【正文】 …………………………… ...8 圖 26 垂直直方圖 …………………………………… …………………………………… ...8 圖 27 水平直方圖 ………………………………………………………………………… ...9 圖 31 人臉檢測(cè)與定位的總體流程 ……………………………………………………… .10 圖 32 人臉區(qū)域分割系統(tǒng) ………………………………………………………………… .10 圖 33 區(qū)域分割算法流程 ………………………………………………………………… .11 圖 34 標(biāo)記人臉區(qū)域 ……………………………………………………………………… .12 圖 35 人臉檢測(cè)流程圖 ……………………… …………………………………………… ..13 圖 36 LOG 算子 …………………………………………………………………………… .15 圖 37 邊緣提取流程 ……………………………………………………………………… .15 圖 38 邊緣提取圖 ………………………………………………………………………… .16 圖 39 眼睛的定位 ………………………………………………………………………… .16 圖 310 眼睛標(biāo)記流程圖 …………………………………………………………………… 17 圖 311 眼睛標(biāo)記 ……………………… …………………………………………………… 17 圖 312 鼻子的標(biāo)記流程圖 ………………………………………………………………… 18 圖 313 鼻子標(biāo)記 …………………………………………………………………………… 18 圖 314 嘴巴標(biāo)記 …………………………………………………………………………… 19 圖 315 系統(tǒng)主界面 ………………………………………………………………………… 19 安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 1 引言 人臉檢測(cè)和定位是人臉識(shí)別中一個(gè)重要的組成部分，其檢測(cè)問題卻是一個(gè)極賦挑戰(zhàn)性的課題。 在Microsoft Windows平臺(tái)上 ， 利用 Visual C+ + 6. 0 開發(fā)了軟件 。本課題著重于膚色模型相似度在人臉檢測(cè)與定位中的應(yīng)用，對(duì)增加人臉檢測(cè)與定位的準(zhǔn)確率的研究有一定的指導(dǎo)意義。 face localization。但是對(duì)于一種能夠普遍適用于各種復(fù)雜情況的，準(zhǔn)確率很高的檢測(cè)算法，還有很大的探索空間。 人臉檢測(cè)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(gè)人臉的位置及大小。人 們?cè)谌粘Ｉ钪芯瓦M(jìn)行了大量的人臉檢測(cè)和識(shí)別工作，對(duì)人臉檢測(cè)與特征的定位取得了一定的成績(jī)，但人臉檢測(cè)仍然存在著許多難點(diǎn)。幾乎所有知名的理工科大學(xué)和主要 IT 產(chǎn)業(yè)公司都有研究組在從事相關(guān)研究 。與此同時(shí)，人臉識(shí)別的商業(yè)系統(tǒng)進(jìn)一步發(fā)展 。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。但各種檢測(cè)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(huì)花費(fèi)更多的時(shí)間及系統(tǒng)消耗。這種色 彩空間是以演播室質(zhì)量標(biāo)準(zhǔn)為目標(biāo)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。 為了抵消這種整個(gè)圖像中存在著的色彩偏差 ,我們將整個(gè)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(jìn)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。 基于膚色相似度的人臉檢測(cè)與定位 6 人臉 膚色 相似度 的 計(jì)算 該文設(shè)計(jì)的是基于人臉膚色模型 , 利用相似度方法 , 對(duì)人臉區(qū)域進(jìn)行了檢測(cè)和定位。 然后根據(jù)所考察的像素離中心遠(yuǎn)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(jì)算公式為： P(r,b)=exp[(xm)TC1(xm)] （ 22） 關(guān)于相似度軟件的實(shí)現(xiàn)純粹是公式的 實(shí)現(xiàn)，在這就不做說明了。 據(jù)前面對(duì)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。 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。對(duì)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。接下來就要對(duì)人臉區(qū)域進(jìn)行檢測(cè)，標(biāo)記 人臉的過程實(shí)際上是對(duì)得到的二值化圖像進(jìn)行人臉邊界估計(jì)的過程。標(biāo)記人臉區(qū)域以后， 就可以進(jìn)行邊緣提取，接著標(biāo)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。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。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(zhǔn)則： 1) 雙眼中心距應(yīng)在某個(gè)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(diǎn)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。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。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(gè)峰值附近的區(qū)域 A、 B。以兩眼的瞳距為 1 來計(jì)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。之間 ) , 并具有各種背景，上面的算法能成功地檢測(cè)定位多張人臉圖 , 本設(shè)計(jì)結(jié)果的正確檢測(cè)率達(dá)到 90%以上?？偨Y(jié)下來，主要優(yōu)點(diǎn)如下： 1) 界面人性化，容易操作； 2) 對(duì)用戶的添加、錄入、刪除十分方便； 3) 在光照適當(dāng)、人臉位姿恰當(dāng)時(shí)，識(shí)別率可以達(dá)到 100%； 4) 模塊化編程，可擴(kuò)充性好，以后可以添加進(jìn)一 步的功能。如何使得計(jì)算機(jī)也能對(duì)側(cè)面臉進(jìn)行檢測(cè)識(shí)別也是目前研究的一個(gè)熱點(diǎn)。謝謝你們！ 致謝人： 20xx 年 6 月 17 日 安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 23 參考文獻(xiàn) [1] 王天學(xué)，刑桂芬，江波 .基于區(qū)域分割的復(fù)雜背景中的人臉檢測(cè)與定位 [J] .計(jì)算機(jī)工程與設(shè)計(jì) ， 20xx, 11(25)： 13 [2] 王學(xué)武 , 石躍祥 .基 于眼睛特征的人臉檢測(cè)方法 [J] .計(jì)算機(jī)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(cè)算法分析及 C++實(shí)現(xiàn) [J] .河南科技大學(xué)學(xué)報(bào)（自然科學(xué)版）， 20xx, 2(27)： 13 [4] 王鄭耀 .數(shù)字圖像的邊緣檢測(cè)，西安交通大學(xué)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(cè)與特征定位 [J] .中國(guó)圖像圖形學(xué)報(bào) ， 20xx, 11(10)：14 [6] 吳為 .人臉識(shí)別的軟件系統(tǒng)開發(fā)，復(fù)旦大學(xué)工學(xué)學(xué)士學(xué)位論文 [D]， 20xx年 6月 [7] 張宏林 .Visual C++數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐 [C] .北京： 人民郵電出版社，20xx [8] 張永梅 , 韓焱 , 商細(xì)云 .一種人臉的檢測(cè)與定位方法 [J] .中北大學(xué)學(xué)報(bào)（自然科學(xué)版）， 20xx, 3(27)： 15 [9] 張敏，陶亮 .人臉圖像中人眼的檢測(cè)與定位 [J].光電工程 ， 20xx, 8(33)： 16 [10] 郭瑞，張淑玲，汪小芬 .人臉識(shí)別特征提取方法和相似度匹配方法研究 [J] .計(jì)算機(jī)工程 ， 20xx, 11(32)： 12 [11] 黃翠榮 ,嚴(yán)佩敏 ,時(shí)鹿鳴 . 基于方差相似度計(jì)算的人臉識(shí)別技術(shù) [J] .上海大學(xué)學(xué)報(bào) (自然科學(xué)版 )， 20xx， 12(4)： 14 [12] 梁路宏，艾海舟，徐光佑，張鈸 .人臉檢測(cè)研究綜述 [J] .電子學(xué)報(bào) ， 20xx， 29（ 6）：744747 [13] 謝建新 .數(shù)字視頻采集與目標(biāo)跟蹤 ， 華僑大學(xué)本科畢業(yè)論文 [D]， 20xx年 6月 [14] 蔡照 .利用 delphi6實(shí)現(xiàn)拉普拉斯高斯邊緣檢測(cè)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(xué)學(xué)報(bào)（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(cè)與定位 24 附錄 A 引用的外文文獻(xiàn)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 detection technique by Wechsler and Kidode [13] and the result is shown in Fig. 2. The edge output appears too thin and the topface boundary is too weak to be detected in the later shareholding procedure. In order to obtain fat boundary, JianmingHu et al. [14] proposed four masks (horizontal (size 3 ? 7), vertical (7 ? 3), 45_ (9 ? 3), and 135_ (9 ? 3)) to detect image edges and select the maximum as the edge strength. Instead of using large sizes, we develop smaller sizes of masks as shown in Fig. 3 for edge results show that our method is as good as