【正文】 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 13 頁 共 28 頁 決分析最小二乘法原理的基礎(chǔ)上推導(dǎo)出來的 [18]。在濾波去噪聲時(shí)應(yīng)該盡量不損害圖 像中邊沿和各種細(xì)節(jié)。這主要由于平時(shí)的工作和環(huán)境引起的，圖像增強(qiáng)是減弱噪音，增強(qiáng)對比度。因此，膚色特征這一 方法的一 個(gè)很嚴(yán)重的缺陷就在于很難在任何情況下準(zhǔn)確的區(qū)分人臉和背景圖像。 然后對簡單膚色模型和高斯膚色模型在不同的膚色空間的聚類特性較詳細(xì)的分析和比較 。大量資料證實(shí)：如果 顏色空間 的亮度分量和色度分量分離的話，分離后的 二維色度分量的 總體分布同樣滿足 二維高斯分布。但是它也有缺陷，它需要大量的樣本集 ,而且短時(shí)間內(nèi)難以完成檢測 。但是 在非特定條件下對閾值選擇要求高，容易導(dǎo)致失誤，因而有時(shí)候效果會不太明顯，所以 膚色檢測 在特定的情況下才會使用到它 。 第四 ， 計(jì)算繁瑣程度和 坐標(biāo)表示形式 相比較而言更簡潔 。如圖 所示。 HIS 的色彩空間 可以表示成一個(gè)圓柱體，坐標(biāo)體系 如圖 。盡管消除了 部分相對亮度信息，但 仍然 包含 一定的絕對亮度信息。 可以采用三維的笛卡爾坐標(biāo)系來表示該空間模型， x、 y、 z軸分別對紅、綠、藍(lán)三種顏 色，如圖 所示。 本文主要研究第一種方法 。相關(guān)研究 表明 ,不同 條件下人臉的膚色 會有較大的不一致性 ,但這種不一致性不是在色彩上 ,而是表現(xiàn)在亮度 上 [25]。接著簡單的介紹了膚色模型，并選擇了高斯模型作為實(shí)驗(yàn)所用的膚色模型。變形模板 法第一步就是制定模板參數(shù)， 對參數(shù)進(jìn)行修整一直到 收斂 為止，最終檢測出人臉面部器官位置 。當(dāng)找到符合規(guī)則的圖像區(qū)域后，就可以認(rèn)為人臉已經(jīng)被檢驗(yàn)出來，對候選的圖像區(qū)域進(jìn)行驗(yàn)證，來確定該圖像區(qū)域是否有 人臉 [9]。 著名的企業(yè)有： 北京行者集團(tuán)、北京東鳥、上海銀晨、武漢東潤等等。 本文主要研究基于膚色的人臉檢測方法。隨著電子信息技術(shù)的迅猛發(fā)展，人臉 識別技術(shù)成為更理想的身份驗(yàn)證方式。人臉識別系統(tǒng)主要 分為三個(gè)步驟： 人臉檢測 、人臉 定位 、人臉識別。本文 首先介紹 了人臉檢測技術(shù)的意義、應(yīng)用技術(shù) 以及 現(xiàn)階段國內(nèi)外 研究現(xiàn)狀 ，并對本為所做的工作進(jìn)行了綜述。 作為一種重要的個(gè)人身份鑒別技術(shù)，在國家安全、 門禁 系統(tǒng)、視頻監(jiān)控等多種地方都有運(yùn)用人臉識別技術(shù)。 國外諸多科研機(jī)構(gòu)都有專門從事人臉檢測和識別研究的研究組，著名的人臉檢測和識別研究機(jī)構(gòu)有：美國麻省理工學(xué)院媒體實(shí) 驗(yàn)室 、英國 Surrey 大學(xué)視覺、 法國的INRIA 研究所、 瑞士的 IDIAP 等 [10]。同時(shí)由 我 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 2 頁 共 28 頁 國自主 研制的擁有完全自主知識產(chǎn)權(quán)的“面像識別核心技術(shù)”獲得了很大的成就，多項(xiàng)技術(shù)指標(biāo)都達(dá)到國際一流 水平 [7]。第 三 種是顏色特征法，因?yàn)槿四樀哪w色在某些 特定的顏色空間中具有比較好的類聚特性，根據(jù)膚色像素在色的上的相似性和空間上的相關(guān)性分割出可能的人臉區(qū)域。 本文的主要工作 如前文所述，人臉是一個(gè)常見而又復(fù)雜的視覺模式，作為一種生物特征在模式識別和計(jì)算機(jī)視覺等領(lǐng)域得到了大量的應(yīng)用。 第四章人臉檢測代碼、界面及結(jié)果分析，為了能更清晰明了地展示本課題的人臉檢測過程，采用 matlab 軟件中的 GUI 部分設(shè)計(jì)人 臉檢測界面。 同時(shí) ,利用膚色 信息將 輸入圖像 中的人臉區(qū)域分割出來 ,不僅速度快 ,實(shí)用性也好 。而 對于在 人臉檢測 中運(yùn)用膚色特征信息這一方法來說 ， 如何選擇膚色空間至關(guān)重要，它會對最終的結(jié)果有很大的影響。 圖中立方體的對角線 是指當(dāng)三個(gè)分量值相同所對應(yīng)的灰度像素點(diǎn)，這些灰度像素點(diǎn)構(gòu)成的這條條直線，如圖所示。其中色度（ H）是很據(jù)顏色的名字來確認(rèn) ，如紅、綠，它用角度 180176。和值代表顏色的亮度。 該空間常用于彩色圖像的壓縮和傳輸 ,JPEG 格式的圖片采用的色彩系統(tǒng)就是該系統(tǒng) 。根據(jù)大量研究分析 ,膚色的聚類特性 在該空間中 比較好 [14]。 此方法在 膚色的檢測 過程中檢測 率要高 很多 ,并且 誤檢率也要小 很多 ,但是模型的參數(shù)估計(jì)很難 ,速度也不是很快 ,因此 不適合快速的膚色檢測 。 國外學(xué)者在研究這個(gè)方法時(shí)，通過大量的計(jì)算來算出各點(diǎn)的膚色概率，并得出了像素 和膚色點(diǎn)的相關(guān)結(jié)論。通過比較我們發(fā)現(xiàn)，高斯模型在體現(xiàn) 膚色分布 的效果上更好 。所以，迫切提高檢測速度 ，這 樣才能在某些對實(shí)時(shí)性要求比較高的場合中不受過多的 限制 [17]。它 有兩個(gè)模塊，分別是： 彩色信息 條件下的的圖像分割以及正面情況下的人臉檢測 。常用的有高斯濾波、均值濾波、中值濾波、最小均方差濾波、 Gabor 濾波 [26]。 圖 經(jīng)過灰度圖像處理、濾波處理去噪的效果圖 3. 2 自適應(yīng) 閾值 分割 在眾多的圖像分割方法中， 閾值 法因其實(shí)現(xiàn)簡單，不需要人工干預(yù)，計(jì)算量小等優(yōu)點(diǎn)而被廣泛采用。用 T將灰度級分成 ? ?0 1~C T? 和? ?1 1~C Tm? ? 兩組，各組產(chǎn)生的概率和平均值分別如下： ? ?0 1T ii pT?????? （ ） ? ?? ?01 0T iiTip T?? ?????? （ ） 10=1 1miiT p???? ? ?? （ ） ? ?? ?11 1 1m iiTTip T??? ??????? ?? （ ） 其中 ? 是整體圖像的灰度平均值； ? ?T? 是 閾值 為 T時(shí)的灰度平均值。由于在膚色似然圖中膚色部分比其他部分更明亮一些，本文采用最佳 閾值 分割的方法，得 到二 值化圖像。由于二值圖像十分方便處理，二值圖像處理在圖像處理領(lǐng)域占據(jù)很重要的位置， 在具體的圖像處理應(yīng)用中，往往需要將圖像轉(zhuǎn)化為二值圖像，對于獲得的二值圖像再進(jìn)一步進(jìn)行處理，以利于后期的處理工作。如果兩個(gè)物體之 間 有細(xì)小的連通，那么當(dāng)結(jié)構(gòu)元素足夠大時(shí)，通過腐蝕運(yùn)算可以將兩個(gè)物體分開。使用四方向判斷的算法。因人臉區(qū)域本身具有一定的大小，若膚色區(qū)域的長和寬太小，則該區(qū)域的特征不太明顯，將難于辨識是否為人臉。 本章小結(jié) 本章主要討論了 5 方面的內(nèi)容 ，圖像的預(yù)處理、自適應(yīng)閾值選取、二值圖像處理、形態(tài)學(xué)處理 及 人臉區(qū)域定位 。前面章節(jié)中介紹了色彩空間的選擇、膚色模型的建立、膚色分割、人臉區(qū)域 的定位，那么 本章是 在此的基礎(chǔ)上對實(shí)驗(yàn)的代碼實(shí)驗(yàn)的結(jié)果進(jìn)行分析和 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 17 頁 共 28 頁 講解。 本文算法主要是對單人臉正面的圖像進(jìn)行檢測和特征定位，從統(tǒng)計(jì)結(jié)果也可以看出， 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 18 頁 共 28 頁 單人臉圖像的檢測效果較多人臉的檢測效果好。 當(dāng)然在分割之前要先對圖像進(jìn)行預(yù)處理，如對圖像的光線補(bǔ)償?shù)取Ｗ詈?，人臉檢測研究多是在特定條件下進(jìn)行的，若要使檢測算法對任意條件下的圖像均有效，如何提高算法的通用性也是需要解決的問題。 本文的研究雖然取得一些成果，但由于時(shí)間和能力有限，研究的范圍和深度都還不夠，今后還有許多工作要做。 結(jié) 論 膚色是人體所固有的生理特征，其顏色信息對方向不敏感，利用膚色可以對旋轉(zhuǎn) 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 19 頁 共 28 頁 或側(cè)轉(zhuǎn)的人臉進(jìn)行檢測，因此基于膚色分割的人臉檢測與跟蹤就成為一種處理彩色圖像視頻的常用方法 。下面給出部分圖像的人臉檢測結(jié)果，如圖 至圖 。 通過對各種顏色空間的介紹與對比 ,選擇顏色空間作為本文的膚色建?？臻g 。如果該膚色區(qū)域長寬比大于等于 或小于等于 ，則認(rèn)為該區(qū)域?yàn)榉侨四槄^(qū)域，直接去除；如果膚色區(qū)域長寬比大于 小于 ，則對該區(qū)域分三部分進(jìn)行判斷處理，主要是調(diào)整膚色區(qū)域的長度。為了最大程度地去除非人臉區(qū)域，本文采用人臉先驗(yàn)知識對形態(tài)學(xué)處理后的二值圖像進(jìn)行判斷。 （ a）原圖 （ b）腐蝕后的圖像 圖 圖像腐蝕效果圖 膨脹運(yùn)算在數(shù)學(xué)形態(tài)學(xué)中的作用是把圖像周圍的背景點(diǎn)合并到物體中。 3. 4 形態(tài)學(xué)處理 形態(tài)學(xué)是一門新興科學(xué)，它的用途主要是獲取物體拓?fù)浜徒Y(jié)果信息，它通過物體和結(jié)構(gòu)元素相互作用的某些運(yùn)算，得到物體更 本質(zhì)的形態(tài) [19]。記錄下每次 閾值 變化時(shí)屬于膚色的像素量的變化，然后將屬于膚色的像素量變化最小的那個(gè) 閾值 作為最 佳閾值 。通過 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 14 頁 共 28 頁 判斷距離測度函數(shù)，函數(shù)值最大的即為二維最大類間方差法的最佳門限。本文對人臉圖像進(jìn)行膚色分割時(shí)就是采用自適應(yīng)閾值分割法進(jìn)行的，具體是應(yīng)用改進(jìn)的最大類間方差法進(jìn)行膚色分割處理。一般情況下，在空間域內(nèi)可以用領(lǐng)域平均來減少噪聲；在頻率域內(nèi)，由于噪聲頻譜通常多在高頻段，因 此可以采用各種形式的低通濾波的辦法來減少噪聲。 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 12 頁 共 28 頁 3. 1 灰度圖像濾波去噪 剛獲得的圖像有很多噪音 。 但是， 不同種族的人，人臉表面的顏色不一樣，光源顏色也不是一成不變的，以及光照角度的不同導(dǎo)致的高光區(qū)和非高光區(qū)等等因素的影響，加大了人臉分割的任務(wù) 。接著再對基于膚色分割的人臉檢測 中所涉及的膚色空 間和膚色模型 作了詳細(xì)的介紹，并對膚色空間和膚色模 和分割性能做了比 型 的選擇問題做了較為詳細(xì)介紹 。 該模型運(yùn)用 統(tǒng)計(jì)學(xué)原理， 并得出：膚色這樣的隨機(jī)樣本既然滿足正態(tài)分布，那么在它同樣應(yīng)該也 符合高斯分布 ，這一結(jié)論。 統(tǒng)計(jì)直方圖 的優(yōu)勢在于 不需要考慮顏色空間 ,運(yùn)行起來簡單無負(fù)擔(dān)， 運(yùn)算過程不繁雜 ,而且它的膚色分類器在檢測過程中速度快。 該 模型 具有 精確度 高 ,算法 簡單 ,實(shí)用性好 ,速度快 等優(yōu)點(diǎn) 。 第三， 與其他顏色空間相比，能更好的將圖像中的亮度分量分離出來 。首先在色彩空間內(nèi) 定義膚色的值域 所在的一個(gè)范圍，即可正確提取該膚色區(qū)域 。來度量；飽和度（ S）表示顏色的深淺，對于藍(lán)色也會由于深度不同而分為深藍(lán)和淺藍(lán)，用百分比表示的話就是 從 0％到全滿狀態(tài)的 100％；亮度（ I）表示顏色的明暗狀況，用百分比表示就是 從黑 0％到白 100％。大部分的相關(guān)研究 都使用 這一顏色空間 作為檢測手段。 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 5 頁 共 28 頁 關(guān)于