【正文】 （4）馮建強(qiáng)，劉文波，于盛林編著。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。如用模板匹配的方法來精確定位眼睛。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。 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，這種方法在 本質(zhì)上是一種統(tǒng)計(jì)方法。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。imshow(I)。H=histeq (K)。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。但在許多情況下著些函數(shù)很難測出或描述，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。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。figure,imshow(I)。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。因此，灰度變換處理方法也叫做點(diǎn)運(yùn)算法。 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。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。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)。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。另外，MPEG7標(biāo)準(zhǔn)組織已經(jīng)建立了人臉識(shí)別草案小組，人臉檢測算法也是一項(xiàng)征集的內(nèi)容。此外，人臉檢測在智能化人機(jī)界面、視覺監(jiān)測、數(shù)字視頻處理等方面也有著重要的應(yīng)用價(jià)值，這使得人臉檢測的研究倍受關(guān)注。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。場景包含有多個(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。人臉的檢測和跟蹤是這類應(yīng)用的關(guān)鍵部分。因此,如果能夠找到解決這些問題的方法,成功構(gòu)造出人臉檢測與跟蹤系統(tǒng),國外對(duì)人臉檢測問題的研究很多,比較著名的有MIT,CMU等。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人臉、在視頻圖像序列中檢測跟蹤人臉。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。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。 用MATLAB實(shí)現(xiàn)程序如下：I=imread(39。這種圖像視覺效果差，人會(huì)感覺模糊。對(duì)于濾除圖像中的噪聲，人們已經(jīng)提出了很多的方法。（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。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。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。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。)。這里采用的是最大類間方差閾值分割法,又叫大津法。figure(5),imhist(H)。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)。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。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。北京 科學(xué)出版社，2002。在此向他們表示衷心的感謝和崇高的敬意。參考文獻(xiàn)（1）朱虹等編著。其中眼睛這一器官有著舉足輕重的作用，對(duì)眼睛進(jìn)行幾何描述勢必先要找到眼睛的位置，即先要進(jìn)行眼睛定位。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。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。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。imshow (H)。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。（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。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。 figure,imshow(uint8(K))。 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。內(nèi)部噪聲則有以下四種最常見的形式。 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。figure,imshow(uint(I))。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。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。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。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)。(2)一般意義下的人臉上,可能存在眼鏡、胡須等附屬物。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。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。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。 Eye location。尤其是視頻這種媒體，集成了影像、聲音和文字，是一種綜合媒體?；趦?nèi)容的圖像檢索本質(zhì)上是基于相似性的檢索，最好是利用圖像本身的特征，從所有的圖像中找出與查詢者要求最接近的一批圖像。其應(yīng)用領(lǐng)域還包括很多方面，比如銀行業(yè)務(wù)、智能卡、訪問控制、人機(jī)交互界面等等。計(jì)算機(jī)人臉識(shí)別是近年來非?；钴S的研究領(lǐng)域。三是變形模板類方法。對(duì)CCD 攝像系統(tǒng)獲取的圖像，進(jìn)行直方圖變換，可使圖