【正文】 128)G = Y ?(Cr?128)? (Cb? 128)B = Y +(Cb? 128) (15) 所以與其他的色彩空間比起來， YCbCr 色彩空間有著與人類視覺感知過程相類似的原理。 （ 4）幾何法識別定位人眼 幾乎很 少會受到光照強度的影響，計算簡單，定位的準(zhǔn)確度較高，能夠很好的定位人眼區(qū)域。 基于幾何特征的算法 幾乎所有的人眼定位的研究員都知道基于幾何特征算法的人眼定位的方法是最常用的方法，相關(guān)文獻(xiàn)認(rèn)為：人眼睛周圍的顏色的灰度值的梯度值是相近的。所以在衡量各個特征的分類能力的時，額可以采用類內(nèi)分散度和類 間分散度的比值 γ j， j=1,2,3? m。 PCA 只考慮了模式的二階統(tǒng)計量，他的特點就是變換后特征向量是相互無關(guān)的； ICA 不僅考慮了模式的二階統(tǒng)計量，而且還分析了模式的高階統(tǒng)計量， ICA的特點是變換后的獨立獨立量是獨立非正交的 ， ICA 可以更好的表示人臉視圖的局部特征。 D=[y0， y1， ……， yN?1] （ 3） 用式（ 4）計算樣本集的協(xié)方差矩陣 C， C的維數(shù)為 M*N。此方法的目的就是尋找一種從空間域到變換域之間的一種表示方法， 并稱這個向量為特征圖像。 顏色特征 人的皮膚的顏色是外界對該面部的第一獲取的信息，是人面部最重要的特征之一 ，也是 人臉的一種顯著的特征， 所以 利用顏色來檢測人臉是 很好的研究方向 。 人臉識別的研發(fā)的主要目的就是為了人們能夠更好的生活 ， 人臉的識別中人眼的定位就是最重要的環(huán)節(jié)之一，現(xiàn)在已經(jīng)有很多關(guān)于人眼定位的算法被提出，下面就介紹 人眼定位的基本算法和理論。該系統(tǒng)只需 或 既可自動檢測到人臉，在一般的 PC 上完成只需要 1s。 東華理工大學(xué)畢業(yè)設(shè)計（論文） 緒論 3 國內(nèi)外的研究現(xiàn)狀 國內(nèi)研究現(xiàn)狀 國內(nèi)在模式識別等相關(guān)領(lǐng)域的研究不是很超前 。 檢測定位部分主要是為了檢測圖像所示的部分是否有人臉存在 ，如果有則對人臉進(jìn)行定位。 （ 2） 隱蔽性較好 ， 利用人臉是被來獲取人物的資料信息，這樣不會引起他人的注意，而且可以更直觀快速的檢測到人的資料，不但如此，而且他是利用可見光對人面部的反進(jìn)而收集人物面部信息， 而不同于指紋識別或者虹膜識別，需要利用電子壓力傳感器采集指紋，或者利用紅外線采集虹膜圖像，這些特殊的 收集人物的信息的方式，有時會使人們感到反感，使人們對此種方法產(chǎn)生懷疑 ?；谌四樧R別的自動身份認(rèn)證具有重要的意義和應(yīng)用價值。 2. 人眼定位最基本的方法就是幾何定位，傳統(tǒng)的方法是全面掃描人臉，進(jìn)而獲取面部特征，這種方法需要大量的檢測時間，且增加機器負(fù)擔(dān) 。本畢業(yè)設(shè)計（論文）引起的法律結(jié)果完全由本人承擔(dān)。 本畢業(yè)設(shè)計（論文）成果歸東華理工大學(xué)所有。 本文主要利用了質(zhì)心法的方法來定位人眼睛，大大節(jié)省定位時間，簡單、快速，適于推廣。早在 上個 世紀(jì) 60 年代就 吸引了有志之士的 強烈興 趣，對面部 自動 機器識別方法的研究已經(jīng)成為當(dāng)今圖像處理的模式識別和人工智能領(lǐng)域的一個研究熱點。 （ 3） 個體之間面部的差別 雖然 不是很大，甚至人臉結(jié)構(gòu)外型都很相似， 但是這樣的特點對于利用人臉進(jìn)行定位是有利的 。輸入的圖像背景多復(fù)雜都不會影響圖像的識別。 但是 近年來，國內(nèi)很多高等院校和研究機構(gòu)，如 中國科學(xué)技術(shù)大學(xué)、東南大學(xué)、清華大學(xué)、武漢大學(xué)、浙江大學(xué)、合肥工業(yè)大學(xué) 等 高等院校 投入 大量的錢力和人力在 人臉識別相關(guān)工作的研究 中 ，并取得了 不錯 的進(jìn)展，理論水平已經(jīng)逐步接近 甚至超越 國際先進(jìn)水平。 國外研究現(xiàn)狀 不單是中國，國外好多國家也投入了大量的精力研究人臉識別的相關(guān)問題 ，主要有美國，歐洲 等 國家 ，著名的研究機構(gòu)有美國 MIT 的 Media lab,AI lab,C 的HumanComputer Interface Institute， Microsoft Research 等。 基于可視特征的方法 幾何特征 雖然人臉的特征看起來各不相同，但是其內(nèi)在還是存在其普遍的特征的 ，主要是其五官的分配的相對比例是在一定的比例內(nèi)的，如下圖 （圖 21） 所示 為人臉器官的相對位置 。目前已經(jīng)東華理工大學(xué)畢業(yè)設(shè)計（論文） 人眼檢測定位的基本算法和理論 6 有 RGB、 HSV、 YCrCb、 TES 等顏色空間被用來描述人臉的膚色。 主成分分析（ PCA） 主成分分析是多元統(tǒng)計分析中用來分析數(shù)據(jù)的一種方法。 C=DTD （ 4） 東華理工大學(xué)畢業(yè)設(shè)計（論文） 人眼檢測定位的基本算法和理論 7 C=1N∑ yiyiTNi=1 （ 5） 求協(xié)方差矩陣 C 的特征向量 ei和對應(yīng)的特征值 λi。 獨立分量分析是于 1986 年提出的一種統(tǒng)計信號處理技術(shù)，它與 PCA 有一些相似之處，但也有不同之處。定義如下： 類內(nèi)分散度 CIj為 CIj= 1pq(q?1)∑ ∑ ∑ (a(i?1)q+u,j ? a(i?1)q+v,j)2qv=1qu=1pi=1 (8) 類間分散度 Bj為 CBj= 1p(p?1)∑ ∑ ρ(au,j ?av,j)qu=1pi=1 (9) 其中 ai,j = 1q ∑ a(i?1)q+u,jqu=1 。也就是說若可以找到圖片中某點周圍灰度值相近最多的像素點，那么該點就是眼睛所在的區(qū)域，然后用相應(yīng)的算法把該點標(biāo)注出來即可。 圖像的色彩空間 RGB 色彩空間 RGB(red,green,blue)顏色空間最常用的 色彩空間 如下圖（圖 25）所示， 在 RGB色彩空間中 ，每一個數(shù)字圖像中的像素點的顏色都可以用 RGB 三維空間的一個坐標(biāo)點來表示。膚色在 YCbCr 空間的聚類性較好，且空間坐標(biāo)表示比起其他的顏色空間要簡單很多，所以本文就主要使用 YCbCr 色 彩空間進(jìn)行研究。 BMP 格式 分為兩個部分， 分成頭部和數(shù)據(jù)部等，頭部 部分 是描述這幅圖片的具體參數(shù)，如寬、高、通道等 參 數(shù) ， 他會占用一定的字節(jié) ， 字節(jié)的大小和圖片的信息有關(guān)，公式如下： I=i*w+j*3 （ 17） 式中： I表示像素數(shù)據(jù)偏移量； i 表示該像素點所在圖像的縱坐標(biāo)； j表示該像素點所在圖像的橫坐標(biāo)； w表示每 行像素所占字節(jié)數(shù)。 眼睛亮度的匹配 亮度顧名思義，是指發(fā)光物體表面反光強弱的物理量。 去掉非眼睛區(qū)域 人的面部器官分布總是存在一些規(guī)律，例如：從發(fā)際到眉毛，從眉毛到鼻尖，從鼻尖到下巴這三個部分距離是相等的，人臉正面最寬的距離為人眼的 5 倍。 先對二值化的圖像中每一個像素點進(jìn)行掃描， 并 標(biāo)記圖片中所有的像素點 ，然后便可得到等價標(biāo)記表，這個表中記錄了掃描到的所有等價對，這時 這兩個標(biāo)號標(biāo)記的連通域 就 屬于同一個連通區(qū)域。 流程圖 （圖 42） 如下： 初 始 化 左 右 眼 坐 標(biāo)初 始 化 像 素 點 個 數(shù)像 素 點 數(shù) 值 為 1眼 睛 1 的 橫 縱 坐 標(biāo) 加上 當(dāng) 前 點 的 坐 標(biāo) 值像 素 點 個 數(shù) 加 1 ， 并把 當(dāng) 前 點 置 為 白 色運 用 質(zhì) 心 公 式 計算 中 心 點 坐 標(biāo)中 心 點 設(shè) 置 為 綠 色Y E S像 素 點 的 數(shù) 值 為 2N O眼 睛 2 的 橫 縱 坐 標(biāo) 加上 當(dāng) 前 點 的 坐 標(biāo) 值像 素 點 個 數(shù) 加 1 ， 并把 當(dāng) 前 點 置 為 白 色運 用 質(zhì) 心 公 式 計算 中 心 點 坐 標(biāo)中 心 點 設(shè) 置 為 綠 色Y E S結(jié) 束N O 圖 42 眼睛定位流程圖 下圖 （圖 412） 為經(jīng)過眼睛區(qū)域 定位 前后得到的圖片： 東華理工大學(xué)畢業(yè)設(shè)計（論文） 人眼定位的實現(xiàn) 20 原始圖片 定位后 圖 42 眼睛定位處理前后效果圖 質(zhì)心坐標(biāo)的計算是人眼檢測和定位的一個重要環(huán)節(jié)，對人眼定位系統(tǒng)的研究和開發(fā)具有較高的實用價值和寬闊的應(yīng)用前景。 （ 2） 算法還有待改進(jìn)，如果人的面部不是正對著的，就很難實現(xiàn)正確的判斷和處理，要改進(jìn)對多角度、旋轉(zhuǎn)人臉的特征的提取的算法。 雖然我的畢設(shè)比較麻煩， 但是 方 老師仍然細(xì)心地糾正 我所犯 的錯誤。 height= (int) ::DIBHeight(lpDIB)。 jwidth。 *(lpData + lOffset++) = 0。 LPSTR lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) m_hDIB)。 iheight。 } void CFaceDetectionDoc::EyeCenter(CPoint amp。 LPSTR lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) m_hDIB)。 int num =0。 } =0。 i++) for (int j=。 *(lpData + lOffset++) = 255。 /=eye1count。 *(lpData + lOffset++) = 0。 *(lpData + lOffset++) = 0。 /=eye2count。 +=i。 j++) { lOffset = i*wBytesPerLine + j*3。 =0。 for(int i=。 height= (int) ::DIBHeight(lpDIB)。eye2) { LPBITMAPINFOHEADER lpbi。 jwidth。 東華理工大學(xué)畢業(yè)設(shè)計（論文） 附錄 25 height= (int) ::DIBHeight(lpDIB)。 } } } void CFaceDetectionDoc::DeleteFasleEye(CRect facelocation) { LPBITMAPINFOHEADER lpbi。 if( emymapc[i][j] amp。 LPBYTE lpData。 感謝我的父母，使他們一直在背后給我最無私的幫助和鼓勵。 （ 4） 由于本軟件只能對靜態(tài)的照片進(jìn)行識別和檢測，所以對動態(tài)的人 臉很難檢測，可以在軟件中加入檢測動態(tài)的人臉的算法。 流程圖 （圖 43） 如下所示： 獲 得 人 面 部獲 取 面 部 的 C r 、C b 、 R 、 G 、 B 的 值是 否 滿 足 色度 條 件算 得 灰 度 值 是 否滿 足 灰 度 條 件掃 描 人 臉 ， 該 像 素 點 是否 大 于 人 臉 高 度 一 般設(shè) 置 該 像 素 點為 白 色運 用 質(zhì) 心 法 定 位 人眼 并 設(shè) 置 為 綠 色結(jié) 束設(shè) 置 該 像 素 點 為黑 色NYNNYY 圖 43 眼睛定位整體 流程東華理工大學(xué)畢業(yè)設(shè)計（論文） 總結(jié)與展望 21 第五章 總結(jié)與展望 全文工作總結(jié) 本文解決了用 VC 平臺 來檢測并定位人眼睛位置等一系列技術(shù)問題，并實現(xiàn)了綜合測試系統(tǒng)，驗證了多種人臉識別和眼睛定位的多種方法 。本文的處理的圖像就是8 位 BMP 格式的圖像，對圖像的掃描采用從上到下，從左到右的方式，所以對于普通的一個像素點只需要掃描自己和已經(jīng)確定的像素點就可以確定自己的連通性了，當(dāng)然對于特殊的像素還是特殊的考慮。 如下圖（圖 37）所示： 圖 37 三庭五眼效果圖 利用人眼的這種位置結(jié)構(gòu)特點，我們可以取人臉一半?yún)^(qū)域進(jìn)行處理，就可以減少大量的數(shù)據(jù)處理量，提高了運算的速度，然后對于下半部分的非人眼部分，全部置以黑色的像素，這樣就縮小了檢測的范圍。我們可以通過對眼睛亮度 的檢測，然后亮度可以轉(zhuǎn)換成灰度，對眼睛部分的灰度進(jìn)行處理和比較并確定眼睛所在的位置的范圍。這里面的 前面部分的字節(jié) 就是所謂的 BMP 數(shù)據(jù)偏移量。 一幅圖像包括目標(biāo)物體、背景以及噪聲，要想從多值的數(shù)字圖像中直接提取目標(biāo)物體，最常用的方法就是設(shè)定一個閾值 T，用 T 將圖像的數(shù)據(jù)分成兩部分；大于 T 的像素群和小于 T的像素群， 當(dāng)像素值小于設(shè)定的閾值時，置黑色，即 0；當(dāng)像素值大于設(shè)定的閾值時，置白色，即 1。若全為最小則顯示黑色，若相等則顯示圖片的灰度。 然后 就是此種幾何算法的核心部分，根據(jù)人的眼睛的為近似圓形的方法，且圓形的半徑大小約為 9— 13 個像素點的規(guī)律，采用循環(huán)程序，以每個點為圓心，不同半徑的圓掃描 ，在圓上最多的邊緣點就是眼睛的中心位置，然后用 imshow 函數(shù)來用指定的灰度值顯 示圖