【正文】 但在實際生活中，大多數(shù)人臉圖像背景較為復(fù)雜，無用的圖像信息較多，這就給研究工作帶來了一定的困難，因此，對復(fù)雜圖像的人臉檢測研究應(yīng)該成為今后的重點。 首先，選定色彩空間，建立高斯膚色模型，并對彩色圖像進行膚色分割，將膚色區(qū)域從背景區(qū)域中分離出來。 圖 實驗運行結(jié)果圖 1 圖 實驗運行結(jié)果圖 2 本章小結(jié) 從檢測結(jié)果可以看出，采用本文算法實現(xiàn)彩色圖像的人臉檢測，不僅能夠正確檢測出正面的人臉圖像，也能夠 檢測具有一定旋轉(zhuǎn)角度的人臉圖像；不僅能夠檢測出色光較正的人臉圖像，對具有色彩偏差的人臉圖像也能夠正確檢測；不僅能夠檢測單人臉圖像，對多人臉圖像的檢測也具有一定的準確率。而人臉檢測的研究就是讓計算機實現(xiàn)類似于人類的非精確的交互方式。分別對這三部分進行處理判斷，選擇歐拉數(shù)最小的膚色區(qū)域部分最為人臉候選區(qū)域；若歐拉數(shù)值相等，則選擇孔洞數(shù)居于中上部的區(qū)域。本文采用如下幾種方法對圖像進行判斷，從而找出人臉候選區(qū)域。膨脹對填補圖像分割后物體中的空洞很有用。 3. 5 腐蝕和膨脹 腐蝕的作用是消除物體邊界點。 圖 。 3. 3 二值圖像處理 所謂圖像的二值化，就是將彩色圖像或者灰度圖像轉(zhuǎn)化為黑白圖像 (二值圖 像 )的過程，其在人臉識別中主要用來把人臉和背景分離出來，經(jīng)過二值化處理的人臉圖像在人臉特征提取、識別和模式識別中應(yīng) 用 廣泛。一維最大類間方差法的基本思想是把圖像的直方圖以某一灰度為閾值將圖像分成兩組并計算二者的方差，當被分成的兩組之間的方差最大時，就以這個灰度值作為閾值分割圖像；二維最大類間方差法基本思想是利用像素的灰度級分布和鄰域的平均灰度級分布所構(gòu)成的直方圖來進行閾值分割。 下圖 是沒有進行圖像灰度轉(zhuǎn)換，以及圖像濾波去噪便進行圖像二值化、形態(tài)學處理 最終取得人臉區(qū)域的結(jié)果圖。想得到比較干凈清晰的圖像并不是容易的事情。在背景比較復(fù)雜的條件下，大多數(shù)辦法都是先提取顏色特征 。 最后 ,利用復(fù)合高斯模型在 YCbCr色彩空間中建立了膚色模型，并計算出各個參數(shù)的數(shù)值。通過調(diào)查研究資料， 通過統(tǒng)計 將 大量膚色像素點從 一個 空間轉(zhuǎn)化到 另一個顏色空間 ， 就可以看到一個膚色直方圖， 如圖 所示。 （ 4）基于亮度聚類膚色模型 考慮到 彩色 的人臉圖像容易受到光照等因素的 影響 ,在進行人臉檢測時會產(chǎn)生亮區(qū)和陰影區(qū)。 （ 2） 混合高斯模型 此模型揭示了 膚色 中 每 一個像素密度都在 概率密度的混合體 之內(nèi)。 由于不同 顏色空間都有 各自其的不足之處，所以在使用上差了一點，因此在大多數(shù)情況下 采用 YCbCr 色彩空間 。 本科畢業(yè)設(shè)計說明書（論文） 第 7 頁 共 28 頁 圖 HSV顏色空間 圖 色度、飽和度空間中的閥值分割 色彩空間 在 JPEG 標準中， RGB 圖像被轉(zhuǎn)換到亮度 色度空間，通常稱之為 YCbCr 色彩空間。 圖 HIS色彩空間 從 RGB 色彩空間到 HIS 色彩空間的轉(zhuǎn)換公式如下： 2 GBH GB??????????? ??? ? ?? ?? 其中： ? ? ? ?? ? ? ? ? ?1212c o s R G R BR G R B G B? ???? ? ???????? ??? ? ? ??? ? ?3 , ,1 Mi n R G BS R G B?? ?? （ ） ? ?13I R G B? ? ? 色彩空間 HSV（色調(diào)、飽和度、值）：色調(diào)代表顏色的類型，如紅色、藍色，或者綠色。 本科畢業(yè)設(shè)計說明書（論文） 第 6 頁 共 28 頁 HSI 色彩空間 HIS 色彩空間包含：色度、亮度和飽和度，是 由 國外學者提出的模型，常常被 畫家 使用 [21]。原點表示黑色 ；白色 位于離原點最遠的頂點處；將這三種顏 色取不同 量值 并 加權(quán)混合， 就能產(chǎn)生不一樣 的顏色。 在第一種研究人臉檢測的方法過程中，有 兩個問題 需要迫切解決：如何選擇膚色空間以及如何建立用來對像素進行辨認 的膚色模型 。 如果 在圖像中 對亮度 因素進行一定的調(diào)整 ,那么人臉膚色會有 不錯的聚類性 。 第三章為了能夠更加準確地進行膚色分割，在圖像膚色分割前進行必要的預(yù)處理。 第三種基于統(tǒng)計的方法。基于 知識的人臉檢測方法又大致可以分成 三 種：第一種是檢測人臉上的器官（如眼睛、耳朵、眉毛等），然后根據(jù)它們的相對位置關(guān)系判斷 整個區(qū)域是否為人臉的面部特征法。 國內(nèi)的企業(yè)通過和相關(guān)研究機構(gòu)的密切合作，通過大量研究和開發(fā)，克服了一個又一個的困難，發(fā)明 出了我們國家自主的民族品牌產(chǎn)品，并且多項指標比國外的系統(tǒng)更勝一籌。 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢 經(jīng)過 幾十年的發(fā)展，科研人員 做了大量 關(guān)于人臉識別技術(shù) 的研究，也取得了豐碩的成果。人臉識別 技術(shù) 通過分析輸 入的人臉圖像，得到能有效表達人臉特征的面部特征信息，并用來辯識人 的身份。 作為人臉識別最 重要的第一步，人臉檢測所做的工作是將人臉從圖像背景中檢測出來， 人臉識別、視點跟蹤以及人臉圖像壓縮等應(yīng)用的 重要環(huán)節(jié) 都有用到它 。 由于 光照、膚色、人種、眼睛、遮擋等 等因素的影響，加大了人臉檢測的難度 。人臉識別技術(shù)涵蓋圖像處理、模式識別、機器視覺、人工智能等學科，并與人機交互等研究領(lǐng)域有重要的交叉 [5]。其中 MIT 媒體實驗室、 Maryland 大學等的貢獻尤為突出 [6]。由我國 清華大學電子系丁曉青 教授研究的人臉識別系統(tǒng) 在美國 某 人臉識別供應(yīng)商 的 評測 中，取得了十分優(yōu)秀 成績 。 第二 種方法是根據(jù)人臉的各個器官具有一定對稱性，通過連續(xù)對稱性檢測方法，檢測一個圓形區(qū)域的對稱性，從而確定是否為人臉的機構(gòu)特征法。 這種方法的思想與模板 匹 配方法的不同之處在于將人臉區(qū)域看作一類模式，搜集大量樣本，并在樣本集上建立一個 正確識別 人臉和非人臉的分類器， 全局掃描 被檢測圖像，來明確圖像窗口中是否有 人臉。為使人臉可能區(qū)域數(shù)目的減少，本章介紹 了 形態(tài)學運算、數(shù)學統(tǒng)計等方法進行人臉可能區(qū)域初步篩選。 利用人臉膚色信息進行 人臉檢測 ,許多問題都將迎刃而解，比 如隨機 化的表情 ,人臉變動等 。 色彩空間 根據(jù) 相關(guān) 理論，同樣的顏色可以有不一樣的表達形式，采用不同的表達形式則形成了不一樣 的色度空間 [15]。任何顏色都能 在這個彩色的立方體中找到。我們在日常生活中就采用了這樣的觀察方式，同時 在處理圖像過程中也 帶來了 諸多 便捷 。飽和度代表充滿活力的顏色。在 YCbCr空間中 ,Y分量表示顏色的亮度信息 ,Cb和 Cr分量不包含亮度信息 ,分別用來表示像素的藍色和紅色色度 [24]。 建立膚色模型時對 色度空間 的考察要從兩方面著手：首先就是考察 能否正確描述“ 膚色區(qū)域 ” 的分布 ；再者就是 看該 空間中 “ 膚色 ” 和 “ 非膚色 ” 的區(qū)域重疊情況 。 參數(shù)估計 是這個模型的需要克服的主要 困難 。在 檢測 的 過程中 ,容易 產(chǎn)生漏檢 情況 ,對檢測結(jié)果產(chǎn)生了一定程度的干擾 。膚色高斯模型 如 圖 所示。 3 圖像 處理 基于圖像塊的方法 的優(yōu)勢在于適應(yīng) 力 強、 魯棒性 好 ，但 也存在缺陷，表現(xiàn)在在檢測窗口時搜索難度大，因此加強了計算繁瑣程度。 針對上述情況，我選取 了大量彩色圖像來進行研究 ， 并提出了復(fù)雜條件下的人臉檢測算法。為這個目標而為處理圖像所涉及的操作是設(shè)計一個適合、匹配的濾波器和恰當?shù)拈撝怠? 圖 未進行灰度圖像濾波去噪處理 下圖 是通過灰度圖像轉(zhuǎn)化并進行低通濾波去噪，后進行二值化處理得到的效果圖。 設(shè)一幅圖像的灰度級范圍是 ? ?1,m?? ，灰度值為 i的像素數(shù)為，此時得到圖像的像素總數(shù)為 N，灰度值為 i的像素出現(xiàn)的概率為 ip 。 人臉圖像二值化就是找到分割 閾值 ，即找出膚色與非膚色的分界點，大于該閾值的表示為膚色區(qū)域，小于該值的表示為非膚色的區(qū)域 [16]。 圖 二值化圖像 二值圖像是一種簡單的圖像格式，它只有兩個灰度級，即“ 0”表示黑色的像素點，“ 255”表示白色的像素點。腐蝕可以把小于結(jié)構(gòu)元素的物體去除，這樣，選取不同大小的結(jié)構(gòu)元素，就可以去掉不同大小的物體。我們使用膨脹來連接臉部區(qū)域中的不連續(xù)的塊，并去除雜質(zhì)。 求取膚色區(qū)域外接矩形的長和寬，并計算二者之間的比例。如果該膚色區(qū)域長寬比小于 大于 ，也同樣對其分三部分進行處理，此時 是對膚色區(qū)域的寬度進行調(diào)整。人臉的檢測與特征定位是人機智能接口的重要交互通道，對于人臉識別系統(tǒng)的實現(xiàn)具有決定性意義。實 驗表明，該算法具有計算量小、易于實現(xiàn)、抗噪能力強、魯棒性好的特點。本文提出一種直方圖與最大類間方差法相結(jié)合的自適應(yīng)閾值分割方法，從而較準確地將膚色區(qū)域分割出來。其次，雖然國內(nèi)外很多研究機構(gòu)和大學實驗室都在對彩色人臉檢測進行研究，但到目前為止， 還沒有一個統(tǒng)一的能夠用于人臉檢測的彩色圖像庫，這就無法對各種人臉檢測算法進行比較。首先，本文研究的彩色圖像是從互聯(lián)網(wǎng)上下載的和數(shù)碼相機攝取的，背景較為簡單，這給本文的人臉檢測算法提供了很多方便。本文提出應(yīng)用復(fù)合高斯模型在 YCbCr色彩空間建立膚色模型， 自適應(yīng)閾值法進行膚色分割的基于膚色分割的人臉檢測方法研究。最后，通過檢測結(jié)果對彩色圖像的人臉檢測算法進行評判。 4 人臉檢測界 面及結(jié)果分析 近幾十年來計算機技術(shù)的發(fā)展可以說是突飛猛進，技術(shù)的提高使人們對人機交互的要求也越來越高。第一部分從膚色區(qū)域上面開始取到比值為 的區(qū)域部分，第二部分從膚色區(qū)域下面開始取到比值為 的區(qū)域部分，第三部分從膚色區(qū)域的中間開始分別向上下兩端取比值為 的部分。所謂先驗知識就是人臉本身所固 本科畢業(yè)設(shè)計說明書（論文） 第 16 頁 共 28 頁 有的特征，根據(jù)這些特征我們能對人臉區(qū) 域進行初步判斷。如果兩個物體之間距離比較近，那么膨脹運算可能會使這兩個物體連通在一起。它在圖像處理中的應(yīng)用主要是： 本科畢業(yè)設(shè)計說明書（論文） 第 15 頁 共 28 頁 (1)利用形態(tài)學的基本運算，對圖像進行觀察和處理，從而達到改善圖像質(zhì)量的目的； (2)描述和定義圖像的各種幾何參數(shù)和特征，如面積、周長、連通度、顆粒度、骨架和方向性。本文以 ，閾值由 ，計算每次膚色像素量的變化，求其變化最小的一個，作為 最佳閾值 ? 進行分割。與一維方法相比，二維方法分割效果較好，但計算量較大，有其局限性。 最大類間方差法是由日本學者大津展之于 1978 年提出的動態(tài)閾值法，它是在判