【正文】 后才啟發(fā)了我怎樣進行人臉檢測、怎么樣的算法才是最合理的。不禁生起一絲悲涼之意。目前的去光照處理的效果并不令人滿意，白平衡處理則只能對總體進行小幅度的修正，不能解決光照造成的左右不平衡的問題。 安徽工程科技學(xué)院畢業(yè)設(shè)計（論文） 21 結(jié)論與 展望 通過基于膚色的人臉檢測、定位等操作，可以較好地定位人臉的識別區(qū)域。 其結(jié)果如圖 314 示： 確定眼睛區(qū)域 可能的鼻子區(qū)域 找出鼻尖 確定鼻孔的位置 標記鼻孔 安徽工程科技學(xué)院畢業(yè)設(shè)計（論文） 19 圖 314 嘴巴標記 設(shè)計結(jié)果及分析 設(shè)計程序的主界面如 下： 圖 315 系統(tǒng)主界面 單擊打開圖像打開一幅人臉圖像，然后用上述界面進行 相似度計算，圖像二值化、垂直直方圖、水平直方圖、標記人臉區(qū)域，接著可以依次標記眼睛的位置和鼻子的位置的特征標注。這樣就把眼睛區(qū)域劃分為很多的小區(qū)域，在把 這些區(qū)域中寬度小于人臉寬度的 1/20 刪除掉，然后在合并相鄰的閉合區(qū)域（小于人臉寬度的 1/40），這樣就可確定人眼的水平區(qū)域。通過對處理后的圖像進行研究對比發(fā)現(xiàn)：拉普拉斯高斯算子既具備了高斯算子的優(yōu)點又具備了拉普拉斯算子的優(yōu)點 在邊緣檢測中不但對灰度漸變和噪聲較多的圖像處理最好，而且是各向同性的，得到的處理后的圖像具有連貫性和高清晰度。隨著閾值的不斷增加，可以看到二值化人臉圖像中新黑塊在不斷地出現(xiàn)，已有的黑塊面積在擴展并不斷地與別的黑塊相重合。 經(jīng)對多幅在復(fù)雜背景及不同光照條件下人臉圖像的直方圖分析與統(tǒng)計發(fā)現(xiàn)，只要臉部光照適中，雙眼部位較清晰，絕大多數(shù)情況下最佳分割閾值位于歸一化灰 度值 與 之間。所以還要進一步修正上面的結(jié)果。從而，可以確定人臉區(qū)域為 rect(left, top, right, bottom ) ?；谶吔绶椒ㄊ翘崛∵吘墸眠吘夁M行分割，該方法處理的像素數(shù)量比較少，各像素點間的相鄰關(guān)系比較簡單，處理速度比較快，但是，基于邊界的方法是從局部特性來求圖像整體的分割，因此在全局宏觀性質(zhì)上不如基于區(qū)域的方法。因此圖像分割可以利用的特征是 ： 灰度比周圍區(qū)域暗的區(qū)域。之間，因此旋轉(zhuǎn)角度小于 45176。 總體流程如下： 圖 31 人臉檢測與定位的總體流程 下面將介紹人臉標記和眼睛、鼻子、嘴巴定位的算法及其流程。通常，在已有的樣本訓(xùn)練集基礎(chǔ)上確定某個判定規(guī)則，使得按此規(guī)則對被識別對象進行分類所造成的錯誤識別率最小或者結(jié)果期望最大。 在 YCbCr 色彩空間中，膚色聚類事兩頭尖的紡錘形狀，也就是在 Y 值較大和較小的部分，膚色聚類區(qū)域也隨之縮減。最終，我們得到的膚色范圍是： Cb∈ [90， 125]， Cr∈ [135， 165]。不同膚色模型的建立基于不同的顏色空間 ,且為顏色空間的一個子空間。膚色雖然因人而異 ,但很多研究表明膚色在色彩空間中的一定范圍內(nèi)還是呈聚類特性的，特別是在排除了光照亮度和在經(jīng)過變換的色彩空間中。 目前國內(nèi)的，國外的對人臉檢測問題的研究很多，比較著名的有 MIT， CMU等；清華大學(xué)、北京工業(yè)大學(xué)、中科院計算所和自動化 所等都有人員從事人臉檢測相關(guān)的研究。 第二階段（ 1991 年 ~1997 年） 這一階段盡管時間相對短暫，但卻是人臉識別研究的高潮期，可謂碩果累累：不但誕生了若干代表性的人臉識 別算法，而且美國軍方還組織了著名的 FERET 人臉識別算法測試，并出現(xiàn)了若干商業(yè)化運作的人臉識別系統(tǒng)，比如最為著名的 Visionics（現(xiàn)為Identix）的 FaceIt 系統(tǒng)。 高爾頓 (Galton)早在 1888 年和 1910 年就分別在《 Nature》雜志發(fā)表了兩篇關(guān)于利用人臉進行身份識別的文章，對人類自身的人臉識別安徽工程科技學(xué)院畢業(yè)設(shè)計（論文） 3 能力進行了分析 。 今天， 人臉檢測的應(yīng)用背景已經(jīng)遠遠超出了人臉識別系統(tǒng)的范疇，在基于內(nèi)容的檢索、數(shù)字視頻處理、視覺監(jiān)測等方面有著重要的應(yīng) 用價值。 人臉檢測問題最初來源于人臉識別 (face recogznition)。人臉是 一個包含五官、毛發(fā)等的極不規(guī)則的復(fù)雜待測目標，不同的人臉在形狀、大小、顏色、質(zhì)地等方面都有很大的變化；所考慮的檢測對象大多是由圖像捕捉設(shè)備所采集的數(shù)字圖。 本課題的成果具有一定的應(yīng)用價值。要完成的工作包括相似度的計算，圖像的二值化，垂直直方圖和水平直方圖的獲取，人臉特征（眼睛、嘴和鼻子）的提取。 and by using boundarybased algorithm plus regionbased algorithm , the system has realized face location through the extraction of the features of eyes, nose and mouth. Taking advantages of Visual C++ , the authors have also developed corresponding software based on Microsoft Windows. Production of this paper have definite application results prove that the system is valid in detecting, locating and extracting frontal view face features in a certain it possess favorable performance in rapidity and accuracy. Key words: image segmentation。人臉的檢測問題在近 10 年中得到了廣泛的關(guān)注， 國內(nèi)外很多研究人士提出了很多方法，在不同領(lǐng) 域取得了一定進展。近幾年隨著電子商務(wù)等應(yīng)用的發(fā)展，人臉識別成為最有潛力的生物身份驗證手段， 這種應(yīng)用背景要求自動人臉識別系統(tǒng)能夠?qū)σ话悱h(huán)境下的圖像具 有一定的適應(yīng)能力，由此所面臨的一系列問題使得人臉檢測開始作為一個獨立的課題受到研究者的重視 。其主要原因之一就是用計算機自動進行人臉的檢測和識別十分困難，目前的檢測效果（正確率、速度）不如其他的生物識別技術(shù)，如指紋識別，視網(wǎng)膜識別等等。尤其是 1990 年以來，人臉檢測更得到了長足的發(fā)展。因此，光照、姿 態(tài)問題逐漸成為研究熱點。 本文研究的主要內(nèi)容 本課題致力于完成 Visual C++ 平臺下的人臉檢測與定位系統(tǒng)，人臉檢測定位的算法限制于基于膚色相似度算法。 上述的各種方法都存在自身的優(yōu)缺點和適用領(lǐng)域，很多學(xué)者在各自所面臨的問題范圍內(nèi)不斷探索，也發(fā)明了許多卓有成效的檢測算法。 在該文的設(shè)計中采用了 YCbCr(YUV)格式。 考慮到膚色等色彩信息經(jīng)常受到光源顏色、圖像采集設(shè)備的色彩的偏差等因素的影響，而在整體上偏離本質(zhì)色彩而向某一方向移動，即我們通常所說的色彩偏冷、偏暖，照片偏黃、偏 藍等等，這種現(xiàn)象在藝術(shù)照片中更為常見。 首先應(yīng)用膚色模型進行人臉的初定位，接著提出了一種基于膚 色區(qū)域分割方法得到包含人臉區(qū)域在內(nèi)的一系列矩形區(qū)域，從而進行了定位。同樣也得到了膚色信息的均值 M 和方差 C， 為下一步計算相似度做了準備。不漏檢、不降低正確率是膚色分割處理的前 提，也是人臉區(qū)域分割算法的首要前提 。圖像分割的目 的是把人臉的器 官與臉的其他部分分離開來，并保證每個器官的完整性。從一幅圖中，按一定規(guī)則劃分出感興趣的部分或區(qū)域 稱為分割。算法的整體流程圖如圖 34 所示： 圖 33 區(qū)域分割算法流程 輸入的經(jīng)過 膚色分割的圖像 去噪聲處理 提取邊界 對邊界的連通關(guān)系作處理 由邊界的連通性和閉合性得到初始的一系列矩形 將初始的矩形序列進行歸并處理 輸出最終的矩形 基于膚色相似度的人臉檢測與定位 12 人臉區(qū)域標記算法 在標記人臉之前，首先要對相似度圖像進行二值化操作，這一部分已經(jīng)在前面一章中介紹了。 圖 34 標記人臉區(qū)域 人臉檢測流程 整個基于膚色模型的人臉檢測的流程如下： 安徽工程科技學(xué)院畢業(yè)設(shè)計（論文） 13 膚色檢測 濾波和填充 檢查每個皮膚區(qū) 域 找到該區(qū)域的外接矩形 小于固定值 小于固定值 大于固定值 在原始圖像相同位置得到矩形， 進行放縮、直方圖均衡化等處理 圖 35人臉檢測流程圖 人眼的檢測算法及標定 因為人臉的五官位于 臉部頂點與下巴點之間，將搜索范圍設(shè)為一矩形區(qū)域，矩形的長為臉部頂點與下巴點的距離，矩形的寬即是臉寬。 人臉是一種特殊的模式，而人的雙眼與眉毛、鼻、口按一定的結(jié)構(gòu)分布在灰度基本均勻的人臉平面上，人臉這種特殊模式與圖像背景模式大相徑庭，從而為判別人的雙眼原始圖像 皮膚圖像 修正后的皮膚圖像 皮膚像素與整個矩形面積的比 矩形面積 候選人臉 非人臉 非人臉 標準候選人臉 基于膚色相似度的人臉檢測與定位 14 位置提供了依據(jù)。 有背景灰度人臉圖像中的人眼檢測與定位 首先用某一分割閾值 Threshold將包含人臉的灰度圖像二值化，去除二值化圖像中小的黑斑點，再對二值化圖像中黑色塊進行標記、計算每塊面積 (像 素數(shù) )、確定每塊的外接矩形位置及寬高。所謂的邊緣就是圖像的最基本特征，是指圖像周圍象素灰度有階躍變化和屋頂變化的像素的集合；是由灰度的不連續(xù)性反映的。其邊緣提取結(jié)果如下： 用 LOG 算子進行邊緣提取 是否為邊緣？ 膚色區(qū)域 處理為白色 處理為黑色 基于膚色相似度的人臉檢測與定位 16 圖 38 邊緣提取圖 然后對邊緣檢測的結(jié)果進行水平方向的投影，基本能確定眼睛的兩個范圍 I 和 II。 眼睛標定的流程為： 圖 310 眼睛標記流程圖 標記效果如圖： 圖 311 眼睛標記 鼻子的 標 定 在確定了眼睛的位置以后，鼻子的位 置也就相應(yīng)地定位下來了。到 135176。 本 設(shè)計 耗時數(shù)月，最后完成了所要求的功能。我們知道人類 對人臉的辨認能力遠遠超過正面，而是可以從正面到側(cè)面的各種角度進行辨別?？梢哉f在拿到這個課題時，我可是一臉的朦朧，正是你們的著作在我做畢業(yè)設(shè)計的過程中敲打著我，時刻啟迪我。想想自己即將踏出寧靜而優(yōu)美的校園，也許這一生的學(xué)生生活就這樣結(jié)束了。如何將光照對識別的影響減小到最少，是一個很有難度的問題。 基于膚色的人臉檢測和定位算法分析： 1) 統(tǒng)計出一般的人臉區(qū)域中膚色像素所應(yīng)占的百分比 , 然后具有較高的檢測成功率；利用這一百分比作為閾值對檢測算法得到的候選臉區(qū)域進行驗證，從而排除了膚色像素數(shù)不滿足這一閾值的候選臉； 2) 采用了增強人臉特征與臉部皮膚之間對比度的方法 , 以及改進的對人臉圖像進行二值化處理 , 減少了運算量 。對于唇色 ，滿足如下限制條件的位于臉的下部區(qū)域可能是嘴： 0 . 5 ( 2 )a r c c o s ( , 0 . 2( ) ( ) ( ) ( )R G BR G R G R B G B?? ????? ? ? ? ? （ 31） 嘴到兩眼中心的距離可能為 到 左右，在滿足條件的區(qū)域采用類似找眼睛的方