【正文】 可行的方法之一是使用三維的人臉模型，當(dāng)模型足夠細(xì)膩的時候，就可以模擬出人臉各個角度的圖像。然而由于人臉拍攝的環(huán)境不同 , 也給系統(tǒng)帶來了 一些問題。然后在 A 與 I 以及 B 與 II 確定的兩個 矩形區(qū)域內(nèi)，對黑點進(jìn)行區(qū)域膨脹，可以得到的眼睛的大致輪廓和左右眼角，然后黑點的坐標(biāo)的平均值作為瞳孔的位置。作為判據(jù)，允許人臉在一定程度上向兩側(cè)傾斜，雙眼中心位置在 垂直方向相差不超過一定距離 (如 15個像素距離 )； 4) 眼睛黑塊所包含的像素數(shù)應(yīng)在某個范圍內(nèi)：二值化圖像中眼塊所包含的像素數(shù)應(yīng)在某個范圍內(nèi) (如 5~50個像素 )，太大的黑塊不太可能是眼塊； 5) 眼睛黑塊的外接矩形應(yīng)是一寬大于高的矩形或接近于正方形：由于眼睛的結(jié)構(gòu)特點，二值化圖像中眼塊的外接矩形常常是一寬大于高的矩形或接近于正方形，眼塊的幾何中心位于圓形的眼睛虹膜 (含瞳孔 )位置，高遠(yuǎn)大于寬的外接矩形對應(yīng)的黑塊不可能是眼塊； 6) 與圖像四邊接壤或非常接近的黑塊不是眼塊：由于拍攝人臉圖像時，要求人臉在照片中應(yīng)完整，且較靠近圖像中 心，因此在二值化圖像中與圖像四邊接壤或非常接近的黑塊不是眼塊。 假設(shè)人臉的姿勢比較正，那么人臉上的特征是水平邊緣集中的區(qū)域。在這里，感興趣的部分是人臉的器官 (眼睛、嘴、眉毛、鼻子等等 )。 2) 矩形系列應(yīng)該少包含非膚色區(qū)域相對整幅圖像，經(jīng)過膚色分割預(yù)處理后的這一系列矩形的大小要明顯小于原來的整幅圖像，這是膚色分割預(yù)處理能夠提高人臉檢測算圖像中的膚色和非膚色象素點 包含人臉區(qū)域在內(nèi)的一系列矩形區(qū) 人臉區(qū)域分割算法 打開位圖 圖像灰度化 計算相似度 圖像二值化 標(biāo)記人臉 眼睛定位 安徽工程科技學(xué)院畢業(yè)設(shè)計（論文） 11 法時間效率的主要原因， 也是膚色分割預(yù)處理能夠降低誤報率的關(guān)鍵。 我們定義 r=R/(R+G+B),b=B/(R+G+B),這樣把三維的 RGB 降為二維。安徽工程科技學(xué)院畢業(yè)設(shè)計（論文） 5 其優(yōu)點將在下一節(jié)介紹。本課題著重于膚色模型相似度在人臉檢測與定位中的應(yīng)用，對增加人臉檢測與定位的準(zhǔn)確率的研究有一定的指導(dǎo)意義。人臉檢測研究的發(fā)展主要分為以下幾個階段： 第一階段（ 1964 年 ~1990 年） 這一階段人臉檢測通常只是作為一個一般性的模式識別問題來研究，所采用的主要技術(shù)方案是基于人臉幾何結(jié)構(gòu)特征（ Geometric feature based）的方法 。人臉檢測是人臉身份識別的前期工作，同時人臉檢測作為完整的單獨功能模塊，在智能視頻監(jiān)控、視頻檢索和視頻內(nèi)容組織等方面都有直接的應(yīng)用。 plexion。 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 。 基于膚色相似度的人臉檢測與定位 2 第 1 章 人臉檢測與定位概述 人臉檢測的定義、應(yīng)用及難點 人臉檢測 (face detection)是指在輸入圖中確定所有人臉 (如果存在 )的位置與大小。 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，將為解決其它類似的復(fù)雜模式檢測問題提供重要的啟示。目前非理想條件下（尤其是光照和姿態(tài)）、 對象 不配合、大規(guī)模人臉數(shù)據(jù)庫上的人臉識別問題逐漸成為研究的熱點問題。下面就介紹這種方法。 這是構(gòu)成我們實際利用膚色模型的主要部分。 訓(xùn)練開始 讀取用戶數(shù)量以及對應(yīng)的圖像數(shù) 讀取下一個用戶的信息 讀取下一幅圖像 轉(zhuǎn)成灰階形式 全部圖 對每個人求 訓(xùn)練平均 保存訓(xùn)練基 全部用戶 安徽工程科技學(xué)院畢業(yè)設(shè)計（論文） 7 二值化流程如下： 圖 22 二值化流程圖 按這種方法就可以對輸入的 bmp 圖像 23 進(jìn)行處理， 圖 23 原圖 其相似度計算結(jié)果如圖 24 示 ： N N Y 找到第一個像素的位置 其灰度值 閾 值 灰度值＝ ０ 灰度值＝ １ 查找下個像素 結(jié)束 基于膚色相似度的人臉檢測與定位 8 圖 24 相似度圖 可以給出二值化圖 25 示： 圖 25 二值化圖 以及垂直直方圖 26 示： 圖 26 垂直直方圖 水平直方圖 27 示： 安徽工程科技學(xué)院畢業(yè)設(shè)計（論文） 9 圖 27 水平直方圖 至此完成了相似度的計算和圖像的二值化，以及兩種直方圖 的提取，那么下一章節(jié)將在此基礎(chǔ)之上進(jìn)行人臉區(qū)域的標(biāo)記和人臉特征（眼睛、鼻子、嘴巴）的提取。這幾個面部特征在灰度圖像中一般比周圍區(qū)域暗。 首先估計人臉的左右邊界 ,具體算法如下： 1) 搜索垂直方向具有最多灰度值為 0 的點 (白點，即可能的人臉 ) 的 x 坐標(biāo) pos，并將白點數(shù)目計為 count； 2) 從 pos 開始往左邊搜索得到垂直方向第一次具有小于 count 個白點的 x 坐標(biāo)作 為人臉區(qū)域的左邊界 left ； 3) pos 開始往右邊搜索，得到垂直方向第一次具有小于 count 個白點的 x 坐標(biāo)作為人臉區(qū)域的右邊界 right 。由于眼睛虹膜、瞳孔部位的灰度值明顯比其鄰近區(qū)域 (眼部周圍皮膚、眼白 )灰度值要低，因此能夠從適當(dāng)光照條件下拍照的圖像中分割眼睛虹膜、瞳孔部位的灰度值總是存在的，并且不是唯一的，而是有一定的小范圍。經(jīng)典的邊緣提取方法是考慮圖像的每個像素在 某個領(lǐng)域灰度的變化，利用邊緣臨近的一階或二階方向?qū)?shù)變化規(guī)律，進(jìn)行局部梯度運算。 其算法流程為： 確定人臉區(qū)域 邊緣檢測 確定人眼的水平區(qū)域 確定人眼的垂直區(qū)域 標(biāo)記左右眼角和眼睛的位置 基于膚色相似度的人臉檢測與定位 18 圖 312 鼻子標(biāo)記流程圖 標(biāo)記的結(jié)果如圖示 ： 圖 313 鼻子標(biāo)記 嘴的 標(biāo) 定 嘴的確認(rèn)考慮到唇色和位置兩重信息。 基于這些優(yōu)缺點，今后如果要進(jìn)行改進(jìn)，首先解決的問題必然是魯棒性的問題。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（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與定位 [J] .計算機工程與設(shè)計 ， 20xx, 11(25)： 13 [2] 王學(xué)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(xué)學(xué)報（自然科學(xué)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(xué)本科畢業(yè)論文 [D]， 20xx年 6月 [5] 朱文佳，戚飛虎 .快速人臉檢測與特征定位 [J] .中國圖像圖形學(xué)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(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(xì)云 .一種人臉的檢測與定位方法 [J] .中北大學(xué)學(xué)報（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(yán)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(xué)學(xué)報 (自然科學(xué)版 )， 20xx， 12(4)： 14 [12] 梁路宏，艾海舟，徐光佑，張鈸 .人臉檢測研究綜述 [J] .電子學(xué)報 ， 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(xué)學(xué)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(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