【正文】 。一個(gè)完整的人臉自動(dòng)識(shí)別系統(tǒng)至少要包含兩個(gè)主要的技術(shù)環(huán)節(jié):人臉的檢測和人臉的特征提取與識(shí)別。 Eye location。該文提出了一種基于最大類間方差閾值分割和灰度積分投影技術(shù)的眼睛定位方法。檢測任務(wù)的完成涉及從復(fù)雜的背景中分割、抽取、驗(yàn)證人臉區(qū)域和可能要用到的人臉特征(如眼角、嘴角等)，成功的人臉檢測系統(tǒng)應(yīng)能處理實(shí)際存在的光線、人臉方向和離照相機(jī)距離變化等各種不同情況。人臉的檢測是進(jìn)行人臉壓縮的前提條件，同時(shí)人臉也是基于內(nèi)容檢索的重要對(duì)象,因而人臉檢測在這個(gè)領(lǐng)域中占有重要的地位。它描繪同一個(gè)場景，對(duì)應(yīng)攝像機(jī)一次記錄的起停動(dòng)作，代表一個(gè)場景中時(shí)間和空間上連續(xù)的動(dòng)作。除此之外，人的面部表情、性格特征也是NPEG7的數(shù)據(jù)類型之一。如果有人在活動(dòng)，這時(shí)更關(guān)心目標(biāo)的人臉的方向和位置，而不是服飾等次要因素，以便辨認(rèn)和事后檢查。人臉識(shí)別有兩種主要的應(yīng)用:(一對(duì)多的搜索):在鑒定模式下，確定一個(gè)人的身份，識(shí)別技術(shù)可以快速地計(jì)算出實(shí)時(shí)采集到的人臉數(shù)據(jù)與人臉數(shù)據(jù)庫中所有己知人員的人臉特征數(shù)據(jù)之間的相似度，給出一個(gè)按相似度遞減排列的可能的人員列表，或簡單地返回鑒定結(jié)果(相似度最高的)和相對(duì)應(yīng)的可信度。(2)一般意義下的人臉上,可能存在眼鏡、胡須等附屬物。在人臉正面圖像識(shí)別過程，不管是利用人臉的全局特征還是局部特征，是采用圖像的幾何特征，還是圖像的代數(shù)特征，人臉方位的變化對(duì)識(shí)別的結(jié)果都有顯著的影響，所以在特征提取前必須先對(duì)人臉圖像進(jìn)行預(yù)處理，如對(duì)人臉方位進(jìn)行調(diào)整使其規(guī)范化；對(duì)人臉圖片的拍攝距離進(jìn)行歸一化。從圖像背景復(fù)雜程度的角度，可以分為簡單背景(指無背景或背景的特征被嚴(yán)格約束，在該條件下只利用人臉的輪廓、顏色、運(yùn)動(dòng)等少量特征，就能夠進(jìn)行準(zhǔn)確檢測)、復(fù)雜背景(指背景的類型和特征不受約束，某些區(qū)域可能在色彩、紋理等特征上與人臉相似，必須利用較多的人臉特征才能做到人臉的準(zhǔn)確檢測)。二是通過顏色分析進(jìn)行膚色檢測來定位人臉。對(duì)彩色圖像的紅色分量做垂直灰度投影,但直接使用最大和最小梯度值作為界定人臉左右邊界的條件,在復(fù)雜背景下往往會(huì)造成誤判。第二章 圖像預(yù)處理基本知識(shí)本章主要介紹了數(shù)字圖像處理的相關(guān)知識(shí)，為下一章進(jìn)行人眼檢測算法提供了理論基礎(chǔ)。設(shè)原圖像的灰度值，處理后圖像像素的灰度值,則灰度增強(qiáng)可表示為： （）或 要求 和D39。灰度變換主要針對(duì)獨(dú)立的像素點(diǎn)進(jìn)行處理，通過改變?cè)紙D像數(shù)據(jù)所占據(jù)的灰度范圍而使圖像在視覺上得到良好的改觀，沒有利用像素點(diǎn)之間的相互空間關(guān)系。3 ) 加權(quán)平均值法:根據(jù)重要性或其他指標(biāo)給賦予不同的權(quán)值,并使R 、G、B 它們的值加權(quán)平均,即: （）其中分別為 的權(quán)值. 取不同的值,對(duì)紅色的敏感度次之,對(duì)藍(lán)色的敏感度最低,因此使將得到較合理的灰度圖像。當(dāng)被顯示圖像在低灰度區(qū)間呈現(xiàn)高度非線性時(shí)，此變換能使原圖像低灰度區(qū)間的細(xì)節(jié)轉(zhuǎn)換到高灰度區(qū)間。figure,imshow(uint(I))。I=rgb2gray(I)。 圖像平滑去噪圖像在生成和傳輸過程中常受到各種噪聲的干擾和影響，使圖像質(zhì)量下降。另一類平滑技術(shù)是對(duì)噪聲圖像使用局部算子。內(nèi)部噪聲則有以下四種最常見的形式。噪聲是 隨機(jī)性的，因而需用隨機(jī)過程來描述，即要求知道其分布函數(shù)或密度函數(shù)。 考慮到數(shù)據(jù)分析的平衡性，模板一般選擇為33，55，待處理像素放在模板的中心，為了使輸出像素值保持在原來的灰度值范圍之內(nèi)，模板的餓權(quán)值總和應(yīng)維持為1，因此模板與模板像素的乘積要處以一個(gè)系數(shù)，通常是模板系數(shù)之和，這個(gè)過程被稱為歸一化。 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。 figure,imshow(uint8(K))。F:/39。所以說，中值濾波的特點(diǎn)是保護(hù)圖像邊緣的同時(shí)去除噪聲。自然圖像由于其灰度通常分布在較窄的區(qū)間，引起圖像細(xì)節(jié)不清楚。（4） 進(jìn)行直方圖均衡化計(jì)算，的到處理后圖像的像素值為： （） （a）中值濾波后圖像 （b） 灰度均衡化結(jié)果圖 （c）原始圖像直方圖 （d）直方圖均衡化直方圖 圖像均衡化結(jié)果圖 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。K=medfilt2(J,[3 3])。從畫面的效果來看，可以非常逼真的再觀燈光的效果，圖像畫面的參差敢加強(qiáng)，細(xì)節(jié)也比較清晰，從直方圖可知，基本上均勻占據(jù)了整個(gè)圖像灰度值允許的范圍，并且直方圖的大致輪廓與直方圖相似，這就表示了處理后的圖像不僅表現(xiàn)效果得到改善，并且使原始圖像的特征在處理后的圖像中得到了保持。figure(1)。imshow (H)。一般的人臉識(shí)別系統(tǒng)主要包括預(yù)處理、特征提取、樣本學(xué)習(xí)和識(shí)別過程四個(gè)部分 ,其中特征提取的好壞將直接影響到識(shí)別效果。人臉的主要特征包括眼睛,鼻子,嘴巴,下巴等,對(duì)于這些特征點(diǎn)的提取是否準(zhǔn)確將直接關(guān)系到整個(gè)識(shí)別系統(tǒng)的性能。此外還有使用分形維數(shù)的方法 ,這種方法定位準(zhǔn)確率較高 ,但由于需要多次計(jì)算,運(yùn)算復(fù)雜。由于人眼區(qū)域的灰度特征與人臉部其它部位有明顯的不同 ,采用積分投影很容易得到眼睛的大致位置。將凹谷的下降沿梯度值最大的點(diǎn)作為人臉的左邊界,凹谷的下降沿梯度值最小的點(diǎn)作為人臉的右邊界。為了去除噪聲的影響,采用相同的方法對(duì)進(jìn)行平滑得: （）的取值跟人臉在圖像中的大小有關(guān),實(shí)驗(yàn)中取=6。 眼睛的精確定位眼睛的精確定位方法有很多。其中眼睛這一器官有著舉足輕重的作用，對(duì)眼睛進(jìn)行幾何描述勢(shì)必先要找到眼睛的位置，即先要進(jìn)行眼睛定位。但該方法對(duì)于有復(fù)雜人臉識(shí)別是人類視覺最杰出的能力之一，它的研究涉及模式識(shí)別、圖像處理、生理，心理學(xué)、認(rèn)知科學(xué)，和基于其它生物特征的身份鑒別方法以及計(jì)算機(jī)人機(jī)感知學(xué)交互領(lǐng)域都有密切聯(lián)系。參考文獻(xiàn)（1）朱虹等編著。重慶 重慶大學(xué)出版社，2003。在此向他們表示衷心的感謝和崇高的敬意?；诨叶确e分投影的人眼定位，電子學(xué)報(bào)，2005。北京 科學(xué)出版社，2002。本文所研究的人眼識(shí)別對(duì)象都是針對(duì)單人正面或半側(cè)面圖像。在人臉正面圖像識(shí)別過程，不管是利用人臉的全局特征還是局部特征，是采用圖像的幾何特征，還是圖像的代數(shù)特征，人臉方位的變化對(duì)識(shí)別的結(jié)果都有顯著的影響，所以在特征提取前必須先對(duì)人臉圖像進(jìn)行預(yù)處理如:對(duì)人臉方位進(jìn)行調(diào)整使其規(guī)范化。傳統(tǒng)的模板匹配法 ,通常是在整幅圖像中進(jìn)行匹配 ,運(yùn)算量大 ,且干擾因素較多。 　　　 　　　 圖34　垂直灰度投影曲線 圖35　定位上下邊界的人臉得到的灰度投影曲線的前段谷區(qū)域?qū)?yīng)于人的頭頂部分 ,因?yàn)轭^發(fā)的低灰度產(chǎn)生了水平投影曲線的低谷。再求曲線x∈[x1,N]段的最小梯度值點(diǎn),記為x2,x2即為人臉的右邊界。觀察不同單人圖像的垂直灰度投影曲線,如圖所示,可以發(fā)現(xiàn)人臉?biāo)趨^(qū)域?qū)⑹勾怪被叶韧队扒€形成一個(gè)具有一定寬度的凹谷。圖像中，長方形的垂直投影和水平投影分別定義為： （） （）投影就是統(tǒng)計(jì)出圖像中每列及每行某區(qū)間中非零像素點(diǎn)的數(shù)目。基于灰度投影的人臉特征提取是一種非常重要的方法,國內(nèi)外很多學(xué)者在這方面進(jìn)行了研究,如Dieckmann和KarinSobottka曾提出的直接對(duì)原圖做灰度投影的方法,這種方法的缺點(diǎn)是投影圖像中干擾噪聲太大,曲線不規(guī)則,很難在此基礎(chǔ)上直接找到特征點(diǎn)。在灰度積分投影的基礎(chǔ)上 ,通過使用模板匹配 ,減少了匹配的運(yùn)算量 ,同時(shí)也增加了匹配的準(zhǔn)確率。figure(5),imhist(H)。J=rgb2gray(I)。這里采用的是最大類間方差閾值分割法,又叫大津法。figure(3)。)。另外 ,因?yàn)槠毓鈼l件的不同 ,圖像灰度可能會(huì)局限在一個(gè)很小的范圍內(nèi) ,造成圖像的模糊不清。雖然，中值濾波容易去除孤立點(diǎn)、線性的噪聲，同時(shí)保持圖像的邊緣，并能很好地去除二值噪聲，但對(duì)高斯噪聲無能為力。figure(1)。如果 處理點(diǎn)是噪聲點(diǎn)，其鄰近像素灰度與之相差很大，一旦用簡單鄰域平均法，即鄰近像素的平均值來置換它，能明顯地將噪聲點(diǎn)壓制下去，使鄰域中灰度接近均勻，起到平滑灰度的作用。)。另外，均值濾波有一個(gè)非常致命的缺點(diǎn)，就是在求均值的計(jì)算中，會(huì)同時(shí)將景物的邊緣點(diǎn)同時(shí)進(jìn)行均值處理，這樣就使景物的清晰度降低，畫面變得模糊。 設(shè)為理想圖像，為噪聲，實(shí)際輸出圖像為。（2）有機(jī)械運(yùn)動(dòng)引起的噪聲，例如，接頭振動(dòng)使電流不穩(wěn)，磁頭或磁帶，磁盤抖動(dòng)等。因此可實(shí)現(xiàn)實(shí)時(shí)或者準(zhǔn)實(shí)時(shí)處理。對(duì)于濾除圖像中的噪聲，人們已經(jīng)提出了很多的方法。I=double(I)。這種圖像視覺效果差，人會(huì)感覺模糊。F:\39。 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。點(diǎn)運(yùn)算是一種既簡單又重要的技術(shù)，一幅輸入圖像經(jīng)過點(diǎn)運(yùn)算后將產(chǎn)生一幅新的輸出圖像，由輸入像素點(diǎn)的灰度值決定相應(yīng)的輸出像素點(diǎn)的灰度值。函數(shù)T(D) 稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。另外，自然圖像由于其灰度通常分布在較窄的區(qū)間，也會(huì)引起圖像細(xì)節(jié)不清楚。人眼的識(shí)別有邊緣特征分析法、Hough變換法和變形模板法等。此類方法對(duì)光照敏感,