【正文】 ，尤 其是自美國(guó) 911 事件之后，包括人臉識(shí)別在內(nèi)的生物特征識(shí)別再度成為人們關(guān)注的熱點(diǎn)，各國(guó)也紛紛增加了對(duì)該領(lǐng)域研發(fā)的投入，其應(yīng)用也非常廣泛。 人臉作為生物特征 ， 雖然唯一性比指紋和虹膜要差 (基于人臉的識(shí)別系統(tǒng)識(shí)別率的上限是由同卵雙胞胎的出生率決 定的 )，在高安全性要求的系統(tǒng)中只能作為輔助手段 。但建造一個(gè)全自動(dòng)、識(shí)別率高的計(jì)算機(jī)人臉識(shí)別系統(tǒng)并沒(méi)有那么簡(jiǎn)單。人臉檢測(cè)還在視頻監(jiān)控、數(shù)字視頻處理和基于內(nèi)容的人臉檢索中有著重要和廣泛的應(yīng)用。 人臉識(shí)別技術(shù)是將靜態(tài)圖像或視頻圖像中的人臉圖像信息進(jìn)行提取，庫(kù)存中的人臉信息與之對(duì)比，從而找出與之匹配的人臉的技術(shù)，以達(dá)到身份識(shí)別的意義。研究人員將提出的諸多人臉識(shí)別方法，建成一系列實(shí)驗(yàn)系統(tǒng)，其中 一些成功 的人臉識(shí)別商業(yè)軟件也投入 市場(chǎng) 。 90 年代中期以來(lái)，人臉識(shí)別方法向著整體識(shí)別和部件分析相結(jié)合的趨勢(shì)發(fā)展。預(yù)定模板方法首先制定出標(biāo)準(zhǔn)的模板，然后計(jì)算檢測(cè)區(qū)域和模板的相關(guān)值，當(dāng)相關(guān)值符合制定的準(zhǔn)則就判斷檢測(cè)區(qū)域?yàn)槿四樧冃文０迨紫戎贫ǔ瞿０鍏?shù)，然后根據(jù)檢測(cè)區(qū)域的數(shù)據(jù)對(duì)參數(shù)進(jìn)行修改直至收斂，以達(dá)到檢測(cè)出人臉面部器官位置的目的。 BMP 文件的圖像深度可選 lbit、 4bit、 8bit 及 24bit。 圖像的相似度比較的大致實(shí)現(xiàn)步驟： 1. 將圖像轉(zhuǎn)換成相同大小，以有利于計(jì)算出相像的特征 2. 計(jì)算轉(zhuǎn)化后的灰度，二值 3. 利用相似度公式，得到圖像相似度的定量度量 4. 統(tǒng)計(jì)相似度結(jié)果數(shù)據(jù) 相似度公式： Sim(G,S) = 1??∑ .1 ? |gi?si|Max(gi,si)/Ni=1 23 二值化技術(shù) 二值圖像也就是只具有兩個(gè)灰度級(jí)的圖像，他是數(shù)字圖像的一個(gè)重要子集。 下面是對(duì)圖 23 進(jìn)行相似度計(jì)算而后得到 24 再進(jìn)行二值化得到 25 23 24 25 在第一章緒論中已經(jīng)介紹許多種現(xiàn)有的人臉檢測(cè)算法，若以檢測(cè)過(guò)程中是否利用了色彩或膚色信息，我們可以分為基于彩色信息的人臉檢測(cè)算法、基于灰度信息的人臉檢測(cè)算法以及彩色信息與灰度信息相結(jié)合的人臉檢測(cè)算法；在彩色信息與灰度信息相結(jié)合的人臉檢測(cè)算法中，我們又可以根據(jù)如何應(yīng)用膚色信息這一角度在進(jìn)行細(xì)分：例如，可以分為膚色信息作為前期與處理的方法、膚色信息作為后期驗(yàn)證的方法等。 圖 331 YCbCr 顏色空間 YCbCr 顏色空間的 Y 亮度分量和色度分量 Cb 與 Cr 基本分離，比較適合膚色聚類。但是，由于Y 和 Cb、 Cr 可能偶然超出 16 ~ 235 和 16 ~ 240 范圍（視頻處理和噪聲的緣故），根據(jù)以上公式可知，此時(shí) RGB 的值可能偏移到 0 ~ 15 和 236 ~ 255 范圍內(nèi) 。 圖 323 膚色模型 光線補(bǔ)償 光線補(bǔ)償?shù)南敕ǖ奶岢鲋饕强紤]到膚色等色彩信息經(jīng)常受到光源顏色 、圖像采集設(shè)備的色彩偏差等因素的影響，而在整體上偏離本質(zhì)色彩而向某一方向移動(dòng)，即我們通常所說(shuō)的色彩偏冷、偏暖，照片偏黃、偏藍(lán)等等。該轉(zhuǎn)換僅僅是為了顯示相似度效果而做的轉(zhuǎn)換。例如，在醫(yī)學(xué)應(yīng)用中，血液細(xì)胞圖像的分割，磁共振圖像的分割。那些較小或很小的區(qū)域往往就是需要填充的空洞。在修正中 Sobel 算子。 (3) 建立一個(gè)新視圖顯示分割結(jié)果。 (5) 下邊界則按如下方式求?。喝四様M合為矩形時(shí)，人臉的長(zhǎng)寬比值約為 ，現(xiàn)已知上邊界、左邊界和右邊界，可據(jù)此求出人臉的下邊界。然后在區(qū)域 A 中用多閾值進(jìn)行二值化合并的到二值圖像 B。因此。 圖 542 鼻子的識(shí)別與定位實(shí)現(xiàn)結(jié)果 鼻子識(shí)別與定位實(shí)現(xiàn)結(jié)果如圖 543 所示。 人臉內(nèi)輪廓提取算法流程圖如圖 522 所示 圖 522 人臉內(nèi)輪廓提取實(shí)現(xiàn)結(jié)果 運(yùn)行人臉內(nèi)輪廓提取程序，得到 523 的結(jié)果。原是彩色圖像在經(jīng)過(guò)光線補(bǔ)償、膚色提取、去噪和填充后，由于有時(shí)有背景與膚色的相似性以及裸露的四肢、頸部等膚色圖像 的存在，會(huì)嚴(yán)重干擾人臉區(qū)域的確定，所以必須采取一定措施將非人臉去除。 綜合上面對(duì)基于邊界的方法和 基于區(qū)域的方法各自優(yōu)缺點(diǎn)的比較，我們應(yīng)該力求兩者能夠取長(zhǎng)補(bǔ)短，所以在這一部分中我們采用了將基于邊界的方法和基于區(qū)域的方法相結(jié)合的算法；基于邊界的方法主要用于前期初始矩形序列的產(chǎn)生 ，爭(zhēng)取快速得到包含人臉區(qū)域的外接矩形；然后用基于區(qū)域的方法，全局考慮，對(duì)初始矩形序列進(jìn)行區(qū)域歸并，得到最終的輸出矩形。用 ??(??,??) = ??R + ??G +gB作為梯度值。 通常的 Blob 分析主要步驟如圖 42 所示 圖 42 在進(jìn)行與之分割后運(yùn)用連通性規(guī)則找到連通區(qū)域，目的是提取目標(biāo)物體。這里閾值 T 采用整幅圖像的灰度平均值。 陣列 ,x(i ,j)MN經(jīng)過(guò)窗口為 Mn的中值濾波后，待處理像素點(diǎn) (i ,j)的響應(yīng)輸出為 f(i,j) = medMn(i,j),x(i,j) 333 式中， Mn表示待處理點(diǎn)的鄰域模板，窗口模板可以是正方形或十字形的，分別如圖3331 和圖 3332 1 1 1 1 1 1 1 1 1 圖 3331 圖 3332 膚色相似度計(jì)算 為了方便在后續(xù)處理中利用圖像像素的鄰域信息 ，我們首先將像素從彩色空間變到一維空間。膚色符合正態(tài)分布的隨機(jī)樣本，在特征空間中的分布則復(fù)合高斯分布，高斯函數(shù)平面圖如圖 323 所示。 RGB 顏色空間到 YCbCr 顏色空間的映射 人類的膚色在 YCbCr 顏色空間相對(duì)比較集中（被稱為膚色的聚類特性），因此選用在YCbCr 顏色空間中進(jìn)行人臉檢測(cè)，需完成 RGB 顏色空間到 YCbCr 顏色空間的映射。如果去掉其亮度分量 V，使用 H 和 S 分量對(duì)圖像進(jìn)行膚色分割，也可以得到很好的效果，但是它也有很大的不足： (1) 三個(gè)分量 H、 S、 V 是由三基色 R、 G、 B 經(jīng)過(guò)非線性變換得到的，因此計(jì)算復(fù)雜度高，計(jì)算效率較低。 二值化后的人臉圖像中，數(shù)字為 0 的部分為背景，數(shù)值為 1 的部分表示人臉， T 是用于二值化處理的閾值。圖像也一樣，要計(jì)算相似度，必須抽象出一些特征比如藍(lán)天白云綠草。 的識(shí)別與定位 2. 圖像預(yù)處理技術(shù) 為了實(shí)現(xiàn)檢測(cè)方法的魯棒性，我們要考慮監(jiān)測(cè)對(duì)象 在各種復(fù)雜的背景中，不同的 方向、角度、尺度等情況下所展現(xiàn)出來(lái)的不同表象，而采集照片時(shí)特別是光照條件包括光源的方向、明暗、色彩等都會(huì)對(duì)圖像的效果產(chǎn)生很大的影響，進(jìn)而影響我們對(duì)檢測(cè)目標(biāo)的識(shí)別。分塊的思想在于根據(jù)每塊的灰度值制定準(zhǔn)則進(jìn)行判定。目前人臉識(shí)別方法的研究方向主要有兩個(gè)：其一是基于整體的研究方法，它主要是考慮了模式的整體屬性，包括特征臉?lè)椒ā⒛０嫫ヅ浞椒?、彈性圖匹配方法、隱馬爾可夫模型方法以及神經(jīng) 網(wǎng)絡(luò)方法等；其二是基于特征分析的方法，也就是將人臉基準(zhǔn)點(diǎn)的相對(duì)比率和其他描述人臉臉部特征的形狀參數(shù)或類別參數(shù)等一起構(gòu)成識(shí)別特征向量。 人臉識(shí)別研究在二十世紀(jì)六七十年代已經(jīng)引起了諸多學(xué)科領(lǐng)域的研究者的濃厚興趣。主要實(shí)現(xiàn)人臉的定位 ，人臉的眼睛、鼻子、嘴巴特征點(diǎn)的定位。首先人臉是一個(gè)包含五官、毛發(fā)等的極不規(guī)則的復(fù)雜待測(cè)目標(biāo)，不同的人臉在形狀、大小、顏色、質(zhì)地等方面都有很大的變化性；其次為了實(shí)現(xiàn)檢測(cè)方法的魯棒性，我們要考慮人臉在各種復(fù)雜的背景中，不同的方向、角度、尺度等情況下所展現(xiàn)出來(lái)的不同表象 。第三，眼鏡、發(fā)型、胡須等對(duì)人臉圖像存在影響。這類方法比較簡(jiǎn)單，但是容易丟失有用的信息；第二個(gè)特點(diǎn)就是人臉識(shí)別研究主要是在較強(qiáng)約束條件下的人臉圖像識(shí)別。當(dāng)圖像中的待測(cè)區(qū)域符合準(zhǔn)則，則檢測(cè)為人臉。 。 要計(jì)算圖像的相似度，必須要 找出圖像的特征。邏輯運(yùn) 算的二進(jìn)制結(jié)果存在輸出圖像中對(duì)應(yīng)于該像素的位置上。 R R′ = G G′ = B B′ ≠ 1 因此，在色度空間中除去亮度分量，即形成膚色空間，得到歸一化的 RGB 顏色空間。所以，在膚色檢測(cè)之前，要先對(duì)圖像進(jìn)行分段線性顏色變換。 (x?ex)2a2 + (y?ecy)2(b)2 = 1 (3221) 0xy1 = 0 cosθ sinθ?sinθ cosθ1*Cb′?cxCr′ ?cy+ (3222) 其中， ecx和 ecy分別為 Cb 和 Cr 的統(tǒng)計(jì)均值。 在 YCbCr 色彩空間，歸一化色度直方圖后假定膚色滿足二維高斯模型 M=(m,C)，其中m為均值， m=E(x)， x=(Cb,Cr)T， C 為協(xié)方差矩陣， C=E[(xm)(xm)]，通過(guò)這個(gè)膚色模型檢測(cè)任意一個(gè)像素是否為膚色的概率為 P(Cb,Cr) = exp,?(x?m)TC?1(x ?m) 332 已經(jīng)證明，這個(gè)模型能很好的區(qū)分出人臉和非人臉。圖像的二值化，就是將圖像上的像素點(diǎn)的灰度值設(shè)置為 0 或 255，也就是將整個(gè)圖像呈現(xiàn)出明顯的只有黑和白的視覺(jué)效果。 Blob 算法就是找出圖像中的連通域，并確定其數(shù)量、大小、面積和位置等信息的一種方法。 梯度的方向就是函數(shù)的最大變化率的方向，故梯度的數(shù)值就是 f(x,y)在其最大變化率方向上的單位距離所增加的量。前面的利用膚色模型的膚色像素點(diǎn)的提取相當(dāng)于已經(jīng)應(yīng)用了基于像素的方法，在此基礎(chǔ)上要將這一個(gè)個(gè)分散的膚色像素點(diǎn)構(gòu)成一個(gè)個(gè)人臉區(qū)域，再用這些人臉區(qū) 域的外接矩形來(lái)表征它們。 本次設(shè)計(jì)旨在設(shè)計(jì)的系統(tǒng)具有人臉初始位置定位及人臉內(nèi)輪廓提取的功能，同時(shí)能夠?qū)θ四槇D像中固有特征，如眼睛、鼻子 、嘴進(jìn)行識(shí)別和定位。 為了能夠利用單像素點(diǎn)描述人臉圖像的邊緣，作如下處理：生成一個(gè) 33 的模板 ，統(tǒng)計(jì)模板中灰度值小于 5 和大于 5 的像素點(diǎn)個(gè)數(shù)。具體步驟為：首先對(duì)鼻子進(jìn)行膚色堅(jiān)定；然后根據(jù)二值化圖像的參數(shù)和眼睛的位置計(jì)算出雙目斜角、雙目距離及雙目平均高度，再根據(jù)雙目距離和雙目平均高度，可定位出鼻子的上下邊界和鼻子在水平方向上的中點(diǎn)；同時(shí)根據(jù)雙目斜角和雙目距離以及鼻子在水平方向上的中點(diǎn)，定位出鼻子的左右邊界。 嘴部識(shí)別與定位算法 對(duì)嘴部的定位一般需要經(jīng)過(guò)以下幾個(gè)步驟： (1) 根據(jù)圖像中每個(gè)像素點(diǎn)的 RGB 值； (2) 判斷 θ是否小于 ，若小于 0.，則將該點(diǎn)的灰度值設(shè)為 255，否則 ，將該點(diǎn)的灰度值設(shè)為 0，即得到嘴部的膚色掩碼； (3) 根據(jù)二值化圖像的參數(shù)和眼睛的位置，計(jì)算出雙目斜角、雙目距離及雙目平均高度； (4) 根據(jù)雙目距離和雙目平均高度，可定位出嘴的上下邊界和嘴在水平方向上的中點(diǎn)； (5) 根據(jù)雙目斜角和雙目距離以及嘴在水平方向上的中點(diǎn)，可定位出嘴的左右邊界； (6) 在