【正文】 )) % 如果滿(mǎn)足面積塊大，而且寬/高 mx = p。EdgeColor39。, 39。通過(guò)臉部幾何特征選取臉部區(qū)域，排除非臉部區(qū)域。x=imread(39。 for j=1:b w=[cb(i,j) cr(i,j)]。imshow(x)。)%thresholdse=strel(39。holes39。 %figure,imshow(f)。 area_sq=len*wid。title(39。Face and Features39。 hold on %plot(round(.5*(c_max+c_min)),round(.5*(r_max+r_min)),39。*39。*39。參考文獻(xiàn)[1] [J]，2008，8(89):3840[2] YANGM H. Detecting Faces in Images: A Survey [J], IEEE transactions on pattern analysis intelligence, 2002,24(1): 3458.[3] YANG G, HUANG T S. Human Face Detection in Complex Background [J]. Pattern Recognition,1996,2(1) :345350.[4] ZHANG Z, LI S Z, ZHANG H. Realtime multiview face detection[C]. In: Proceedings of Conference on Automatic Face and Gesture Recognition, Washington D C, USA ,200239。e2_y=i。e1_y=i。 figure。imshow(w)。 end end end figure。 len=max(r)min(r)+1。 f=imerode(f,se1)。%open and close processing。title(39。 endendz=p./max(max(p))。cr=double(y(:,:,3))。clear all。利用人工閾值法將膚色與非膚色區(qū)域分開(kāi)，形成二值圖像。title(39。Position39。 % 寬*高 if pmx amp。 % 行跳躍end[L, num] = bwlabel(BW, 8)。 [p, q] = size(loc)。r = floor(n1/10)。 title(39。LineWidth39。)。subplot(2, 2, 2)。 imshow(Img)。 Img = imread(39。else figure。h3=line([l_y1+g_y1+g,l_y1+g_y1],[k_y1+*g,k_y1+*g])。 for j=1:m1 if any(B2(:,j))==1 g_y1=j。 E=regionprops(L1,39。 break end end for j=l_y1:n if B1(:,j)==0 l2=j。Sm=max(Se)。disk39。 O=rgb2ntsc(I)。 基于隱馬爾科夫（HMM）的人臉識(shí)別HMM 模型即是一組參數(shù)=(∏，A，B)，這組參數(shù)完全代表了一個(gè)模型，從數(shù)學(xué)上具體的刻畫(huà)了 HMM 模型。次識(shí)別算法人臉具有如下優(yōu)良特征:穩(wěn)定性、位移不變性和轉(zhuǎn)置不變性。 基于靜態(tài)圖像的識(shí)別 對(duì)于靜態(tài)的圖像分析其中的人臉需要借助圖像獲取設(shè)備幫助實(shí)施（手機(jī)，相機(jī)的等）得到圖片，然后簡(jiǎn)單的進(jìn)行人臉識(shí)別，因此做法的算法計(jì)算的復(fù)雜的就很低。如有這種通用特征，經(jīng)過(guò)大量的人臉訓(xùn)練相應(yīng)的人臉檢測(cè)分類(lèi)器來(lái)檢測(cè)其他圖片中的人臉，然后通過(guò)特定的判別式判斷檢測(cè)圖像是屬于哪一類(lèi)，是人臉還是非人臉。（1）基于歐氏距離的特征提??；（2）基于 KL 的變換的特征提取；（3）基于 SVD 的特征分析的特征提??；（4）基于 ICA 的特征提取。 人臉特征提取方法 一個(gè)檢測(cè)算法的優(yōu)劣通常是由特征決定的。靜態(tài)人臉識(shí)別技術(shù):從固定的二維圖像上分析其中所包含的人臉信息?；谔卣鞣治龅姆椒ㄊ峭ㄟ^(guò)提取現(xiàn)有人臉某些低層次的特征信息來(lái)進(jìn)行對(duì)圖像基于知識(shí)的檢測(cè),典型的信息包括膚色、面部特征的幾何分布等。但隨著網(wǎng)絡(luò)信息及時(shí)代的發(fā)展,能夠完成復(fù)雜背景下的人臉檢測(cè)已作為一門(mén)獨(dú)立學(xué)科備受研究人員的關(guān)注。基于模板匹配的思想，經(jīng)過(guò)多年研究，形成了如下幾個(gè)主流研究方向:子空間方法[8,9]、彈性匹配方法[10,11]、神經(jīng)網(wǎng)絡(luò)法[12,13]、HMM方法[14,15]以及支持向量機(jī)的方法[16,17]等。 2006 年，人臉識(shí)別系統(tǒng)在國(guó)內(nèi)金融部門(mén)的金庫(kù)開(kāi)始使用，使其成為國(guó)內(nèi)首個(gè)用人臉來(lái)“把守”大門(mén)的金庫(kù)。 人臉識(shí)別技術(shù)的發(fā)展現(xiàn)狀國(guó)內(nèi)對(duì)人臉識(shí)別技術(shù)的研究起步較晚，始于上世紀(jì)80年代，近 30年的研究中，也取得了一系列的研究成果。然后在所選區(qū)域內(nèi)進(jìn)行進(jìn)一步的臉部特征的識(shí)別,也存只用膚色進(jìn)行人臉檢測(cè)的。其中，人臉檢測(cè)技術(shù)是智能人臉識(shí)別系統(tǒng)中的關(guān)鍵的環(huán)節(jié)和前提條件，也是面部表情識(shí)別、頭部狀態(tài)估計(jì)等應(yīng)用的前提條件。 同時(shí)人臉識(shí)別作為一種生物體征識(shí)別與其它較成熟的識(shí)別方法(如指紋、虹膜、DAN 檢測(cè)等)相比有以下幾個(gè)優(yōu)點(diǎn)： ①無(wú)侵犯性，人臉圖像的獲取不需要被檢測(cè)人發(fā)生身體接觸，可以在不驚動(dòng)被檢測(cè)人的情況下進(jìn)行； ②低成本、易安裝，人臉識(shí)別系統(tǒng)只需要采用普通的攝像頭、數(shù)碼攝像機(jī)或手機(jī)上的嵌入式攝像頭等被廣泛使用的攝像設(shè)備即可，對(duì)用戶(hù)來(lái)說(shuō)也沒(méi)有特別的安裝要求； ③無(wú)人工參與，整個(gè)人臉識(shí)別過(guò)程不需要用戶(hù)或被檢測(cè)人的主動(dòng)參與，計(jì)算機(jī)可以根據(jù)用戶(hù)預(yù)先的設(shè)置自動(dòng)進(jìn)行。關(guān)于人臉檢測(cè)與識(shí)別算法的調(diào)研報(bào)告目錄1 緒論 2 研究背景與意義 21. 2 人臉檢測(cè)與識(shí)別技術(shù)發(fā)展?fàn)顩r 4 人臉檢測(cè)技術(shù)發(fā)展?fàn)顩r 4 人臉識(shí)別技術(shù)的發(fā)展現(xiàn)狀 6 人臉識(shí)別的優(yōu)點(diǎn)及技術(shù)難點(diǎn) 92 人臉檢測(cè)與識(shí)別技術(shù) 11 12 人臉識(shí)別方法 133 人臉特征提取和檢測(cè)及識(shí)別算法介紹 15 人臉特征提取方法 15 人臉檢測(cè)算法 16 基于特征的人臉檢測(cè) 16 基于統(tǒng)計(jì)的人臉檢測(cè) 17 基于膚色模型的人臉檢測(cè) 17 人臉識(shí)別算法 18 基于靜態(tài)圖像的識(shí)別 18 基于視頻圖像的人臉識(shí)別 19 基于隱馬爾科夫（HMM）的人臉識(shí)別 204 人臉識(shí)別與檢測(cè)的相關(guān)實(shí)例 20 實(shí)例一 20 實(shí)例二 23 實(shí)例三 255 結(jié)束語(yǔ) 29參考文獻(xiàn) 30關(guān)于人臉檢測(cè)與識(shí)別算法的調(diào)研報(bào)告1 緒論 研究背景與意義隨著現(xiàn)代計(jì)算機(jī)技術(shù)的發(fā)展，人臉識(shí)別技術(shù)在安全驗(yàn)證、人機(jī)交流、公安系統(tǒng)等方面得到了廣泛的使用，并且在視頻會(huì)議、檔案管理、醫(yī)學(xué)醫(yī)療等方面也發(fā)揮著很大的作用。采用人臉識(shí)別技術(shù)，建立自動(dòng)人臉識(shí)別系統(tǒng)，用計(jì)算機(jī)實(shí)現(xiàn)對(duì)人臉圖像的自動(dòng)識(shí)別有著廣闊的應(yīng)用領(lǐng)域和誘人的應(yīng)用前景[1]。1. 2 人臉檢測(cè)與識(shí)別技術(shù)發(fā)展?fàn)顩r 人臉檢測(cè)技術(shù)發(fā)展?fàn)顩r人臉識(shí)別起源于上世紀(jì)60、70年代，經(jīng)過(guò)眾多科學(xué)工作者的努力已日趨成熟[2,3]。一般步驟為先用膚色檢測(cè)將膚色區(qū)域蹄選出來(lái)。甚于幾何特征的優(yōu)點(diǎn)是算法簡(jiǎn)單、檢測(cè)速度快,但是缺點(diǎn)是會(huì)受背景影響比較大。目前，國(guó)內(nèi)人臉識(shí)別已有的應(yīng)用有： 2005 年，公安部出入境管理局實(shí)施“深圳－香港生物護(hù)照旅客快速通關(guān)系統(tǒng)”采用人臉識(shí)別系統(tǒng)，每名旅客過(guò)關(guān)時(shí)間只需約 6 秒，識(shí)別率達(dá)到 99%。早期的人臉識(shí)別技術(shù)主要都是基于運(yùn)用人臉的物理幾何特征或是運(yùn)用模板匹配，基于物理幾何特征的方法利用幾何參數(shù)作為特征進(jìn)行識(shí)別,如面部特征點(diǎn)的大小、位置、距離、角度和形狀等[6,7],具體來(lái)說(shuō)可以根據(jù)眼睛相對(duì)于眉毛的位置坐標(biāo)及寬度、臉的寬度與嘴巴的寬度的關(guān)系等來(lái)識(shí)別人臉。整個(gè)人臉識(shí)別系統(tǒng)中的一個(gè)重要環(huán)節(jié)即為人臉檢測(cè)技術(shù),早期的人臉識(shí)別技術(shù)主要應(yīng)用在人臉位置相對(duì)固定或簡(jiǎn)單背景的情況中,所以當(dāng)時(shí)大多數(shù)學(xué)者們都忽略了人臉檢測(cè)技術(shù)的研究。綜上所述,可以把人臉檢測(cè)技術(shù)分為基于特征分析和基于統(tǒng)計(jì)方法這兩大類(lèi)。人臉自動(dòng)識(shí)別技術(shù)分類(lèi)方法很多,以圖像來(lái)源為區(qū)分標(biāo)準(zhǔn),可以分為兩大類(lèi),即靜態(tài)人臉識(shí)別和動(dòng)態(tài)人臉識(shí)別。3 人臉特征提取和檢測(cè)及