【正文】 ((HGLOBAL) m_hDIB)。 LPBYTE lpData。 int num =0。 i++) for (int j=。 } =0。 int eye1count=0。 i++) for (int j=。 +=i。 *(lpData + lOffset++) = 255。 東華理工大學畢業(yè)設(shè)計（論文） 附錄 27 *(lpData + lOffset++) = 255。 /=eye1count。 *(lpData + lOffset++) = 0。 *(lpData + lOffset++) = 0。 } 。 *(lpData + lOffset++) = 0。 *(lpData + lOffset++) = 0。 /=eye2count。 *(lpData + lOffset++) = 255。 +=i。 *(lpData + lOffset++) = 255。 j++) { lOffset = i*wBytesPerLine + j*3。 for (i=。 =0。 j++) { lOffset = i*wBytesPerLine + j*3。 for(int i=。 lpData = (unsigned char*)::FindDIBBits(lpDIB)。 height= (int) ::DIBHeight(lpDIB)。 int width,height。eye2) { LPBITMAPINFOHEADER lpbi。 *(lpData + lOffset++) = 0。 jwidth。 lpData = (unsigned char*)::FindDIBBits(lpDIB)。 東華理工大學畢業(yè)設(shè)計（論文） 附錄 25 height= (int) ::DIBHeight(lpDIB)。 int width,height。 } } } void CFaceDetectionDoc::DeleteFasleEye(CRect facelocation) { LPBITMAPINFOHEADER lpbi。 *(lpData + lOffset++) = 255。 if( emymapc[i][j] amp。 iheight。 LPBYTE lpData。 東華理工大學畢業(yè)設(shè)計（論文） 參考文獻 23 參考文獻 [1] 段錦，人臉自動機器識別，科學出版社， 20xx 年 1月 [2] 著，景麗 譯， 基于子空間的人臉識別檢測， 清華大學出版社， 20xx 年 5月 [3] 任哲等， MFC Windows 應用程序設(shè)計，清華大學出版社， 20xx 年 1月 [4] 陳葉飛，實用人臉識別算法研究，上海交通大學碩士學位論文， 20xx 年 12 月 [5] 李瑤，齊維毅，張浩華，高朋，“一種微孔圖像質(zhì)心坐標的計算的方法 ” ,沈陽師范大學學報， 16735862（ 20xx）03031603 [6] 黃朝興，人臉識別系統(tǒng)的研究與實現(xiàn)，西南交通大學碩士學位論文， 20xx 年 1 月 [7] 易從琴，梁靜，“基于灰度特征和模板匹配的人眼定位 ” ，貴州大學 電子科學與信息技術(shù)學院， 20xx 年 1月 [8] 黃雄，楊會成，王宏偉，“基于膚色模型和灰度投影的人眼定位算法” ,重慶理工大學學報， 16748425（ z） . [9] 鄭慶，基于膚色的人臉檢測與人眼定位，電子科技大學碩士學位論文， 20xx 年 4月 [10] 金燕，陶亮，“基于人眼定位的人臉檢測與歸一化算法”，計算機技術(shù)與發(fā)展報， 20xx 年 4月 [11] Hsu R L， Jain A K. Face model for recognition [C]. Proc. IEEE ICIP, 20xx,2(10):693~696 [12] Lai S,Zheng J. An integrated approach to 3D face model reconstruction from video [R].RATFGRTS 20xx,7 東華理工大學畢業(yè)設(shè)計（論文） 附錄 24 附錄 LPSTR lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) m_hDIB)。 感謝我的父母，使他們一直在背后給我最無私的幫助和鼓勵。 在這里首先要感謝我的導師 方江雄博士 。 （ 4） 由于本軟件只能對靜態(tài)的照片進行識別和檢測，所以對動態(tài)的人 臉很難檢測，可以在軟件中加入檢測動態(tài)的人臉的算法。 （ 3） 關(guān)于人眼睛的定位是本文的主要研究對象 ，主要是根據(jù)人眼睛區(qū)域的灰度值相較于其他位置的較小，這樣就可以提取出疑似人眼區(qū)域，通過對人面部幾何特征的分析得到人眼睛部分在人面部上半個部分，進而可以縮小檢測的范圍，縮小了搜索范圍，實現(xiàn)了快速定位 ， 然后根據(jù)質(zhì)心法，檢測每一個像素點的坐標，最后定位人眼睛區(qū)域。 流程圖 （圖 43） 如下所示： 獲 得 人 面 部獲 取 面 部 的 C r 、C b 、 R 、 G 、 B 的 值是 否 滿 足 色度 條 件算 得 灰 度 值 是 否滿 足 灰 度 條 件掃 描 人 臉 ， 該 像 素 點 是否 大 于 人 臉 高 度 一 般設(shè) 置 該 像 素 點為 白 色運 用 質(zhì) 心 法 定 位 人眼 并 設(shè) 置 為 綠 色結(jié) 束設(shè) 置 該 像 素 點 為黑 色NYNNYY 圖 43 眼睛定位整體 流程東華理工大學畢業(yè)設(shè)計（論文） 總結(jié)與展望 21 第五章 總結(jié)與展望 全文工作總結(jié) 本文解決了用 VC 平臺 來檢測并定位人眼睛位置等一系列技術(shù)問題，并實現(xiàn)了綜合測試系統(tǒng)，驗證了多種人臉識別和眼睛定位的多種方法 。 步驟 2 將像素點的灰度值置為 1，像素點的橫坐標和橫坐標相加，縱坐標與縱坐標相加，得到相應的橫、縱坐標的和坐標。本文的處理的圖像就是8 位 BMP 格式的圖像，對圖像的掃描采用從上到下，從左到右的方式，所以對于普通的一個像素點只需要掃描自己和已經(jīng)確定的像素點就可以確定自己的連通性了，當然對于特殊的像素還是特殊的考慮。 是 二值化的連 通域標記處理操作， 從白像素和黑像素組成一幅點陣圖像中， 把其中的 相鄰的具有“ 255” 像素集合提取出來， 然后在圖像中不同的連通域 填入不同的數(shù)字標記， 用以區(qū)分， 同時 統(tǒng)計連通域的數(shù)目。 如下圖（圖 37）所示： 圖 37 三庭五眼效果圖 利用人眼的這種位置結(jié)構(gòu)特點，我們可以取人臉一半?yún)^(qū)域進行處理，就可以減少大量的數(shù)據(jù)處理量，提高了運算的速度，然后對于下半部分的非人眼部分，全部置以黑色的像素，這樣就縮小了檢測的范圍。首先對像素點矩陣 emymapc[i][j]和 emymapl[i][j]進行清零處理，然后指出只有當亮度和色度同時出現(xiàn)設(shè)置為白色的像素點在此時才可以設(shè)置為白色，否則設(shè)置為黑色，并且把 8位圖轉(zhuǎn)換成 24 位圖，這樣做的目的提高了眼睛識別的精度和準確度。我們可以通過對眼睛亮度 的檢測，然后亮度可以轉(zhuǎn)換成灰度，對眼睛部分的灰度進行處理和比較并確定眼睛所在的位置的范圍。 依據(jù)“人眼區(qū)域 Cb分量普遍比 Cr 分量值要高 ” 的結(jié)論，將人眼區(qū)域范圍進一步縮小，先要獲取圖像的 RGB 顏色空間對應的值，轉(zhuǎn)化成 YCbCr 顏色空間的值， 然后對區(qū)域每一個像素進行掃描， 在一定區(qū)域內(nèi) Cb、 Cr 滿足相應的條件就是人眼 可能存 在的 區(qū)域 ，根據(jù)標志滿足不同條件像素設(shè)定黑色或者白色 ，并填充保存顏色 。這里面的 前面部分的字節(jié) 就是所謂的 BMP 數(shù)據(jù)偏移量。這種格式的特點是包含的 圖像信息 相對比較 豐富，幾乎不進行 任何 壓縮 ，但是這個特點也給他帶來了與生俱來的缺點 。 一幅圖像包括目標物體、背景以及噪聲，要想從多值的數(shù)字圖像中直接提取目標物體，最常用的方法就是設(shè)定一個閾值 T，用 T 將圖像的數(shù)據(jù)分成兩部分；大于 T 的像素群和小于 T的像素群， 當像素值小于設(shè)定的閾值時，置黑色，即 0；當像素值大于設(shè)定的閾值時，置白色，即 1。又因為人臉的色度只在一個較小的區(qū)域里面變化，所以就要選擇一個能將顏色信息與亮度信息分開的色度空間來描述顏色，而 YCbCr 色度空間就滿足這個要求。若全為最小則顯示黑色，若相等則顯示圖片的灰度。 （ 2）對圖片作歸一化處理 后， PCA 的 識別 方法 性能較好，但是若由于遮擋等因素給東華理工大學畢業(yè)設(shè)計（論文） 人眼檢測定位的基本算法和理論 11 圖片帶來的影響時，基于 ICA 的識別的方法性能會更好 （ 3） PCA 的識別速率相對于 ICA 的較快， ICA 運用了更多維數(shù)的處理方法，使得速度較低。 然后 就是此種幾何算法的核心部分，根據(jù)人的眼睛的為近似圓形的方法，且圓形的半徑大小約為 9— 13 個像素點的規(guī)律，采用循環(huán)程序，以每個點為圓心，不同半徑的圓掃描 ，在圓上最多的邊緣點就是眼睛的中心位置，然后用 imshow 函數(shù)來用指定的灰度值顯 示圖像，并用 plot 函數(shù)標注出所定位的區(qū)域，繼而實現(xiàn)了人眼的定位，流程圖 （圖 23） 如下： 真 彩 圖 像 轉(zhuǎn) 換成 灰 度 圖求 取 每 個 像 素點 的 梯 度調(diào) 節(jié) 灰 度 圖 像的 亮 度以 每 個 像 素 點 為 圓 心 ， 不 同 半徑 的 圓 掃 描 圖 片 ， 并 收 集 邊 緣點 的 個 數(shù)每 個 像 素 偶 點是 否 都 掃 描N得 到 邊 緣 點 個 數(shù) 最多 的 坐 標 （ i , j）Y描 繪 出 圖 像 并 用 藍 色星 型 圖 標 標 注 出 來使 用 閾 值 變 換 法 把灰 度 圖 像 二 值 化 圖 23 此種幾何特征算法的流程 東華理工大學畢業(yè)設(shè)計（論文） 人眼檢測定位的基本算法和理論 10 下面為此種 幾何方法的人眼定位的效果圖 （圖 24） ： 原始圖片 定位后 原始照片 處理后 圖 24 幾何特征算法處理前后的效果圖 由上兩次的試驗可以發(fā)現(xiàn)， 該 算法實現(xiàn)的人眼定位 有 時候并不能定位人眼的準確位置 ，還需要進一步的修改。 （ a1， a2， …， ak） =FT*（ U+） (11) 其中，（ U+）表示 U 矩陣的偽逆，（ U+） =(UUT)?1。 圖 22 ICA 抽取特征臉模型 上圖 （圖 22） 就是運用 ICA 方法抽取人臉特征的模型。 所以選擇合適的特征向量，他不但可以減小計算量還能夠增強對不同人臉圖片的分類能力。簡單的描述如下： 已知的觀測數(shù)據(jù)為 X=（ x1， x2， …， xm） , Si是未知分量，可以表示為S=（ S1， S2， …， Sn） T,X和 S的關(guān)系為 X=AS 其中，分量 Si均值為零且相互間統(tǒng)計獨立； A 是未知的特征矩陣。 獨立分量分析（ ICA） 獨立分量分析是一種對多變 量 數(shù)據(jù)進行 非正交線性坐標變換的方法，坐標軸的方向由可觀察到的混合數(shù)據(jù)的二階和高階統(tǒng)計信息確定，變換的目的是使變換后的變量間相互獨立。將特征值從大到小的排列 ： λ1≥ λ2≥ ?? ≥ λm≥ ??≥ λM；對于某一 λm，若其過小，則可以忽略其影響，這樣主成分構(gòu)成的變換矩陣為 W=[e1， e2， …， em]， mM (6) 也就是說任何的人臉圖像都可以投影到上式上， W 的維數(shù)為 m*M，而這是一個基底，任何的人臉圖像向其作投影時都會產(chǎn)生一組坐標系數(shù)，稱之為 KL分解系數(shù)。 設(shè)有 N 個訓練樣本，每個樣本根據(jù)其像素灰度組成一個向量 xi的維數(shù)的樣本圖像M=Width*Height(行像素數(shù) *列像素 數(shù) )，由向量構(gòu)成的樣本集為 [x1， x2，?， xN]，這樣本的平均向量為 ?x 1N∑ xiNi=1 (1) 平均向量又叫做平均臉，則每個訓練樣本與平均臉的偏差為 yi = xi ? x