【正文】 后才啟發(fā)了我怎樣進(jìn)行人臉檢測(cè)、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(duì)總體進(jìn)行小幅度的修正，不能解決光照造成的左右不平衡的問(wèn)題。 安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 21 結(jié)論與 展望 通過(guò)基于膚色的人臉檢測(cè)、定位等操作，可以較好地定位人臉的識(shí)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(biāo)記鼻孔 安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 19 圖 314 嘴巴標(biāo)記 設(shè)計(jì)結(jié)果及分析 設(shè)計(jì)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(jìn)行 相似度計(jì)算，圖像二值化、垂直直方圖、水平直方圖、標(biāo)記人臉區(qū)域，接著可以依次標(biāo)記眼睛的位置和鼻子的位置的特征標(biāo)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(guò)對(duì)處理后的圖像進(jìn)行研究對(duì)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(diǎn)又具備了拉普拉斯算子的優(yōu)點(diǎn) 在邊緣檢測(cè)中不但對(duì)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(kuò)展并不斷地與別的黑塊相重合。 經(jīng)對(duì)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(jì)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(jìn)一步修正上面的結(jié)果。從而，可以確定人臉區(qū)域?yàn)?rect(left, top, right, bottom ) ?；谶吔绶椒ㄊ翘崛∵吘?，利用邊緣進(jìn)行分割，該方法處理的像素?cái)?shù)量比較少，各像素點(diǎn)間的相鄰關(guān)系比較簡(jiǎn)單，處理速度比較快，但是，基于邊界的方法是從局部特性來(lái)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(cè)與定位的總體流程 下面將介紹人臉標(biāo)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(gè)判定規(guī)則，使得按此規(guī)則對(duì)被識(shí)別對(duì)象進(jìn)行分類所造成的錯(cuò)誤識(shí)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(gè)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(guò)變換的色彩空間中。 目前國(guó)內(nèi)的，國(guó)外的對(duì)人臉檢測(cè)問(wèn)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(jì)算所和自動(dòng)化 所等都有人員從事人臉檢測(cè)相關(guān)的研究。 第二階段（ 1991 年 ~1997 年） 這一階段盡管時(shí)間相對(duì)短暫，但卻是人臉識(shí)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(shí) 別算法，而且美國(guó)軍方還組織了著名的 FERET 人臉識(shí)別算法測(cè)試，并出現(xiàn)了若干商業(yè)化運(yùn)作的人臉識(shí)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(jìn)行身份識(shí)別的文章，對(duì)人類自身的人臉識(shí)別安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 3 能力進(jìn)行了分析 。 今天， 人臉檢測(cè)的應(yīng)用背景已經(jīng)遠(yuǎn)遠(yuǎn)超出了人臉識(shí)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(cè)等方面有著重要的應(yīng) 用價(jià)值。 人臉檢測(cè)問(wèn)題最初來(lái)源于人臉識(shí)別 (face recogznition)。人臉是 一個(gè)包含五官、毛發(fā)等的極不規(guī)則的復(fù)雜待測(cè)目標(biāo)，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(cè)對(duì)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(jià)值。要完成的工作包括相似度的計(jì)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(cè)問(wèn)題在近 10 年中得到了廣泛的關(guān)注， 國(guó)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(jìn)展。近幾年隨著電子商務(wù)等應(yīng)用的發(fā)展，人臉識(shí)別成為最有潛力的生物身份驗(yàn)證手段， 這種應(yīng)用背景要求自動(dòng)人臉識(shí)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(wèn)題使得人臉檢測(cè)開始作為一個(gè)獨(dú)立的課題受到研究者的重視 。其主要原因之一就是用計(jì)算機(jī)自動(dòng)進(jìn)行人臉的檢測(cè)和識(shí)別十分困難，目前的檢測(cè)效果（正確率、速度）不如其他的生物識(shí)別技術(shù)，如指紋識(shí)別，視網(wǎng)膜識(shí)別等等。尤其是 1990 年以來(lái)，人臉檢測(cè)更得到了長(zhǎng)足的發(fā)展。因此，光照、姿 態(tài)問(wèn)題逐漸成為研究熱點(diǎn)。 本文研究的主要內(nèi)容 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。 上述的各種方法都存在自身的優(yōu)缺點(diǎn)和適用領(lǐng)域，很多學(xué)者在各自所面臨的問(wèn)題范圍內(nèi)不斷探索，也發(fā)明了許多卓有成效的檢測(cè)算法。 在該文的設(shè)計(jì)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(dòng)，即我們通常所說(shuō)的色彩偏冷、偏暖，照片偏黃、偏 藍(lán)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(jìn)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(jìn)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(jì)算相似度做了準(zhǔn)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(lái)，并保證每個(gè)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(guò) 膚色分割的圖像 去噪聲處理 提取邊界 對(duì)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(jìn)行歸并處理 輸出最終的矩形 基于膚色相似度的人臉檢測(cè)與定位 12 人臉區(qū)域標(biāo)記算法 在標(biāo)記人臉之前，首先要對(duì)相似度圖像進(jìn)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(biāo)記人臉區(qū)域 人臉檢測(cè)流程 整個(gè)基于膚色模型的人臉檢測(cè)的流程如下： 安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 13 膚色檢測(cè) 濾波和填充 檢查每個(gè)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(jìn)行放縮、直方圖均衡化等處理 圖 35人臉檢測(cè)流程圖 人眼的檢測(cè)算法及標(biāo)定 因?yàn)槿四樀奈骞傥挥?臉部頂點(diǎn)與下巴點(diǎn)之間，將搜索范圍設(shè)為一矩形區(qū)域，矩形的長(zhǎng)為臉部頂點(diǎn)與下巴點(diǎn)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(gè)矩形面積的比 矩形面積 候選人臉 非人臉 非人臉 標(biāo)準(zhǔn)候選人臉 基于膚色相似度的人臉檢測(cè)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(cè)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(diǎn)，再對(duì)二值化圖像中黑色塊進(jìn)行標(biāo)記、計(jì)算每塊面積 (像 素?cái)?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(jìn)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(cè)與定位 16 圖 38 邊緣提取圖 然后對(duì)邊緣檢測(cè)的結(jié)果進(jìn)行水平方向的投影，基本能確定眼睛的兩個(gè)范圍 I 和 II。 眼睛標(biāo)定的流程為： 圖 310 眼睛標(biāo)記流程圖 標(biāo)記效果如圖： 圖 311 眼睛標(biāo)記 鼻子的 標(biāo) 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(lái)了。到 135176。 本 設(shè)計(jì) 耗時(shí)數(shù)月，最后完成了所要求的功能。我們知道人類 對(duì)人臉的辨認(rèn)能力遠(yuǎn)遠(yuǎn)超過(guò)正面，而是可以從正面到側(cè)面的各種角度進(jìn)行辨別?？梢哉f(shuō)在拿到這個(gè)課題時(shí)，我可是一臉的朦朧，正是你們的著作在我做畢業(yè)設(shè)計(jì)的過(guò)程中敲打著我，時(shí)刻啟迪我。想想自己即將踏出寧?kù)o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(duì)識(shí)別的影響減小到最少，是一個(gè)很有難度的問(wèn)題。 基于膚色的人臉檢測(cè)和定位算法分析： 1) 統(tǒng)計(jì)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(cè)成功率；利用這一百分比作為閾值對(duì)檢測(cè)算法得到的候選臉區(qū)域進(jìn)行驗(yàn)證，從而排除了膚色像素?cái)?shù)不滿足這一閾值的候選臉； 2) 采用了增強(qiáng)人臉特征與臉部皮膚之間對(duì)比度的方法 , 以及改進(jìn)的對(duì)人臉圖像進(jìn)行二值化處理 , 減少了運(yùn)算量 。對(duì)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