【正文】 且無法適用于灰度圖像。從圖片是否是動(dòng)態(tài)的角度，可以分為在靜止圖象中檢測(cè)人臉、在視頻圖像序列中檢測(cè)跟蹤人臉。而且若以兩眼之間的距離對(duì)抽取的各個(gè)特征值進(jìn)行歸一化，則這些特征值具有平移、旋轉(zhuǎn)和尺度上的不變性。因此,如果能夠找到解決這些問題的方法,成功構(gòu)造出人臉檢測(cè)與跟蹤系統(tǒng),國外對(duì)人臉檢測(cè)問題的研究很多,比較著名的有MIT,CMU等。在確認(rèn)模式下，人臉特征面紋數(shù)據(jù)[5]可以存儲(chǔ)在智能卡中或數(shù)碼記錄中，這種應(yīng)用只需要簡(jiǎn)單地將實(shí)時(shí)采集的人臉數(shù)據(jù)與存儲(chǔ)的相比對(duì)，如果可信度超過一個(gè)指定的閾值，則比對(duì)成功，身份得到確認(rèn)。人臉的檢測(cè)和跟蹤是這類應(yīng)用的關(guān)鍵部分。(3)基于內(nèi)容的圖像檢索現(xiàn)在許多應(yīng)用都集成了大規(guī)模的圖像庫，而且是其中的重要部分。場(chǎng)景包含有多個(gè)鏡頭，針對(duì)同一批對(duì)象，但拍攝的角度不同，傳達(dá)的含義不同。下面對(duì)人臉檢測(cè)的一些應(yīng)用領(lǐng)域做些簡(jiǎn)要的介紹:(1) 基于內(nèi)容的視頻檢索隨著因特網(wǎng)上應(yīng)用的迅速增長，圖像、視頻、語音等多媒體信息的使用日益廣泛，其數(shù)量也迅速膨脹起來。人臉檢測(cè)問題的提出最早可以追溯到早期的人臉識(shí)別研究中對(duì)人臉定位的需求。關(guān)鍵詞: 特征提?。谎劬Χㄎ?；積分投影；閾值分割A(yù)bstractComputer face recognition is a very active area of research in recent years. Its applications range is very wide, such as identity authentication in safety system, video surveillance, target identification and tracking, as well as facial expression analysis, age analysis, lip reading and so on. pared with mouth and nose, Eyes are the most significant features of the face. which can provide more reliable, more important message, so eye detection is often necessary to dispose in face recognition. An algorithm for eyes location is presented in this paper based on maximum variance between two classes and gray level integration projection. First, median filter is used to eliminate the noise, then the image blur caused by deficient exposal is cleared up using non linear transform. Maximum variance between two classes is provided to get the binary image, and then the features are extracted from the image. Finally, by the way of graylevelinte gration projection and human face configuration, we can easily find that the location of eyes is determined by the coordinate of the minimum in the diagram. Further feature detection can be done based on this result.KEYWORDS: Feature extraction。首先通過圖像預(yù)處理技術(shù)中的中值濾波方法去除圖像噪聲,并通過非線性變換消除人臉圖像因?yàn)槠毓鈼l件不同而造成的模糊,得到灰度分配較為均勻的圖像,然后利用最大類間方差閾值法對(duì)圖像進(jìn)行二值化處理,將特征點(diǎn)從人臉圖像分割出來,并分別利用水平和垂直灰度積分投影曲線結(jié)合人臉的結(jié)構(gòu)特征找到眼睛的位置坐標(biāo),實(shí)現(xiàn)了準(zhǔn)確的眼睛定位,從而為進(jìn)一步提取其它特征點(diǎn)打好了基礎(chǔ)。人臉檢測(cè)作為人臉信息處理中的一項(xiàng)關(guān)鍵技術(shù)，近年來成為模式識(shí)別與計(jì)算機(jī)視覺領(lǐng)域內(nèi)一項(xiàng)受到普遍重視、研究十分活躍的課題。此外，人臉檢測(cè)在智能化人機(jī)界面、視覺監(jiān)測(cè)、數(shù)字視頻處理等方面也有著重要的應(yīng)用價(jià)值，這使得人臉檢測(cè)的研究倍受關(guān)注。在高層的內(nèi)容分析、索引和分類中，鏡頭是基本的單元。另外，MPEG7標(biāo)準(zhǔn)組織已經(jīng)建立了人臉識(shí)別草案小組，人臉檢測(cè)算法也是一項(xiàng)征集的內(nèi)容。這就需要為攝像機(jī)提供視野內(nèi)進(jìn)行自動(dòng)跟蹤的能力。身份確認(rèn)(一對(duì)一的比對(duì)):即所聲明的身份是否與證件上所存的持證人的人臉特征數(shù)字編碼相符。(3)作為三維物體的人臉的影像不可避免地受由光照產(chǎn)生的陰影的影響。在人臉方位調(diào)整中對(duì)眼睛的準(zhǔn)確定位是必不可少的步驟，這是因?yàn)閮裳壑行拈g距受光照或表情變化的影響最小，雙眼中心連線的方向隨人像的偏轉(zhuǎn)，可以作為圖像旋轉(zhuǎn)的依據(jù)。從圖片是否包含彩色信息的角度，可以分為彩色圖片的人臉檢測(cè)、灰度圖片的人臉檢測(cè)。此類方法針對(duì)彩色圖像,利用面部皮膚的顏色特性建立一個(gè)新的顏色坐標(biāo)系,通過從圖像中分離出膚色來實(shí)現(xiàn)對(duì)臉部的定位。確定人臉之后,再進(jìn)行人眼的識(shí)別。 圖像灰度變換當(dāng)圖像受到CCD 攝像系統(tǒng)的影響，受到攝像機(jī)周圍環(huán)境的影響，受到成像時(shí)曝光不足或過度的影響，以及受到成像設(shè)備的非線性，或圖像記錄設(shè)備動(dòng)態(tài)范圍太窄的影響，都會(huì)出現(xiàn)對(duì)比度不足，使圖像中的細(xì)節(jié)分辨不清。 都在圖像的灰度范圍之內(nèi)。因此，灰度變換處理方法也叫做點(diǎn)運(yùn)算法。試驗(yàn)和理論推導(dǎo)證明,當(dāng)時(shí),即當(dāng) （） （）時(shí),能得到最合理的灰度圖像。即假設(shè)對(duì)灰度范圍是的圖像求反，就是通過變換將 變換到，變換公式如下： （） (a)原始圖像 (b)求反處理的結(jié)果圖 圖像灰度求反結(jié)果圖 用MATLAB實(shí)現(xiàn)程序如下： I=imread(39。 圖像灰度拉伸一般，圖像看不清楚，多數(shù)是由于圖像相鄰像元的灰度級(jí)太接近，稱為灰度壓縮，即相互之間灰度差遠(yuǎn)小于人的視覺對(duì)灰度分辨能力的限制。figure,imshow(I)。為了達(dá)到系統(tǒng)的要求，就要抑制噪聲，改善圖像質(zhì)量，也就是對(duì)圖像進(jìn)行平滑去噪處理。當(dāng)對(duì)某一像素進(jìn)行平滑處理時(shí)，僅對(duì)它的局部小鄰域的一些像素加以運(yùn)算，其優(yōu)點(diǎn)是計(jì)算效率高，而且可以多個(gè)像素并行處理。（1）由光和電的基本性質(zhì)引起的噪聲，例如電流可看作電子或空穴運(yùn)動(dòng)，這些粒子運(yùn)動(dòng)產(chǎn)生隨機(jī)散粒噪聲，導(dǎo)體中電子流動(dòng)的熱噪聲，光量子運(yùn)動(dòng)的光量子。但在許多情況下著些函數(shù)很難測(cè)出或描述，甚至不可能看到，所以常用統(tǒng)計(jì)特征來描述噪聲，如均值，方差，總功率等。均值濾波處理之后，噪聲部分被弱化到周圍像素點(diǎn)上，所以得到的結(jié)果是噪聲值減少，但是總的顆粒面積變大。F:\39。 (a) 原始圖像 (b) 均值濾波圖像 均值濾波處理結(jié)果可見，均值濾波處理時(shí)是以圖像模糊為代價(jià)來換取噪聲的減小的，且面積（即模板大小）越大，噪聲減少越明顯。)。另外，中值濾波對(duì)脈沖噪聲也非常有效。采用直方圖修整后可使圖像的灰度間距拉開或者使灰度分布均勻，從而增大反差，使圖像細(xì)節(jié)清晰，達(dá)到圖像增強(qiáng)的目的。F:/39。H=histeq (K)。 圖像二值化要將特征點(diǎn)從人臉圖像分割出來,二值化閾值的選取是關(guān)鍵,為此,國內(nèi)外學(xué)者進(jìn)行了廣泛深入的研究和大量實(shí)驗(yàn),提出了多種閾值選取方法, 如雙峰直方圖閾值分割法、最大熵閾值分割法、模糊聚類分析法等。imshow(I)。figure(4),imhist(K)。而眼睛是人臉中的一個(gè)重要的器官 ,它含有的信息量非常重要在大部分特征提取方法中非常關(guān)鍵的一步就是眼睛定位提出一種將灰度積分投影和模板匹配結(jié)合使用來精確定的方法。本文主要研究眼睛的定位,通過眼睛的定位可求得人臉中心對(duì)稱軸,以眼睛之間的距離為基準(zhǔn)對(duì)所提取的面部特征向量進(jìn)行歸一化,可以使得這些特征向量具有旋轉(zhuǎn)不變性,因此準(zhǔn)確的定位眼球位置是基于幾何特征的人臉識(shí)別系統(tǒng)中非常重要的一個(gè)環(huán)節(jié)。 投影法原理投影法是根據(jù)圖像在一些方向上的投影的分布特征來進(jìn)行檢測(cè)，這種方法在 本質(zhì)上是一種統(tǒng)計(jì)方法。設(shè)所處理的圖像為,其大小為,則該圖像的水平灰度投影函數(shù)為： () 其中為垂直灰度投影曲線。算法實(shí)現(xiàn)上,假設(shè)人臉的左邊界點(diǎn)不超出,實(shí)驗(yàn)中取=,求出曲線在段上具有最大梯度值的點(diǎn),記為x1,x1即為人臉的左邊界。平滑后的水平灰度投影曲線如圖所示。如用模板匹配的方法來精確定位眼睛。而且只要眼睛被精確定位，則臉部其他器官，如眉、鼻、嘴等，可由潛在的分布關(guān)系比較準(zhǔn)確地定位。其中人眼的識(shí)別是計(jì)算機(jī)人臉識(shí)別和智能監(jiān)控中的重要部分。數(shù)字圖像處理基礎(chǔ)。（4）馮建強(qiáng)，劉文波，于盛林編著。 35