【正文】 color, texture and so on。人臉識別是圖像分析與理解的一種最成功的應(yīng)用，其在商業(yè)、安全、身份認證、法律執(zhí)行等眾多方而的廣 泛應(yīng)用，以及人們在人臉識別技術(shù)方面的多年研究，使其越來越得到重視，并逐漸成為一個充滿活力的研究領(lǐng)域。目前，許多困難仍沒有得到解決。由 美國國防部組織的 FERET 測試表明，當光照條件和人臉姿態(tài)發(fā)生變化后 (例如人臉在深度方向發(fā)生偏轉(zhuǎn) )。當前世界各國有很多 研究機構(gòu) 都在從事人臉檢測方面的研究，這些成果 受到軍方、警方以及大公司的高度重視和資助 。由于人臉檢測已經(jīng)發(fā)展成為一個獨立課題，其具有特定的思想方法。然 而，對于一般安全性要求的身份驗證和鑒別系統(tǒng) ，人 臉識別技術(shù)已經(jīng)足夠應(yīng)用了 。系統(tǒng)假設(shè)圖像單一或無背景，人臉位置已知或很容易獲得，因此對現(xiàn)實場景產(chǎn)生的圖像處理效果很不佳?；谔卣鞣治龅淖R別是通過提取出局部輪廓信息及圖像灰度信息來設(shè)計具體識別算法。因此，設(shè)計構(gòu)思出了很多新的算法，這些算法是將原先單一的算法結(jié)合起來，共同完成人臉的識別。 幾種人臉檢測方法對比 基于形狀的檢測方法 人臉的形狀特征是指人類面部器官在幾何上表現(xiàn)的特征，這里分別介紹兩 種主要的方法。自頂向下的方法能夠較好地把握全局信息，但是缺點在于對初始位置的定位非常重要，一旦出現(xiàn)偏差，將導(dǎo)致整體跟蹤結(jié)果的偏移和變形。針對不同分辨率的圖像的準則進行判定，低分辨率圖像的準則 主要體現(xiàn)人臉的大體輪廓，高分辨率圖像的準則主要體現(xiàn)人臉的細節(jié)特征。 基于統(tǒng)計理論的檢測方法 基于統(tǒng)計理論的人臉檢測是利用統(tǒng)計分析與機器學(xué)習(xí)的方法來尋找出人臉樣本與非臉樣本各自的統(tǒng)計特征，在使用各自的特征構(gòu)建分類器并使用分類器完成人臉檢測。 構(gòu)思運用人臉檢測及定位技術(shù)包括閾值分割，特征點提取技術(shù)等設(shè)計一個系統(tǒng)，系統(tǒng)主要實現(xiàn)人臉圖像相似度處理，圖像二值化，濾波去噪；對人臉圖像進行水平方向和垂直方向求直方圖；用方框標記出人臉區(qū)域；對人臉區(qū)域進行邊緣提??；根據(jù)邊緣提取結(jié)果、人臉先驗知識及膚色標記眼睛特征點；根據(jù)人臉先驗知識與膚色特征標記出嘴巴鼻子特征點等功能。 。 BMP 圖像文件 BMP 位圖文件格式是 Windows 系統(tǒng)交換圖像數(shù)據(jù)的一種標準圖像文件存儲格式， 是一種與硬件設(shè)備無關(guān)的圖像文件格式，使用非常廣。 由于 BMP 文件格式是 Windows 環(huán)境中交換與圖有關(guān)的數(shù)據(jù)的一種標準， 在 Windows環(huán)境下運行的所有圖像處理軟件都支持這種格式。 BMP 位圖文件是由 4 個部分組成：位圖文件頭（ Bitmapfile Header）、位圖信息頭（ Bitmapinformation Header）、調(diào)色板（ Palette）和像素數(shù)據(jù)（ Image Data）。這樣跟你描述一個人的面貌：國字臉，濃眉，雙眼皮，直鼻梁，大而厚的嘴唇。顏色特征的算是最常用的，在其中又分為直方圖、顏色集、顏色矩、聚合向量和相關(guān)圖等。如果初始的分割不夠 令人滿意，對二值圖像的某些形式的處理通常能提高其質(zhì)量。這種方法通常用于二值圖像，但也可以擴展到灰度級圖像的處理。產(chǎn)生的效果取決于結(jié)構(gòu)元素的大小、內(nèi)容及邏輯運算的性質(zhì)。 直方圖 直方圖又稱灰度直方圖，是圖象處理中一種十分重要的圖像分析工具，它是用來表示是圖像各個灰度級的分布圖像，任何一幅直方圖都包含了豐富的信息。 人臉的膚色不依 賴于面部的其他特征，對于人臉姿態(tài)和表情的變化不敏感，具有較好的穩(wěn)定性，而且明顯區(qū)別于大多數(shù)背景物體的顏色。 色彩空間與色彩空間的聚類 歸一化 RGB 顏色空間 在 RGB 顏色空間中，三個顏色分量 R、 G、 B 不但表示各自的色彩，也包含了各自的亮度分量。如式（ 312） *rgb+ =[ 1R+G+B 0 00 1R+G+B 00 0 1R+G+B] [RGB] 312 由于 r+g+b=1，從未忽略了任何一個變量，經(jīng)過上述變換其中二維都是獨立的，大大減少了亮度分量的影響，相當于將三位的 RGB 空間降低成二維的 rg 空間。而且在奇異點附近 R、 G、 B 值的較小變化就會引起 H、 S、 V 值的較大變化。 (2) YCbCr 色彩空間被廣泛地應(yīng)用在電視顯示等領(lǐng)域中，也是許多視頻壓縮編碼，如MPEG 和 JPEG 等標準中普遍采用的顏色表示。 一般情況下，顏色圖像都是 RGB 顏色空間的，其他顏色空間都是通過 RGB 轉(zhuǎn)換得到的，而 YCbCr 也是如此。由 YCbCr 到 YCb’Cr’如式 313 所示。轉(zhuǎn)換公式如下： Y = + + Cb = ? ? + + 128 314 Cr = ? ? + 128 式中， R、 G、 B 是 RGB 顏色空間中紅、綠、藍 3 種顏色通道的顏色值。所謂膚色模型是指用一種代數(shù)的、解析的或查找表等形式來表示膚色的聚類特性，或者表征出某一像素的顏色與膚色的相似程度。盡管此模型在三維直方圖中效果比較好，但是由于其訓(xùn)練樣本數(shù)量龐大而且訓(xùn)練時間較長。式中 的參數(shù) ecx=， ecy=， a=，b=， cx = ， cy = ， θ =。它主要通過統(tǒng)計分析，預(yù)測高斯分布的參數(shù)，或通過統(tǒng)計直接求得顏色空間中每個分量（一般利用的是該顏色空間中的色度分量）的均值與協(xié)方差。 我們采用 Gary World 算法對 RGB 圖像進行快速顏色補償，即： SC = CstdCave， Cnew = C ? SC 331 式中， Cstd為標準亮度圖像 R、 G、 B 的平均值； Cave為輸入圖像 R、 G、 B 的平均值；C 為原圖像的像素值； Cnew為亮度補償后的像素值。歸一化的顏色分量分別為 r， g， b。 中值濾波 中值濾波是抑制噪聲的一種非線性平滑處理方法，由 首次提出并將其應(yīng)用于時間序列的一維信號處理技術(shù)中，后來人們將其用于二維數(shù)字圖像處理中。該值越大，表示 屬于膚色的可能性也越大，反之越小。 Cr_Mean=。 (c) 膚色相似度矩陣的計算，得到 m_pSimArray[i][j]的值； (d) 對所得到的 m_pSimArray[i][j]進行中值濾波； (e) 用相似度矩陣中的最大值對相似度矩陣進行歸一化處理。 最常用的方法就是設(shè)定一個全局閾值 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。圖像閾值化的目的是要按照灰度級對像素集合進行劃分，得道的每個子集形成一個與現(xiàn)實景物相對應(yīng)的區(qū)域 ，各個區(qū)域內(nèi)部具有一致的屬性，而相鄰區(qū)域布局也有這種一致性。在農(nóng)業(yè)工程應(yīng)用中，水果品質(zhì)無損檢測過程中水果圖像與背景的分割。其中， H(色調(diào) )在 3 個分量中更能反映不同顏色物體的差異，因此對于彩色圖像的閾值分割更有效。 Blob 分析適用場合主要有以下幾種： 1) 對象在尺寸、形狀或方向上差異很大 (訓(xùn)練模型很難或者不可能 ) 2) 對象有背景中找不到的截然不同的灰度。這樣會使后續(xù)操作精確率降低，在腐蝕細胞外圍時，內(nèi)部孔洞也在擴大，所以需要填充孔洞的算法來更新。在圖像中，被標志區(qū)域默認用藍色標志。 梯度的定義如下所示。 對于二維圖像 ，偏導(dǎo)數(shù)可以用差分來近似，如式 433 所示 {???(??,??)??? ≈ ??(?? + 1,??) ???(??,??)???(??,??)??? ≈ ??(??,?? + 1) ???(??,??) 433 進行上述近似后，梯度的模如式 (434)所示。常用的梯度算子如表 43 所示。所以對于這些矩陣的要求如下： (1) 這一系列矩形應(yīng)該盡可能的包含待檢測圖像中的所有人臉 對于距離較近或者是有接觸的多個人臉，分割后得到的膚色區(qū)域自然距離較近或者是連在一起，這是可以用一個矩陣區(qū)域覆蓋它們。這也正是膚色分割預(yù)處理能夠提高人臉檢測算法的時間效率的原因：也是膚色分割預(yù)處理能夠降低誤報率的關(guān)鍵。對于其他的兩種方法，我們可以簡單的分析一下它們各自的優(yōu)缺點。 (2) 將每個像素的灰度值與平均值進行比較。人臉檢測系統(tǒng)總體框架如圖 46 所示。在一幅圖像中出現(xiàn)的人臉，通常具有相互對稱的兩只眼睛、一個鼻子和一張嘴。 人臉定位模塊總體構(gòu)架 人臉定位系統(tǒng)由以下 4 個模塊構(gòu)成。 (1) 在豎直方向上對人臉區(qū)域 (白色像素 )進行白色像素投影，并計算器最大值，然后用這個值去歸一每列人臉區(qū)域的像素投影值 (相當于求頻度 )； (2) 通過頻度確定人臉區(qū)域的左邊界和右邊界。若依靠膚色檢測人臉下邊界，脖子區(qū)域也會被誤當成人臉檢測出來，影響人臉定位效果。 首先將已經(jīng)定位的彩色人臉圖像進行二值化處理。若每一類像素的個數(shù)均大于 2，則模版中心像素灰度值置為 0，生成所要提取的內(nèi)輪廓及人臉內(nèi)輪廓。通過對人臉區(qū)域的擴充，形成多個連通區(qū)域，再分析分人臉上頭發(fā)區(qū)域、眼睛區(qū)域的面積與位置準則后即可對雙眼初始化 獲取定位后的圖像參數(shù) 獲取顏色表 計算出 r 和 g 的值 根據(jù)條件對圖像進行二值化處理 對圖像進行卷積計算，得 result 的值 統(tǒng)計 3*3 模板內(nèi) positive 和negative 的值，得到內(nèi)輪廓 顯示結(jié)果 結(jié)束 進行定位，然后標記出眼睛?？梢哉J為，位于區(qū)域 A 最上方的最大連通區(qū) H 即為頭發(fā)區(qū)域。 圖 534 初始化 區(qū)域擴充，的包含全部頭部的區(qū)域 A 對圖 B 去噪 對 A進行多閾值二值化，得二值圖 B 定位出頭發(fā)區(qū)域 H 在彩色圖像上標記邊界位置 定位出眼睛位置 結(jié)束 鼻子識別與定位 該模塊在人臉輪廓提取的基礎(chǔ)上，進行鼻子識別與定位。 鼻子識別與定位算法 對鼻子的定位一般需要經(jīng)過以下幾個步驟： (1) 對鼻子進行膚色鑒定； (2) 根據(jù)二值化圖像的參數(shù)和眼睛的位置，計算出雙目斜角、雙目距離及雙目平均高度； (3) 根據(jù)雙目距離和雙目平均高度，可定位出鼻子的上下邊界和鼻子在水平方向上的中點； (4) 根據(jù)雙目斜角和雙目距離以及鼻子在水平方向上的中點，可定位出鼻子的左右邊界； (5) 在彩色圖像上標記出邊界的位置。 嘴部識別與定位基本原理 膚色掩碼的作用是突出臉部陰影，本設(shè)計采用膚色掩碼進行嘴部定位。 膚色掩碼的計算方法如下： θ = arccos( (2R ? G? B)√(R ? G)2 +(R ?B)(G ?B)) BinaryF = {255 θ 其他 膚色掩碼加上嘴巴的位置約束就可以進行人臉嘴部定位了