們的方法是基于樣本的機器學習方法，具有較強的魯棒性，而且通過適當地增加樣本容量可以進一步提高檢測性能，具有較好的可擴展性。 人臉檢測的一般方法 基于灰度特征的人臉檢測 基于特征的人臉檢測方法是通過檢測出不同的人臉面部特征的位置，然后根據他們之間的空間幾何關系來定位人臉?；谥R的方法是利用對人臉的先驗知識導出的規(guī)則來進行人臉檢測的。基于局部特征的方法首先在整個圖像中搜索 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 一組人臉局部特征，然后通過它們之間的幾何關系組合成候選的人臉區(qū)域。采用這種檢測模式的理論依據是：人臉具有統一的結構模式（都是由眉毛、眼睛、鼻子和嘴唇等人臉器官構成），如果把所有的圖像集看作一個高維線性空間，那么整個人臉圖像僅對應于其中的某個子空間。具體分類器的實現可以采用不同的策略，如采用神經網絡的方法和傳統的統計方法等。 以上每一種基于灰度特征的人臉檢測方法都有各自的優(yōu)缺點。 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 基于膚色特征的人臉檢測 膚色是人臉的重要信息，不依賴與面部細節(jié)特征的變化而變化，對于旋轉、表情變化等情況都能適用，具有相對的穩(wěn)定性，并且和大多數背景物體的顏色相區(qū)別。膚色模型一般采用實驗的方法，通過大量“膚色”與“非膚色”像素在相應顏色空間中的聚類特性分析來建立。大部分彩色圖像的人臉檢測，都利用了膚色特征和灰度特征的綜合，如基于膚色和模板的人臉檢測，基于膚色和主元分析的人臉檢測，基于顏色和形狀的人臉檢測等等。 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 第二章 算法理論與實現原理 對于有關彩色視覺系統的設計開發(fā)而言，研究顏色是相當重要的。在數字圖像中利用彩色信息可以提高圖像的可鑒別性，使圖像更容易辨認，目標更容易識別。當然，各種顏色空間只不過是顏色在計算機中不同的表達而已，每一種顏色空間都有各自的產生背景、應用領域等。 我們非常熟悉的計算機屏幕的顯示通常采用 RGB 色彩系統，這是最常見的色彩系統。 YCbCr 其中 Y是指亮度分量，Cb 指藍色色度分量，而 Cr指紅色色度分量。具體來說 YCbCr顏色空間模型具有如下的優(yōu)點： （ 1） YCbCr 色彩格式具有與人類視覺感知過程相類似的構成原理。 它與 RGB 顏色空間的具體轉換關系如下： RGB 顏色空間向 YCbCr 顏色空間轉換的公式： 65 . 48 1 12 8. 53 3 24 .96 6 161= 37 . 79 7 74 . 20 3 11 2 12 8256 11 2 93 . 78 6 18 . 21 4 12 8YRC b GC r B? ? ? ? ? ? ? ?? ? ? ? ? ? ? ??? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? 公式一 YCbCr 顏色空間向 RGB 顏色空間轉換的公式： 0 161 128256 0 128RYG C bB C r?? ? ? ? ? ?? ? ? ? ? ?? ? ?? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ? ? 公式二 HSV 顏色空間 在許多實用系統中，大量應用的是 HSV 模型，這個模型是由色調（ H）、飽和度（ S）和亮度（ V）三個分量組成的，與人的視覺特性比較接近。 V 表示色彩的明亮程度 ， 它和光強度之間沒有直接的聯系。 若 r=max(r,g,b)和 g=min(r,g,b)時， h=1g39。 若是其他情況時， （ 39。 通過訓練樣本集建立膚色模型是膚色檢測的關鍵， 常用的膚色模型有單峰高斯模型、混合高斯模型和直方圖模型。除了上述三種膚色模型外，還有直接利用幾何參數描述膚色區(qū)域分布范圍的模型、三維投影模型、基于神經網的膚色模型等。因此，對于一幅新的圖像，如果某個像素或區(qū)域滿足給定的條件就為膚色像素或區(qū)域，否則就是非膚色像素或區(qū)域。 高斯分布模型 高斯密度函數估計是一種參數化的建模方法，可以分為單峰高斯模型和混合高斯模型。單峰高斯模型相對區(qū)域模型來說能更好的表示膚色的分布，因此它的膚色檢測率也較高，并且模型的參數也易于計算，但是速度較區(qū)域模型慢。 混合高斯模型 由于單峰高斯分布具有其局限性，不同種族的膚色直方圖并不完全滿足單峰高斯分布，卻可以采用多峰的高斯分布來精確表示，因此提出了混合高斯模型。這種模型相對于前面兩種模型來說，膚色檢測率要高得多，誤檢率也小得多，但是模型的確定（模型的參數估計）較難 ，速度較慢，不適用于快速膚色檢測。 直方圖模型 直方圖膚色模型是一種非參數化的模型，通過對膚色直方圖的統計，然后利用閾值來進行 判別。 區(qū)域分割理論 利 用膚色模型對膚色進行分割 主要 分為兩個階段 :模型建立 和 模型運用。因此 ，我們在區(qū)域分割中引入了“顏色一致性”的判別準則。 YXI 中由左至右、由上至下掃描，直至找到 3 個連續(xù)的未搜索過的膚色點 ),( intint39。 （ 3） 在 ),( intint39。 （ 5） 若（ 3）、（ 4）步中均未搜索到符合條件的膚色點，轉步驟（ 6），否則根據 crX和 curY 對 newR 進行相應的調整，令 ,1YY) / 2 ,X(X c u rc u rclcl ????c u rX 轉步驟（ 3）。 （ 2） 用技術把連接到一起的皮膚區(qū)域分開。 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 經過上述步驟后，每個連接起來的膚色區(qū)域都是一個候選的面部區(qū)域。 R、 G、 B 三基色不僅代表顏色，還表示了亮度，由于周圍環(huán)境光照的改變引起亮度變化會使人臉檢測更復雜，這樣的條件下，直接利用 RGB 空間聚類進行膚色檢測是不可靠的。在該空間下，膚色區(qū)間滿足77Cb127 并且 133Cr173， 其中 Cb、 Cr、分別是 這兩 個顏色通道的像素值。 第四章 人臉檢測的實驗仿真及結果 MATLAB 簡介 MATLAB 是一種用于算法開發(fā)、數據可視化、數據分析以及數值計算的高級技術計算語言和交互式環(huán)境。 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 在 file\New\Mfile 建立 m文件，在 file\New\Model 建立模型文件。 （ 3） 若像素值滿足以下條件： R95， G40， B20， max(R,G,B)min(R,G,B)15，且|RG|15， RG,RB，則該像素標定為白色，就是人臉區(qū)域；若不滿足像素標定位黑色，是非人臉區(qū)域。 （ 3） 對每一像素，根據公式將 RGB 轉換到 YCbCr 空間下，計算 Cb、 Cr 值。 （ 3）對每一像素，根據公式將 RGB 轉換到 HSV空間下，計算 H 分量值。在許多實用系統中，大量應用的是 YCbCr 模型和 HSV 模型，我們可以通過轉化公式，把 RGB 模型轉化為 YCbCr 模型和 HSV模型，從而保證對輸入彩色圖像準確地分類膚色和非膚色區(qū)域。 第五章 結論及展望 結論 人臉檢測是指在圖像或視頻流中確定人臉位置、大小的過程，其應用背景遠遠超出了人臉識別系統的范疇，近年來，由于人臉檢測在安全監(jiān)視、基于內容的圖像檢索等領域的潛在應用價值，人臉檢測已成為一個獨立課題并受到眾多研究者的普遍重視。 實驗測試結果可以表明，本文提出的基于膚色的人臉檢測具有快速、姿態(tài)非敏感的強大優(yōu)勢，同時也有該算法帶來的局限，與人臉相連的裸露的脖子會被視為人臉區(qū)域。在人臉檢測中常用的模型是 YCbCr 模型和 HSV 模型，它們能夠很好地區(qū)分膚色與非膚色的區(qū)域，有利于結果的準確性。例如，目前在公安方面，我國公安機關開展的“網上追逃”斗爭，運用了網上掛牌督捕的方法，把逃犯的照片、身份證、特征資料上網發(fā)布，各地抓捕到的犯罪嫌疑人通過網上查詢、比較，可以確定其是否為網上通緝逃犯?；诨叶鹊膫鹘y人臉檢測，灰度信息量有限，易導致漏檢或虛警，且算法的靈活性較差，多數只能針對正面端正的人臉。 放眼未來，我們可以想象的空間和我們可以用來發(fā)展的空間是很大的，比如說軍事上的應用，基于膚色的人臉實時跟蹤，未來戰(zhàn)爭機器人目標識別，就是要利用人臉檢測來發(fā)現目標，從而實施軍事行動。所幸的是，各個學科的不斷交叉融合，新方法和新思路層出不窮，計算機的信息處理能力大大加強，這些都為最終解決問題奠定了基礎，只要長期堅持不懈地努力研究，充分利用各個學科的成果，人臉檢測的自動化、智能化處理時代必將到來。E:\我的照片 \39。 %獲取顏色分量 g fb=face1(:,:,3)。 %顯示 b分量 [m,n]=size(fr)。 fg(x,y)40 amp。 (max([fr(x,y),fg(x,y),fb(x,y)])min([fr(x,y),fg(x,y),fb(。 fb(x,y)20amp。 logic=fr(x,y)95 amp。 %顯示 r分量 subp