【正文】 14 位置提供了依據(jù)。算法的整體流程圖如圖 34 所示： 圖 33 區(qū)域分割算法流程 輸入的經(jīng)過膚色分割的圖像 去噪聲處理 提取邊界 對邊界的連通關(guān)系作處理 由邊界的連通性和閉合性得到初始的一系列矩形 將初始的矩形序列進行歸并處理 輸出最終的矩形 基于膚色相似度的人臉檢測與定位 12 人臉區(qū)域標記算法 在標記人臉之前，首先要對相似度圖像進行二值化操作，這一部分已經(jīng)在前面一章中介紹了。圖像分割的目 的是把人臉的器官與臉的其他部分分離開來，并保證每個器官的完整性。同樣也得到了膚色 信息的均值 M 和方差 C， 為下一步計算相似度做了準備。 考慮到膚色等色彩信息經(jīng)常受到光源顏色、圖像采集設(shè)備的色彩的偏差等因素的影響，而在整體上偏離本質(zhì)色彩而向某一方向移動，即我們通常所說的色彩偏冷、偏暖，照片偏黃、偏藍等等，這種現(xiàn)象在藝術(shù)照片中更為常見。 上述的各種方法都存在自身的優(yōu)缺點和適用領(lǐng)域，很多學者在各自所面臨的問題范圍內(nèi)不斷探索，也發(fā)明了許多卓有成效的檢測算法。因此，光照、姿態(tài)問題逐漸成為研究熱點。其主要原因之一就是用計算機自動進行人臉的檢測和識別十分困難，目前的檢測效果（正確率、速度）不如其他的生物識別技術(shù)，如指紋識別，視網(wǎng)膜識別等等。人臉的檢測問題在近 10 年中得到了廣泛的關(guān)注， 國內(nèi)外很多研究人士提出了很多方法，在不同領(lǐng)域取得了一定進展。 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 。 作者簽名： 指導教師簽名： 日期： 日期： 基于膚色相似度的人臉檢測與定位 IV 注 意 事 項 （論文）的內(nèi)容包括： 1）封面（按教務處制定的標準封面格式制作） 2）原創(chuàng)性聲明 3）中文摘要（ 300 字左右）、關(guān)鍵詞 4）外文摘要、關(guān)鍵詞 5）目次頁（附件不統(tǒng)一編入） 6）論文主體部分：引言（或緒論）、正文、結(jié)論 7）參考文獻 8）致謝 9）附錄（對論文支持必要時） ：理工類設(shè)計（論文）正文字數(shù)不少于 1 萬字（不包括圖紙、程序清單等），文 科類論文正文字數(shù)不少于 萬字。 人臉檢測研究的就是如何從靜態(tài)圖或者視頻序列中 找出人臉，如果存在人臉，則輸出人臉數(shù)目、每個人臉的位置及大小。幾乎所有知名的理工科大學和主要 IT 產(chǎn)業(yè)公司都有研究組在從事相關(guān)研究。要完成的工作包括相似度的計算，圖像的二值化，垂直直方圖和水平直方圖的獲取，人臉特征（眼睛、嘴和鼻子）的提取。這種色彩空間是以演播室質(zhì)量標準為目標的CCIR601 編碼方案中采用的彩色表示模型，被廣泛地應用在電視的色彩顯示等領(lǐng)域中。 基于膚色相似度的人臉檢測與定位 6 人臉 膚色 相似度 的 計算 該文設(shè)計的是基于人臉膚色模型 , 利 用相似度方法 , 對人臉區(qū)域進行了檢測和定位。 據(jù)前面對膚色模型的分析，無論什么樣的膚色模型都存在判斷失誤，所以算法輸出的一系列矩形應該盡量包含所有 的人臉區(qū)域。對于利用人臉各器官之間幾何關(guān)系的人臉定位方法來說，分割算法是十分重要的。標記人臉區(qū)域以后， 就可以進行邊緣提 取，接著標記眼睛，由人臉各特征的位置關(guān)系，就可以從上到下區(qū)分出眼睛、鼻子、嘴等特征。人眼位置的判定是根據(jù)眼睛在二值化人臉圖像中的幾何位置確定的，主要有以下幾條準則： 1) 雙眼中心距應在某 個范圍內(nèi)：考慮到人臉在圖像中大小的變化，雙眼中心距變化大約在 一定 像素距離范圍內(nèi)； 2) 雙眼下方一定距 離內(nèi)不能有其它黑塊：雙眼下方一定距離內(nèi)沒有其它器官，因此在二值化圖像中不能有其它黑塊，這一特點也是區(qū)分眉毛與眼睛的重要判據(jù)； 3) 雙眼中心位置上下相差不超過一定距離：由于人臉在圖像中可能向兩側(cè)傾斜，雙眼中心位置常常不在水平線上。這里雖然有眉毛的影響，但是由于眉毛正好位于眼睛的上方，因此不影響水平區(qū)域的確定，如圖示： 圖 39 眼睛的定位 然后在 I 和 II 的上方區(qū)域的豎直方向投影，得到的第一個峰值附近的區(qū)域 A、 B。之間 ) , 并具有各種背景，上面的算法能成功地檢測定位多張人臉圖 , 本設(shè)計結(jié)果的正確檢測率達到 90%以上。如何使得計算機也能對側(cè)面臉進行檢測識別也是目前研究的一個熱點。 基于膚色相似度的人臉檢測與定位 22 致謝 大學四年的光陰如白駒過隙，轉(zhuǎn)瞬即逝。該軟件與人臉的外界光照條件、人臉的拍攝角度以及是否帶眼鏡有關(guān) , 易受人臉模式的多樣性 (如胡須、眼鏡等 )、圖像獲取過程中的不確定 性 (如光照的強度、光源方向等 ) 等因素的影響 。 具體算法是：在確定的人臉區(qū)域 ，把人臉部分劃分為左右、上下四等份，再把人臉寬度 12 等份 ， 每一份為 nSlidWinWidth 和人臉高度 30 等份 ， 每一份為 nSlidWinHeight。為了能從粗估計的分割閾值區(qū)間中找到最佳分割閾值，我們提出了結(jié)合找人眼位置過 程的自動調(diào)整法。我們可以在低分辨率下提取水平邊緣，然后找到人臉區(qū)域內(nèi)富含這些邊緣的連通區(qū)，作為人臉特征的候選區(qū)域。成功的分割算法能夠有效地把人臉器官和臉的其他部分分離開來，并且保持器官的完整性。對于可能的人臉區(qū)域來說， 其相對于水平方向的旋轉(zhuǎn)角度在 45176。而在這個二維平面上，膚色區(qū)域服從高斯分布。 通過下面的轉(zhuǎn)換公式，可以將像素由 RGB 空間轉(zhuǎn)換到 YCbCr空間。 基于膚色相似度的人臉檢測與定位 4 第 2 章 基于膚色模型的人臉檢測 人臉檢測方法 人臉檢測傳統(tǒng)的方法多是在亮度空間進行，僅有灰度信息的變化 ,沒有任何區(qū)域或比例的限制，所以 必須做多尺度空間的全搜索，計算量非常大，而利用色度信息則可大大降低搜索區(qū)域，其中膚色信息是最為直接有效的。 人工神經(jīng)網(wǎng)絡也一度曾經(jīng)被研究人員用于人臉識別問題中 。 人臉檢測的一個最重要的應用是人臉識別技術(shù)。 、圖表要求： 1）文字通順，語言流暢，書寫字跡工整，打印字體及大小符合要求，無錯別字，不準請他人代寫 2）工程設(shè)計類題目的圖紙，要求部分用尺規(guī)繪制，部分用計算機繪制，所有圖紙應符合國家技術(shù)標準規(guī)范。 本課題的成果具有一定的應用價值。 and by using boundarybased algorithm plus regionbased algorithm , the system has realized face location through the extraction of the features of eyes, nose and mouth. Taking advantages of Visual C++ , the authors have also developed corresponding software based on Microsoft Windows. Production of this paper have definite application results prove that the system is valid in detecting, locating and extracting frontal view face features in a certain it possess favorable performance in rapidity and accuracy. Key words: image segmentation。所以采集條件特別是光照條件包括光源的方向、明暗、色彩等都會對圖的效果產(chǎn)生很大的影響，進而影響對人臉的檢測；另外，人臉上還可能長有胡須、戴有眼鏡等 , 這些也同樣是人臉檢測不可忽視的因素。 人臉檢測研究具有重要的學術(shù)價值，受到學者越來越多的關(guān)注。這一階段的人臉識別技術(shù)發(fā)展非常迅速，所提出的算法在較理想圖采集條件、對象配合、中小規(guī)模正面人臉數(shù)據(jù)庫上達到了非常好的性能，也因此出現(xiàn)了若干知名的人臉識別商業(yè)公司。所以利用膚色這一線索可以排除掉在灰度圖像中很像人臉而對應到彩色圖像中根本不是膚色的區(qū)域，這在人臉檢測中會起到積極的作用。將膚色范圍內(nèi)的像素 置 1， 其余置 0，得到分割后的二值圖像，實現(xiàn)人臉的初步定位。開始訓練命令，打開 bmp 格式的圖像后計算每幅圖像的像素數(shù) CrList 和 CbList，然后查詢總的圖像數(shù) count 用于將當前數(shù)據(jù)庫內(nèi)的所有用戶圖片 進行訓練， 最后對每幅圖像求訓練平均，得到可供識別比對的訓練基。或大于 135176?；趨^(qū)域的方法則是尋找互相連接在一起、并有相同特征的像素所形成的區(qū)域，它是實現(xiàn)圖像分割的一種重要方法。對正面的人臉來說，眼睛、鼻子等特征和整個人臉的尺寸大小之間存在先驗的約束關(guān)系，這就是人臉結(jié)構(gòu)的恒常性，因此我們利用這些約束關(guān)系來確定特征區(qū)域的 大小。一旦在某個閾值下檢測到雙眼黑塊出現(xiàn)，此時的閾值即為最優(yōu)分割閾值，檢測到的人眼黑塊的幾何中心也應接近于虹膜 (瞳孔 )中心 (這是因為分割閾值越大，眼塊可能由無到有，由小到大，此時最先出現(xiàn)的應是具有較低灰度值 的瞳孔和虹膜所對應的黑塊 )。以同樣的方法 ：去除掉小于人臉高度的 1/100 的區(qū)域，然后在合并區(qū)域（小于人臉 A B I II 左眼眉毛 右眼眉毛 左眼 右眼 安徽工程科技學院畢業(yè)設(shè)計（論文） 17 高度的 1/100），這樣就可以確定人眼的垂直區(qū)域。 文中給出了 人臉分割、檢測算法、關(guān)鍵器官定位等主要算法。在這四年中我基本完成當時還是在遙遠的大一時定下的目標，可以這么說我能有今天的一切，跟母校 老師們是分離不開的！在這里我深深說一句：親愛的老師們謝謝你！ 尤其是在最后的半學期里，得到了老師的熱情指導，對本文的算法、編撰和定稿不吝賜教，使我看到了一個搞 科學研究的學者應有的作風，為以后的我真正的走上工作崗位 — 搞研發(fā)時應怎樣處理類似的工作奠定了基礎(chǔ)。當然也可以從其它角度解決這個問題，例如將攝像頭和燈光結(jié)合，使得每次識別的主光源都位于正前方。 基于膚色相似度的人臉檢測與定位 20 在 Microsoft Windows 平臺上 ,利用 Visual C+ + 6. 0實現(xiàn)了以上算法。常用的 5X5LOG 算子如下圖： 2 4 4 4 2 4 0 8 0 4 4 8 24 8 4 4 0 8 0 4 2 4 4 4 2 圖 36 LOG 算子 LOG 算子首先用高斯函數(shù)對圖像進行低通濾波消除空間尺 度遠小于高斯空間常數(shù)的圖像強度變化即去除噪聲 ， 然后用拉普拉斯算子進行高通濾波提取線特征在 一 個灰度均勻區(qū)域的邊緣處 LOG 算子有以下表現(xiàn)：邊緣以外灰度均勻處取零 ， 邊緣較暗一側(cè)取正 ， 邊緣較亮一側(cè)取負 ， 邊緣中某些點處取零。若 選擇固定的背景和光照條件，由統(tǒng)計的方法可估計出更小的最佳分割閾值可能所在的區(qū)間。 標定的人臉區(qū)域如圖 35 所示。 在設(shè)計中，為了減少圖像分割這一步的運算量，對圖像做了二值化處理。 人臉檢測與定位算法 人臉區(qū)域分割算法 人臉區(qū)域分割的系統(tǒng)結(jié)構(gòu)如圖