【正文】 基于膚色相似度的人臉檢測與定位 22 致謝 大學四年的光陰如白駒過隙，轉(zhuǎn)瞬即逝。謝謝你們！ 致謝人： 20xx 年 6 月 17 日 安徽工程科技學院畢業(yè)設(shè)計（論文） 23 參考文獻 [1] 王天學，刑桂芬，江波 .基于區(qū)域分割的復(fù)雜背景中的人臉檢測與定位 [J] .計算機工程與設(shè)計 ， 20xx, 11(25)： 13 [2] 王學武 , 石躍祥 .基 于眼睛特征的人臉檢測方法 [J] .計算機應(yīng)用研究 ， 20xx 年 ,1(1)：13 [3] 王春紅，楊伯原，張洛平，張波 .B超圖像邊緣檢測算法分析及 C++實現(xiàn) [J] .河南科技大學學報（自然科學版）， 20xx, 2(27)： 13 [4] 王鄭耀 .數(shù)字圖像的邊緣檢測，西安交通大學本科畢業(yè)論文 [D]， 20xx年 6月 [5] 朱文佳，戚飛虎 .快速人臉檢測與特征定位 [J] .中國圖像圖形學報 ， 20xx, 11(10)：14 [6] 吳為 .人臉識別的軟件系統(tǒng)開發(fā)，復(fù)旦大學工學學士學位論文 [D]， 20xx年 6月 [7] 張宏林 .Visual C++數(shù)字圖像模式識別技術(shù)及工程實踐 [C] .北京：人民郵電出版社，20xx [8] 張永梅 , 韓焱 , 商細云 .一種人臉的檢測與定位方法 [J] .中北大學學報（自然科學版）， 20xx, 3(27)： 15 [9] 張敏，陶亮 .人臉圖像中人眼的檢測與定位 [J].光電工程 ， 20xx, 8(33)： 16 [10] 郭瑞，張淑玲，汪小芬 .人臉識別特征提取方法和相似度匹配方法研究 [J] .計算機工程 ， 20xx, 11(32)： 12 [11] 黃翠榮 ,嚴佩敏 ,時鹿鳴 . 基于方差相似度計算的人臉識別技術(shù) [J] .上海大學學報 (自然科學版 )， 20xx， 12(4)： 14 [12] 梁路宏，艾海舟，徐光佑，張鈸 .人臉檢測研究綜述 [J] .電子學報 ， 20xx， 29（ 6）：744747 [13] 謝建新 .數(shù)字視頻采集與目標跟蹤 ， 華僑大學本科畢業(yè)論文 [D]， 20xx年 6月 [14] 蔡照 .利用 delphi6實現(xiàn)拉普拉斯高斯邊緣檢測算法 [J] .圖形圖像處理與游戲編程 ， 20xx, 7(11)： 12 [15] 裘偉 .一種基于相似度及復(fù)雜度人眼定位算法 [J] .蘇州大學學報（工科版） ， 20xx, 6(26)： 14 [16] , , Face detection and facial feature localization without considering the appearance of image context[J]. Image and Vision Computing 25(20xx) 741–753 基于膚色相似度的人臉檢測與定位 24 附錄 A 引用的外文文獻及翻譯 Face detection and facial feature localization without considering the appearance of image context 2. Our methodology In this Section, we introduce our method to process the frontalview face images for the extraction of head boundary, face boundary, and facial features including eyes with eyebrows, nostrils ,and mouth .Head boundary is the outer profile of head including , shoulders Face boundary is the face contour that excludes hair, shoulders, and neck. We use rectangular boxes to locate facial features. . Smoothing and thresholding The scheme diagram of the doublethreshold method is shown in Fig. 1. The first step is to reduce noise by using a 3 ? 3 median filter. After that, an edge operator is applied. We tested the edge 。如何使得計算機也能對側(cè)面臉進行檢測識別也是目前研究的一個熱點?？偨Y(jié)下來，主要優(yōu)點如下： 1) 界面人性化，容易操作； 2) 對用戶的添加、錄入、刪除十分方便； 3) 在光照適當、人臉位姿恰當時，識別率可以達到 100%； 4) 模塊化編程，可擴充性好，以后可以添加進一步的功能。之間 ) , 并具有各種背景，上面的算法能成功地檢測定位多張人臉圖 , 本設(shè)計結(jié)果的正確檢測率達到 90%以上。以兩眼的瞳距為 1 來計算，鼻子到兩眼中心的距離為 到 1，在附近尋找顏色較深的區(qū)域，基本得到鼻孔的位置。這里雖然有眉毛的影響，但是由于眉毛正好位于眼睛的上方，因此不影響水平區(qū)域的確定，如圖示： 圖 39 眼睛的定位 然后在 I 和 II 的上方區(qū)域的豎直方向投影，得到的第一個峰值附近的區(qū)域 A、 B。邊緣廣泛存在于物體與背景之間、物體與物體之間、圖像基元與基元之間。人眼位置的判定是根據(jù)眼睛在二值化人臉圖像中的幾何位置確定的，主要有以下幾條準則： 1) 雙眼中心距應(yīng)在某 個范圍內(nèi)：考慮到人臉在圖像中大小的變化，雙眼中心距變化大約在 一定 像素距離范圍內(nèi)； 2) 雙眼下方一定距 離內(nèi)不能有其它黑塊：雙眼下方一定距離內(nèi)沒有其它器官，因此在二值化圖像中不能有其它黑塊，這一特點也是區(qū)分眉毛與眼睛的重要判據(jù)； 3) 雙眼中心位置上下相差不超過一定距離：由于人臉在圖像中可能向兩側(cè)傾斜，雙眼中心位置常常不在水平線上。尋找最佳分割閾值使人眼從復(fù)雜圖像背景和人臉中分離出來是人眼定位的第一步。標記人臉區(qū)域以后， 就可以進行邊緣提 取，接著標記眼睛，由人臉各特征的位置關(guān)系，就可以從上到下區(qū)分出眼睛、鼻子、嘴等特征。接下來就要對人臉區(qū)域進行檢測，標記人臉的過程實際上是對得到的二值化圖像進行人臉邊界估計的過程。對于利用人臉各器官之間幾何關(guān)系的人臉定位方法來說，分割算法是十分重要的。 在包含人臉的圖像中，臉部比較明顯而易辨別的特征主要是面部器官：眼睛、嘴、鼻子和眉毛。 據(jù)前面對膚色模型的分析，無論什么樣的膚色模型都存在判斷失誤，所以算法輸出的一系列矩形應(yīng)該盡量包含所有 的人臉區(qū)域。 然后根據(jù)所考察的像素離中心遠近得到膚色的相似度，得到與原圖相似的分布圖，均值 M 和方差 C 如下： M=E(x),C=E((xM)(xM)T)，其中 x=[r,b]T 相似度計算公式為： P(r,b)=exp[(xm)TC1(xm)] （ 22） 關(guān)于相似度軟件的實現(xiàn)純粹是公式的實現(xiàn)，在這就不做說明了。 基于膚色相似度的人臉檢測與定位 6 人臉 膚色 相似度 的 計算 該文設(shè)計的是基于人臉膚色模型 , 利 用相似度方法 , 對人臉區(qū)域進行了檢測和定位。 為了抵消這種整個圖像中存在著的色彩偏差 ,我們將整個圖像中所有像素的亮度 (是經(jīng)過了非線性 Y校正后的亮度 )從高到低進行排列，取前 5％ 的像素，如果這些像素的數(shù)目足夠多 (例如，大于 100)，我們就將它們的亮度作為“參考白” (Reference White)，也即將它們的色彩的 R、 G、 B 分量值都調(diào)整為最大的 255。這種色彩空間是以演播室質(zhì)量標準為目標的CCIR601 編碼方案中采用的彩色表示模型，被廣泛地應(yīng)用在電視的色彩顯示等領(lǐng)域中。但各種檢測算法都存在效率與性能上的矛盾，也即在正確率、魯棒性能方面更好的算法往往會花費更多的時間及系統(tǒng)消耗。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。與此同時，人臉識別的商業(yè)系統(tǒng)進一步發(fā)展 。幾乎所有知名的理工科大學和主要 IT 產(chǎn)業(yè)公司都有研究組在從事相關(guān)研究。人們在日常生活中就進行了大量的人臉檢測和識別工作，對人臉檢測與特征的定位取得了一定的成績，但人臉檢測仍然存在著許多難點。 人臉檢測研究的就是如何從靜態(tài)圖或者視頻序列中 找出人臉，如果存在人臉，則輸出人臉數(shù)目、每個人臉的位置及大小。但是對于一種能夠普遍適用于各種復(fù)雜情況的，準確率很高的檢測算法，還有很大的探索空間。 作者簽名： 指導(dǎo)教師簽名： 日期： 日期： 基于膚色相似度的人臉檢測與定位 IV 注 意 事 項 （論文）的內(nèi)容包括： 1）封面（按教務(wù)處制定的標準封面格式制作） 2）原創(chuàng)性聲明 3）中文摘要（ 300 字左右）、關(guān)鍵詞 4）外文摘要、關(guān)鍵詞 5）目次頁（附件不統(tǒng)一編入） 6）論文主體部分：引言（或緒論）、正文、結(jié)論 7）參考文獻 8）致謝 9）附錄（對論文支持必要時） ：理工類設(shè)計（論文）正文字數(shù)不少于 1 萬字（不包括圖紙、程序清單等），文 科類論文正文字數(shù)不少于 萬字。 face detection。 采用了臉部皮膚之間相似度的方法以及二值化方法 ， 使用了基于邊界 方法和基于區(qū)域方法相結(jié)合的算法 ， 提取了眼睛、嘴和鼻子等關(guān)鍵特征 ， 最終較好地實現(xiàn)了人臉定位 。 提出一種基于膚色的人臉檢測定位算法 ， 設(shè)計了基于膚色的人臉檢測和定位系統(tǒng) 。 plexion。保密的論文（設(shè)計）在解密后適用本規(guī)定。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