【正文】 *(lpData + lOffset++) = 255。 eye1count++。 j。 ::GlobalUnlock((HGLOBAL) m_hDIB)。 long lOffset。 *(lpData + lOffset++) = 255。 感謝每一位幫助過我的同學，很難忘我們一起在實驗室里探討和交流的日子，感謝你們的協(xié)助和陪伴。 （ 2） 介紹了其他幾種人眼定位的方法，試驗都可以發(fā)現(xiàn)這些方法都很容易受外界環(huán)境的影響，導致人眼定位的不準確，對外界環(huán)境的要求 比較嚴格，由于掃描的信息量較大，導致反應(yīng)速度較慢，定位的準確度也不是很樂觀，不適于推廣和應(yīng)用 ，但是本論文使用的基于幾何特征算法的人眼定位與檢測的方法可以更加完美的實現(xiàn)人眼睛的定位。 眼睛區(qū)域的膨脹 此過程運用了遞歸統(tǒng)計像素并修改像素值的方法。只有滿足相應(yīng)的條件才能確定是人眼可能存 在 的 區(qū)域。研究表明，不同人面部的色度信息相近，只有亮度信息相差較大。新的待識別的圖像 F與 U進行下面所示（ 11）的公式運算，就可以得到用于表征人臉的系數(shù)。下圖表述了上述的過程。這個基本的向量被映射到一個優(yōu)化的子空間。 第五章：總結(jié)本文的主要工作和結(jié)論，并且提出了對人眼定位的展望。這種歸類對被識別的對象進行分類所造成的錯誤識別率最小或者損失最小。但是這些識別技術(shù)相對于人臉識別就有著多方面的先天不足，所以人臉識別有以下優(yōu)點 ： （ 1） 自然性，是指該識別方式同人類進行個體識別時所利用的生物特征相同。所以本論文 運用了 人眼睛幾何位置的特征算法來實現(xiàn)對人眼睛的定位，指出了以前若干種人眼定位算法的不足，也充分說明本算法的可行性，本文主要 對人眼 定位的 幾種 算法進行深入的研究和 比較 。 畢業(yè)設(shè)計（論文）作者（簽字）： 簽字日期： 年 月 日 本人聲明：該學位論文是本人指導學生完成的研究成果，已經(jīng)審閱過論文的全部內(nèi)容，并能夠保證題目、關(guān)鍵詞、摘要部分中英文內(nèi)容的一致性和準確性。 人臉識別相對于其他的識別模式具有直接、友好、方便 等多方面的 特點，易于被使用者所接受。 特征提取部分時本軟件的重要部分，此部分主要是根據(jù)已經(jīng)二值化的 人臉圖像根據(jù)某種規(guī)則來記錄人臉的特征。 論文的結(jié)構(gòu)安排 本文的組織結(jié)構(gòu)如下： 第二章：介紹了幾種常見的人眼 定位和面部特征提取的方法，并作了一定的對比，總結(jié)了各自的優(yōu)缺點，還 介紹了本論文算法會用到的一些基礎(chǔ)知識，使得論文更加充實。 基于代數(shù) 特征的方法 基于代數(shù)特征的方法，通常是將圖像空間的像素點變換到一個投影空間。將特征值從大到小的排列 ： λ1≥ λ2≥ ?? ≥ λm≥ ??≥ λM；對于某一 λm，若其過小，則可以忽略其影響，這樣主成分構(gòu)成的變換矩陣為 W=[e1， e2， …， em]， mM (6) 也就是說任何的人臉圖像都可以投影到上式上， W 的維數(shù)為 m*M，而這是一個基底，任何的人臉圖像向其作投影時都會產(chǎn)生一組坐標系數(shù)，稱之為 KL分解系數(shù)。 圖 22 ICA 抽取特征臉模型 上圖 （圖 22） 就是運用 ICA 方法抽取人臉特征的模型。若全為最小則顯示黑色，若相等則顯示圖片的灰度。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。 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。 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 。 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。 if( emymapc[i][j] amp。 東華理工大學畢業(yè)設(shè)計（論文） 附錄 25 height= (int) ::DIBHeight(lpDIB)。eye2) { LPBITMAPINFOHEADER lpbi。 for(int i=。 j++) { lOffset = i*wBytesPerLine + j*3。 /=eye2count。 *(lpData + lOffset++) = 0。 *(lpData + lOffset++) = 255。 } =0。 LPSTR lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) m_hDIB)。 iheight。 *(lpData + lOffset++) = 0。 height= (int) ::DIBHeight(lpDIB)。 （ 2） 算法還有待改進，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，要改進對多角度、旋轉(zhuǎn)人臉的特征的提取的算法。 先對二值化的圖像中每一個像素點進行掃描， 并 標記圖片中所有的像素點 ，然后便可得到等價標記表，這個表中記錄了掃描到的所有等價對，這時 這兩個標號標記的連通域 就 屬于同一個連通區(qū)域。 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。膚色在 YCbCr 空間的聚類性較好，且空間坐標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 彩空間進行研究。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)的算法把該點標注出來即可。 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。 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。 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 。 但是 近年來，國內(nèi)很多高等院校和研究機構(gòu)，如 中國科學技術(shù)大學、東南大學、清華大學、武漢大學、浙江大學、合肥工業(yè)大學 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 的進展，理論水平已經(jīng)逐步接近 甚至超越 國際先進水平。 （ 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行定位是有利的 。 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。本畢業(yè)設(shè)計（論文）引起的法律結(jié)果完全由本人承擔。基于人臉識別的自動身份認證具有重要的意義和應(yīng)用價值。 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 ，如果有則對人臉進行定位。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。 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 。 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。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。 （ 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，定位的準確度較高，能夠很好的定位人眼區(qū)域。所以，目前 BMP 只 在單機上比較流行 ，其他方面的應(yīng)用不是很廣泛 。流程圖 （圖 35） 如下： 像 素 點 矩 陣 清 零 并初 始 化 標 志 位色 度 檢 測 時 像 素點 是 否 為 白 色亮 度 檢 測 時 像 素點 是 否 為 白 色該 像 素 點 矩 陣 設(shè) 置白 色Y E SY E S該 像 素 點 矩 陣 設(shè) 置黑 色N ON O 圖 35 眼睛區(qū)域綜合匹配流程圖 東華理工大學畢業(yè)設(shè)計（論文） 眼睛輪廓的定位 16 下圖 （圖 36） 為經(jīng)過人眼區(qū)域綜合匹配前后得到的圖片： 原始圖片 處理后 圖 36 人眼區(qū)域綜合匹配處理前后效果圖 上圖可看出人眼睛已經(jīng)被逐漸定位出來 ，但是由于人嘴部的干擾，有時會出現(xiàn)定位錯誤，所以要進性下面的操作。 步驟 3 根據(jù)返回的橫、縱坐標的和計算出坐標的平均值，即為所謂的質(zhì)心坐標。 方老師 平日里工作繁多，但在我做畢業(yè)設(shè)計的每個階段，從查閱資料到設(shè)計草案的確定和修改，中期檢查，后期詳細設(shè)計，裝配草圖等整個過程中都給予了我悉心的指導。 i++) for (int j=0。 long wBytesPerLine。 } } } ::GlobalUnlock((HGLOBAL) m_hDIB)。 int pixelnum =0。 i。 } } /=eye1count。 ::GlobalUnlock((HGLOBAL) m_hDIB)。 eye2count++。 =0。 wBytesPerLine = lLineBytesMulspec。 j++) { lOffset = i*wBytesPerLine + j*3。 lpbi = (LPBITMAPINFOHEADER)::GlobalLock((HGLOBAL) m_hDIB)。 long lOffset。 （ 5） 本文是利用質(zhì)心法來實現(xiàn)對人眼睛的定位，但質(zhì)心法的實現(xiàn)很受環(huán)境的影響，穩(wěn)定性不是很好，所以要探尋更好的方法。 下圖 （圖 41） 為經(jīng)過眼睛區(qū)域膨脹操作前后得到的圖片： 處理前 處理后 圖 41 眼睛區(qū)域膨脹處理前后效果圖 眼睛中心 人眼睛中心位置的定位是本系統(tǒng)的中心環(huán)節(jié)，本環(huán)節(jié)主要應(yīng)用的技術(shù)是質(zhì)心法來定位人的眼睛。 研究發(fā)現(xiàn)人眼的灰度是在一定范圍內(nèi)，且灰度值是大于其他部分的，所以我們可以先獲取整體圖片的 R、 G、 B 的值，并通過式（ 16）計算得到相應(yīng)的灰度值，限定灰度值的范圍，篩選出滿足條件的區(qū)域，并填充相應(yīng)的顏色。公式表達如下： f(x,y) = {0, f(x,y) T1, f(x,y)≥ T （ 16） T 表示的是閾值，不同的場合閾值的取值 不一樣。 幾種算法 特點和 優(yōu)缺點的比較 幾種算法的特點 PCA 和 ICA 以及幾何法來確定人面部的特征的方法都是很熱門的方法，大致的特點如下： （ 1） PCA 方法只提取圖像上像素間的二階統(tǒng)計信息，而 ICA 提取了高階的統(tǒng)計信息 。 S 的每一行 Si表示一個獨立分量，矩陣 A 代表觀測數(shù)據(jù) X在各個獨立分量特征軸上的幅值。由于人臉特征在投影空間沒有本質(zhì)的變化，而非人臉圖像表現(xiàn)的不同，因而可以檢測出圖像只是否有人臉存在。 紋理特征 人臉也有可作為區(qū)別其他事物的特殊的紋理性質(zhì)。王蘊紅等人提出基于奇異值分解和數(shù)據(jù)融合的人臉鑒別 方法， 利用ORL 人臉數(shù)據(jù)庫進行試驗，用每個人的 6 幅圖像作訓練，其他 4 幅作為測試，識別率為 %。 東華理工大學畢業(yè)設(shè)計（論文） 緒論 2 人臉識別 研究 的 意義 人臉識別的應(yīng)用領(lǐng)域相當廣泛，主要有以下幾個方面：（ 1） 公共安全：公安部門追尋逃犯、罪犯識別等； （ 2） 信息安全：計算機和網(wǎng)絡(luò)的 登陸、文件的加密和解答； （ 3） 政府職能： 電子政務(wù)、戶籍管理、社會福利等； （ 4） 證件鑒別：身份證、護照、學歷證明的真?zhèn)舞b別等； （ 5） 家庭娛樂： 智能玩具、體驗真實游戲、模擬現(xiàn)實游戲等； （ 6） 商業(yè)企業(yè)：電子商務(wù) 、電子貨幣和支付、考勤。 Eye location。 本 科 生 畢 業(yè) 設(shè) 計