有關(guān)人臉檢測(cè)與識(shí)別算法的調(diào)研報(bào)告(文件)
【正文】 if pmx amp。 endendsubplot(2, 2, 4)。Position39。r39。title(39。, 39。利用人工閾值法將膚色與非膚色區(qū)域分開，形成二值圖像。進(jìn)一步分析可得兩眼，嘴部坐標(biāo)，以3點(diǎn)為基礎(chǔ)畫橢圓。clear all。)。cr=double(y(:,:,3))。 n=[ 。 endendz=p./max(max(p))。for i=1:a for j=1:b if(z(i,j)th) z(i,j)=1。title(39。,3)。%open and close processing。 %figure,imshow(f)。 f=imerode(f,se1)。[L,num]=bwlabel(f,4)。 len=max(r)min(r)+1。 for j=1:size(r,1)%pixel loop。 end end end figure。)%eliminate NOT face rengion。imshow(w)。 r_min=min(r)。 figure。) flg=0。e1_y=i。 for i=round(.5*(r_min+r_max)):1:round(1/3*(r_maxr_min)+r_min) for j=round(.5*(c_max+c_min)):round(*(c_maxc_min)+c_min) if(w(i,j)==0)flg=1。e2_y=i。重點(diǎn)介紹當(dāng)前人臉有哪些通用的特征提取算法，同時(shí)結(jié)合相應(yīng)特征有那些檢測(cè)和識(shí)別算法。參考文獻(xiàn)[1] [J]，2008，8(89):3840[2] YANGM H. Detecting Faces in Images: A Survey [J], IEEE transactions on pattern analysis intelligence, 2002,24(1): 3458.[3] YANG G, HUANG T S. Human Face Detection in Complex Background [J]. Pattern Recognition,1996,2(1) :345350.[4] ZHANG Z, LI S Z, ZHANG H. Realtime multiview face detection[C]. In: Proceedings of Conference on Automatic Face and Gesture Recognition, Washington D C, USA ,200239。最后還簡(jiǎn)單介紹的一種人臉識(shí)別算法：隱馬爾可夫（HMM）模型。*39。end end if(flg==1)break,end。*39。 break。 hold on %plot(round(.5*(c_max+c_min)),round(.5*(r_max+r_min)),39。 c_min=min(c)。Face and Features39。z。title(39。%not zero pixel =0。 area_sq=len*wid。%region loop。 %figure,imshow(f)。square39。holes39。 f=imclose(f,se)。)%thresholdse=strel(39。 end endendfigure。imshow(x)。 p(i,j)=exp(()*(wm)*inv(n)*(wm)39。 for j=1:b w=[cb(i,j) cr(i,j)]。[a b c]=size(y)。x=imread(39。這次基于膚色的人臉檢測(cè)膚色分割方法本身就是一種較為基礎(chǔ)的基于特征的靜態(tài)人臉檢測(cè)方法，如果要求更高，還需要更高級(jí)的算法，因?yàn)橐紤]到待測(cè)圖片的多樣性和復(fù)雜性，由于人的姿態(tài)、人種膚色、光照、噪聲等等都有可能影響到圖片質(zhì)量或者圖片色度，這個(gè)人臉檢測(cè)程序還需要進(jìn)一步的完善才能滿足更高的要求。通過(guò)臉部幾何特征選取臉部區(qū)域，排除非臉部區(qū)域。)。, 39。LineWidth39。EdgeColor39。 hold on。 (Bd(k, 3)/Bd(k, 4)) % 如果滿足面積塊大，而且寬/高 mx = p。mx = 0。BoundingBox39。 % 列跳躍 end x1 = x1+r。 % 黑色像素所占的比例數(shù) if pr = 10。 y2 = c。 % 分成10塊，列x1 = 1。)。, 39。subplot(2, 2, 3)。EdgeColor39。None39。[xt, yt] = meshgrid(round(linspace(1, size(I, 1), 10)), ... round(linspace(1, size(I, 2), 10)))。, 39。 title(39。Bold39。D:\39。 % 二值化figure。)。 end 實(shí)例二 處理前后圖片對(duì)比(包括圖像二值化、灰度處理及人臉識(shí)別)圖像處理的Matlab程序如下:clear all。endelse figure。LineWidth39。h=[h1 h2 h3 h4]。hold onh1=line([l_y1+g_y1,l_y1+g_y1+g],[k_y1,k_y1])。 g2=j。 g_y1=m1。)。 [n1 m1]=size(I1)。 l=l2l_y1。 break end end for i=k_y1:m if B1(i,:)==0 k2=i。 k_y1=m。)。 C=imclose(U,sr)。G(i,j) U(i,j)=1。[m n]=size(G)。D:\39。同時(shí) Markov 鏈也是 HMM 的一部分，他是作用一個(gè)在參數(shù)模型下的雙重隨機(jī)的過(guò)程，即當(dāng)前轉(zhuǎn)移到下一個(gè)狀態(tài)為隨機(jī)的由 A 決定，同時(shí)在當(dāng)前狀態(tài)下觀察到某個(gè)觀察向量也是隨機(jī)的由 B 決定的。人臉檢測(cè)在視頻識(shí)別中有著自己的優(yōu)點(diǎn)就是可以進(jìn)行跟蹤，從而得到更多的圖片用以輔助人臉識(shí)別。因?yàn)榇怂惴ㄊ腔谝曨l的，那么可以檢測(cè)或者識(shí)別的就不在和靜態(tài)圖片識(shí)別那樣，需要很高的要求，在視頻中可以簡(jiǎn)單跟蹤同一個(gè)人臉，可以從多個(gè)識(shí)別中統(tǒng)計(jì)識(shí)別的結(jié)果，此算法可以集結(jié)前面的多個(gè)識(shí)別算法的優(yōu)點(diǎn)同時(shí)進(jìn)行。 基于代數(shù)特征的方法：次方法的人臉識(shí)別方法現(xiàn)在的代表算法為 PCA 主元分析發(fā)，它的想法是，假設(shè)有一個(gè) M*N 的人臉圖片，那么可以得到一個(gè) 1* (M*N) 的一維向量，如果是 10 張人臉樣本圖片，那么就得到 10*(M*N)的一個(gè)矩陣，然后采用提取矩形的特征向量和特征值的方法得出代表此樣本人臉的特征臉。首先需要在待識(shí)別人臉圖片上布點(diǎn)，任何提取點(diǎn)與點(diǎn)之間的相對(duì)距離。同時(shí)國(guó)內(nèi)外相關(guān)人士也做大量的工作，并深入研究人臉識(shí)別算法，使之更有實(shí)用性。 基于膚色模型的人臉檢測(cè) 膚色模型人臉檢測(cè)是利用人體膚色的顏色空間的特殊性，例如在三色空間，就可以找到一定的規(guī)則檢測(cè)出人體的膚色，經(jīng)試驗(yàn)表面此規(guī)則的實(shí)用性還很強(qiáng)，基本是不同的膚色都包含在檢測(cè)規(guī)則內(nèi)。 基于統(tǒng)計(jì)的人臉檢測(cè) 此方法在某種程度上比其他的人臉檢測(cè)算法有更好的實(shí)用性，它的本質(zhì)不是從單個(gè)人臉出發(fā)，而是基于人臉某種通用特征訓(xùn)練相應(yīng)的人臉模型。當(dāng)然到現(xiàn)在為止已經(jīng)出現(xiàn)各種不同檢測(cè)算法，目前國(guó)內(nèi)外主要有以下幾種。結(jié)果使得樣新舊空間的映射過(guò)程中突出特征值，因此提取的本質(zhì)是找到理想的高效的變換過(guò)程。無(wú)數(shù)論文都在為此進(jìn)行實(shí)驗(yàn)認(rèn)證，首先對(duì)特征的分析需要進(jìn)行空間的偵測(cè)，其次根據(jù)運(yùn)算的非線性規(guī)律最終得到特征。因?yàn)閷?shí)際中,大家多進(jìn)行正面的人臉識(shí)別,所以相關(guān)的研究更多更深入,所以本文也將該種識(shí)別算法作為自己的研究方向和重點(diǎn),以下將詳
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1