【正文】 在這四年中我基本完成當(dāng)時(shí)還是在遙遠(yuǎn)的大一時(shí)定下的目標(biāo)，可以這么說(shuō)我能有今天的一切，跟母校 老師們是分離不開(kāi)的！在這里我深 深說(shuō)一句：親愛(ài)的老師們謝謝你！ 尤其是在最后的半學(xué)期里，得到了老師的熱情指導(dǎo)，對(duì)本文的算法、編撰和定稿不吝賜教，使我看到了一個(gè)搞科學(xué)研究的學(xué)者應(yīng)有的作風(fēng)，為以后的我真正的走上工作崗位 — 搞研發(fā)時(shí)應(yīng)怎樣處理類(lèi)似的工作奠定了基礎(chǔ)。當(dāng)然也可以從其它角度解決這個(gè)問(wèn)題，例如將攝像頭和燈光結(jié)合，使得每次識(shí)別的主光源都位于正前方。 文中給出了人臉?lè)指?、檢測(cè)算法、關(guān)鍵器官定位等主要算法。 基于膚色相似度的人臉檢測(cè)與定位 20 在 Microsoft Windows 平臺(tái)上 ,利用 Visual C+ + 6. 0實(shí)現(xiàn)了以上算法。以同樣的方法：去除掉小于人臉高度的 1/100 的區(qū)域，然后在合并區(qū)域（小于人臉 A B I II 左眼眉毛 右眼眉毛 左眼 右眼 安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 17 高度的 1/100），這樣就可以確定人眼的垂直區(qū)域。常用的 5X5LOG 算子如下圖： 2 4 4 4 2 4 0 8 0 4 4 8 24 8 4 4 0 8 0 4 2 4 4 4 2 圖 36 LOG 算子 LOG 算子首先用高斯函數(shù)對(duì)圖像進(jìn)行低通濾波消除空間尺度遠(yuǎn)小于高斯空間常數(shù)的圖像強(qiáng)度變化即去除噪聲 ， 然后用拉普拉斯算子進(jìn)行高通濾波提取線(xiàn)特征在 一 個(gè)灰度均勻區(qū)域的邊緣處 LOG 算子有以下表現(xiàn)：邊緣以外灰度均勻處取零 ， 邊緣較暗一側(cè)取正 ， 邊緣較亮一側(cè)取負(fù) ， 邊緣中某些點(diǎn)處取零。一旦在某個(gè)閾值下檢測(cè)到雙眼黑塊出現(xiàn)，此時(shí)的閾值即為最優(yōu)分割閾值， 檢測(cè)到的人眼黑塊的幾何中心也應(yīng)接近于虹膜 (瞳孔 )中心 (這是因?yàn)榉指铋撝翟酱?，眼塊可能由無(wú)到有，由小到大，此時(shí)最先出現(xiàn)的應(yīng)是具有較低灰度值的瞳孔和虹膜所對(duì)應(yīng)的黑塊 )。若 選擇固定的背景和光照條件，由統(tǒng)計(jì)的方法可估計(jì)出更小的最佳分割閾值可能所在的區(qū)間。對(duì)正面 的人臉來(lái)說(shuō)，眼睛、鼻子等特征和整個(gè)人臉的尺寸大小之間存在先驗(yàn)的約束關(guān)系，這就是人臉結(jié)構(gòu)的恒常性，因此我們利用這些約束關(guān)系來(lái)確定特征區(qū)域的大小。 標(biāo)定的人臉區(qū)域如圖 35 所示?；趨^(qū)域的方法則是尋找互 相連接在一起、并有相同特征的像素所形成的區(qū)域，它是實(shí)現(xiàn)圖像分割的一種重要方法。 在設(shè)計(jì)中，為了減少圖像分割這一步的運(yùn)算量，對(duì)圖像做了二值化處理?；虼笥?135176。 人臉檢測(cè)與定位算法 人臉區(qū)域分割算法 人臉區(qū)域分割的系統(tǒng)結(jié)構(gòu)如圖 32 所示： 圖 32 人臉區(qū)域分割系統(tǒng) 在圖 32 中， 輸出的一系列矩形將取代原來(lái)的整幅圖像作為人臉檢測(cè)算法的輸入。開(kāi)始訓(xùn)練 命令，打開(kāi) bmp 格式的圖像后計(jì)算每幅圖像的像素?cái)?shù) CrList 和 CbList，然后查詢(xún)總的圖像數(shù) count 用于將當(dāng)前數(shù)據(jù)庫(kù)內(nèi)的所有用戶(hù)圖片進(jìn)行訓(xùn)練， 最后對(duì)每幅圖像求訓(xùn)練平均，得到可供識(shí)別比對(duì)的訓(xùn)練基。由此可見(jiàn)，在值較大和較小的部分，膚色聚類(lèi)區(qū)域也隨之縮減。將膚色范圍內(nèi)的像素置 1， 其余置 0，得到分割后的二值圖像，實(shí)現(xiàn)人臉的初步定位。主要的彩色空間有以下幾種： RGB 格式（紅、綠、藍(lán)三基色模型）、 HIS 格式（色度、飽和度、亮度模型）和 YCbCr(YUV)格式。所以利用膚色這一線(xiàn)索可以排除掉在灰度圖像中很像人臉而對(duì)應(yīng)到彩色圖像中根本不是膚色的區(qū)域，這在 人臉檢測(cè)中會(huì)起到積極的作用。而且， MPEG7標(biāo)準(zhǔn)組織已經(jīng)建立了人臉識(shí)別草案小組，人臉檢測(cè)算法也是一項(xiàng)征集的內(nèi)容。這一階段的人臉識(shí)別技術(shù)發(fā)展非常迅速，所提出的算法在較理想圖采集條件、對(duì)象配合、中小規(guī)模正面人臉數(shù)據(jù)庫(kù)上達(dá)到了非常好的性能，也因此出現(xiàn)了若干知名的人臉識(shí)別商業(yè)公司。 最早的研究論文見(jiàn)于 1965 年陳（ Chan）和 布萊索 （ Bledsoe）在 Panoramic Research ，至今已有四十多年的歷史。 人臉檢測(cè)研究具有重要的學(xué)術(shù)價(jià)值，受到學(xué)者越來(lái)越多的關(guān)注。 人臉識(shí)別的研究可以追溯到20 世紀(jì) 60—70 年代，經(jīng)過(guò)幾十年的曲折發(fā)展已日趨成熟。所以采集條件特別是光照條件包括光源的方向、明暗、色彩等都會(huì)對(duì)圖的效果產(chǎn)生很大的影響，進(jìn)而影響對(duì)人臉的檢測(cè)；另外，人臉上還可能長(zhǎng)有胡須、戴有眼鏡等 , 這些也同樣是人臉檢測(cè)不可忽視的因素。 實(shí)驗(yàn)結(jié)果表明 ， 該軟件對(duì)于一定尺寸范圍內(nèi)清晰的正面人臉圖能夠正確檢測(cè)定位并提取特征，并且 在速度和準(zhǔn)確 性方面具有良好的性能 。畢業(yè)設(shè)計(jì)（論文） I 基于膚色相似度的人臉檢測(cè)與定位 摘 要 本課題致力于完成 Visual C++ 平臺(tái)下的人臉檢測(cè)與定位系統(tǒng)，人臉檢測(cè)定位的算法限制于基于膚色相似度算法。 關(guān)鍵詞 ： 圖像分割 ； 人臉定位 ； 膚色 ； 人臉檢測(cè) ； 特征提取 基于膚色相似度的人臉檢測(cè)與定位 II Detection and Localization of Person Face Based on Skin Color Similarity Abstract This topic devotes to pleting the detection and localization system of the person face under the Visual C++ platforms, and the detection localization algorithm of the person face limit to basing on the skin color similarity algorithm. The topic must plete similarity putation, binary image processing, vertical histogram, horizontal histogram and extracting person face characteristic (eye, mouth and nose). This topic emphasize application of skin color model similarity in the detection and the localization of person face, and has a significant instruction for research of increasing accuracy in detection and the localization of person face. In this paper, the authors have presented an algorithm and designed a system for face detection and location based on plexion. By strengthening the contrast between face features and by adopting binary image processing method, the system has improved the preprocessing effect。人臉檢測(cè)具有一定的難度和復(fù)雜性，對(duì)這一問(wèn)題的深入研究必將推動(dòng)模式識(shí)別等計(jì)算機(jī)科學(xué)的發(fā)展。人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)中的一個(gè)關(guān)鍵 環(huán)節(jié)， 但是早期的人臉識(shí)別研究主要針對(duì)具有較強(qiáng)約束條件的人臉圖(如無(wú)背景的圖 )，往往假設(shè)人臉位置已知或很容易獲得， 因此人臉檢測(cè)問(wèn)題并未受到重視。 人臉檢測(cè)雖然有誘人的應(yīng)用前景，但是在現(xiàn)實(shí)中卻還沒(méi)有開(kāi)始大規(guī)模的使用。近年來(lái)，人臉檢測(cè)研究得到了諸多研究人員的青睞，涌現(xiàn)出了諸多技術(shù)方法。 第三階段（ 1998 年 ~現(xiàn)在） FERET’96 人臉檢測(cè)識(shí)別算法評(píng)估表明：主流的人臉識(shí)別技術(shù)對(duì)光照、姿態(tài)等由于非理想采集條件或者 對(duì)象 不配合造成的變化魯棒性比較差。隨著人臉檢測(cè)研究的深入，國(guó)際上發(fā)表的有關(guān)論文數(shù)量也大幅度增長(zhǎng)，如 IEEE的FG(IEEE International Conference on Automatic Face and Gesture Recognition) 、ICIP(International Conference on Image Processing)、 CVPR(Conference on Computer Vision and Pattern Recognition)等重要國(guó)際會(huì)議上每年都有大量關(guān)于人臉檢測(cè)的論文，占有關(guān)人臉研究論文的近 1/3之多。 目前人臉檢測(cè)方法主要可以分為以下 4 類(lèi)： 1) 基于知識(shí)的方法： 利用人臉的幾何形狀以及臉部器官的比例對(duì)稱(chēng)關(guān)系來(lái)定位人臉； 2) 基于特征的方法：直接利用人臉信息如膚色特征、輪廓特征、紋理特征等； 3) 基于模板的方法：使用模板在待測(cè)圖像中逐點(diǎn)掃描計(jì)算匹配度，根據(jù)匹配度來(lái)判斷有無(wú)人臉； 4) 基于外觀(guān)的方法：如神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法、特征臉?lè)ǖ取? 對(duì)于彩色空間來(lái)說(shuō)， RGB 是最常用的顏色表示系統(tǒng)，但是人臉膚色在這一系統(tǒng)中的分布非常廣泛，因此不適合表示人臉區(qū)域，往往需要轉(zhuǎn)換到其他的彩色空間。 膚色模型 膚色是人臉一個(gè)重要而明顯的特征，利用膚色模型可以快速排除非膚色區(qū)域，大大減小搜索空間，提高人臉檢測(cè)的效率。由此可見(jiàn)，在 Y 值不同的地方，我們 對(duì) CbCr 子平面 進(jìn)行 投影，得到的結(jié)果是不同的，由此得到結(jié)論，簡(jiǎn)單地排除 Y 分類(lèi)，按照傳統(tǒng)地做法在三維的 CbCr 子平面中尋求膚色的聚類(lèi)區(qū)域是不可行的，我們必須考慮 Y 值不同造成的影響，從而對(duì)YCbCr 色彩格式進(jìn)行非線(xiàn)性分段色彩變換。訓(xùn)練的過(guò)程如圖所示： N Y N Y 圖 21 訓(xùn) 練流程圖 這樣訓(xùn)練以后，得到了 Cb 和 Cr 的均值為 和 ，落在膚色范圍內(nèi) ,驗(yàn)證了理論的正確性。這些矩形應(yīng)該滿(mǎn)足以下條件： 1) 矩形系列中應(yīng)該盡可能地包含待檢測(cè)圖像中的全部人臉對(duì)于距離較近或者是有接觸的多個(gè)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，這時(shí)可以用一個(gè)矩形區(qū)域覆蓋它們。的區(qū)域?yàn)榉侨四槄^(qū)域。 分割的對(duì)象是黑白圖像，分割簡(jiǎn)化為找出所有黑色的連通區(qū)域，它們都成為人臉器官的候選者。在本系統(tǒng)中， 基于邊界的方法主要用于前期矩形序列的產(chǎn)生，快速地得到包含人臉區(qū)域的外接矩形； 然后用基于區(qū)域的方法 ,， 全局考慮，對(duì)初始矩形序列進(jìn)行區(qū)域歸并， 得到最終的輸出矩形。從圖可以看出 ,經(jīng)過(guò)相似度計(jì)算和二值化操作 ,然后對(duì)人臉進(jìn)行邊界估計(jì) ,最后進(jìn)行標(biāo)定 ,基本上做到了。（因?yàn)橄日已劬Γ覀兙鸵匝劬Φ拇笮闇?zhǔn)，最后在調(diào)整嘴巴的大小）。另外，利用直方圖均衡方法也可使輸入圖像的最佳分割閾值可能所在的區(qū)間縮小。 安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 15 眼睛的標(biāo)定 由于眼睛和膚色的差異較大， 在上一章人臉區(qū)域 二值化 的基礎(chǔ)上 ， 再 進(jìn)行邊緣檢測(cè)。 用 LOG 算子提取邊緣流程為： N Y 圖 37 邊緣提取流程 這樣就可以將人臉的整個(gè)邊界的輪廓大致地提取出來(lái)了。在確定的人眼范圍內(nèi)，標(biāo)定出左右眼角和眼睛的位置。使用此算法對(duì)多幅人臉圖像進(jìn)行了處理，所采用的圖像都是在正常光照以及室內(nèi)條件下所攝取的正面人臉圖片 (其相對(duì)于水平方向的旋轉(zhuǎn)角度在 45176。經(jīng)過(guò)改進(jìn)二值化處理，對(duì)于全局閾值占有很大比重的情形，可以較好地解決圖像的二值化，為進(jìn)一步的人臉識(shí)別奠定了基礎(chǔ)。 其次是增加對(duì)側(cè)面臉進(jìn)行識(shí)別的功能。 在這還要感謝那些曾做過(guò)和我一樣課題的前輩們，正是看了關(guān)于你們?nèi)四槞z測(cè)與定位的專(zhuān)著和論文