【正文】 論文題目 ： 基于 幾何特征算法的人眼定位研究與實現(xiàn) 姓名 ： 柏植 學(xué)號 ： 20xx20xx0231 班級 ： 1121202 年級 ： 20xx 級 專業(yè) ： 測控技術(shù)與儀器 學(xué)院 ： 核工程與地球物理學(xué)院 指導(dǎo)教師 ： 方江雄 （講師） 完成時間 ： 20xx 年 06 月 作 者 聲 明 本人以信譽鄭重聲明：所呈交的學(xué)位畢業(yè)設(shè)計（論文），是本人在指導(dǎo)教師指導(dǎo)下由本人獨立撰寫完成的，沒有剽竊、抄襲、造假等違反道德、學(xué)術(shù)規(guī)范和其他侵權(quán)行為。 Feature extraction。 所以人臉識別的研究對人類來說就很有研究的意義。荊曉遠等 對人臉圖像作正交小波變換， 提出基于先慣性和有效互補分析的多類器組合方法，得到其在不同頻帶上的 4 個子圖像 ，然后分類提取奇異值特征。 可以運用基于空間的灰度相關(guān)的矩陣的參數(shù)特征 來表示 人面部的 紋理特征，進行低分辨率的人臉檢測。 在很多情況下，變量之間是有一定的相關(guān)聯(lián)系的，當兩個變量之間有相關(guān)關(guān)系時，可以反應(yīng)這兩個變量有某種程度的重疊。為了將ICA 應(yīng)用到人臉識別的領(lǐng)域，可以使用矩陣 X=（ X1， X2， …， Xt） T(t*m 維 )表示用于學(xué)習訓(xùn)練的人臉圖像庫，假設(shè)人臉的圖像表示為 ， Xi=(x1， x2， …， xm).首先可以東華理工大學(xué)畢業(yè)設(shè)計（論文） 人眼檢測定位的基本算法和理論 8 應(yīng)用不動點算法求解恢復(fù)矩陣 W（ m*n 維），使得 XW=ASE=U。 （ 2） PCA 方法抽取的特征之間統(tǒng)計不相關(guān)，而 ICA 方法抽取的特征之間是統(tǒng)計獨立。 BMP 格式圖片 本系統(tǒng)只能識別和處理 BMP 格式的圖片， BMP 格式屬于 DIB 的一種，經(jīng)常應(yīng)用于windows 操作系統(tǒng)。 gray=10?r+30?g+60?b100 (18) 具體的流程圖 （圖 33） 如下 ： 掃 描 圖 片 信 息 得到 R 、 G 、 B 值計 算 得 到 圖 片的 灰 度 g r a y1 6 0 g r a y 1 2 0設(shè) 置 該 像 素 點為 白 色設(shè) 置 該 像 素點 為 黑 色Y E SN O保 存 圖 像 顏色 圖 33 眼睛亮度匹配流程圖 東華理工大學(xué)畢業(yè)設(shè)計（論文） 眼睛輪廓的定位 15 下圖 （圖 34） 為經(jīng)過眼睛亮度匹配處理前后的圖片： 原始圖片 處理后 圖 34 眼睛亮度匹配 處理 前后效果圖 上圖可看出程序可以使可疑的眼睛部分變成白色標記出來，且更為明顯，為后面的眼睛綜合處理做好了準備。 此方法就是 將屬于同一連通體的不同像素點的坐標值進行平均，然后將平均值作為質(zhì)心的坐標位置，這種方法求得是連通體幾何形心，其計算公式如下： 東華理工大學(xué)畢業(yè)設(shè)計（論文） 人眼定位的實現(xiàn) 19 ???? = ∑ ??????,??∈??, ???? = ∑ ??????,??∈?? （ 19） 式中，（ i,j）分別為圖像像素的縱、橫坐標； N 為 該連通體總的像素數(shù)； ??為屬于同一連通體的像素的集合。 本文提出的一系列的方法雖然具有一定的檢測能力和精度，但是由于上述提到的各種潛在的問題，下一步將繼續(xù)對這些問題進行深一步的研究， 使之更完美 。 lpData = (unsigned char*)::FindDIBBits(lpDIB)。//讀取頭文件 lLineBytesMulspec = WIDTHBYTES((lpbibiWidth)*24)。 if(*(lpData + lOffset) == 255) { if(i(+)/2) { *(lpData + lOffset++) = 0。 LPBYTE lpData。 int eye1count=0。 東華理工大學(xué)畢業(yè)設(shè)計（論文） 附錄 27 *(lpData + lOffset++) = 255。 } 。 *(lpData + lOffset++) = 255。 for (i=。 lpData = (unsigned char*)::FindDIBBits(lpDIB)。 *(lpData + lOffset++) = 0。 int width,height。 iheight。 在這里首先要感謝我的導(dǎo)師 方江雄博士 。 步驟 2 將像素點的灰度值置為 1，像素點的橫坐標和橫坐標相加，縱坐標與縱坐標相加，得到相應(yīng)的橫、縱坐標的和坐標。首先對像素點矩陣 emymapc[i][j]和 emymapl[i][j]進行清零處理，然后指出只有當亮度和色度同時出現(xiàn)設(shè)置為白色的像素點在此時才可以設(shè)置為白色，否則設(shè)置為黑色，并且把 8位圖轉(zhuǎn)換成 24 位圖，這樣做的目的提高了眼睛識別的精度和準確度。這種格式的特點是包含的 圖像信息 相對比較 豐富，幾乎不進行 任何 壓縮 ，但是這個特點也給他帶來了與生俱來的缺點 。 （ 2）對圖片作歸一化處理 后， PCA 的 識別 方法 性能較好，但是若由于遮擋等因素給東華理工大學(xué)畢業(yè)設(shè)計（論文） 人眼檢測定位的基本算法和理論 11 圖片帶來的影響時，基于 ICA 的識別的方法性能會更好 （ 3） PCA 的識別速率相對于 ICA 的較快， ICA 運用了更多維數(shù)的處理方法，使得速度較低。 所以選擇合適的特征向量，他不但可以減小計算量還能夠增強對不同人臉圖片的分類能力。 設(shè)有 N 個訓(xùn)練樣本，每個樣本根據(jù)其像素灰度組成一個向量 xi的維數(shù)的樣本圖像M=Width*Height(行像素數(shù) *列像素 數(shù) )，由向量構(gòu)成的樣本集為 [x1， x2，?， xN]，這樣本的平均向量為 ?x 1N∑ xiNi=1 (1) 平均向量又叫做平均臉，則每個訓(xùn)練樣本與平均臉的偏差為 yi = xi ? x (2) 則樣本集的偏差矩陣為 D， D 的維數(shù)為 M*N。模型由一組不等式組成，而人面部就被定義在這些不等式所在的區(qū)域。 20xx 年 11 月 26 日，由中國科學(xué)院計算技術(shù)研究所等單位承擔的國家 863 計劃之一的“面部檢測與識別核心技術(shù)”通過專家鑒定。 基本圖像處理部分包含了對圖像的一些簡單的處理，對圖像進行了增加亮度和對比度的處理，增加了識別的準確度和減小了錯誤率，同時也增加了程序?qū)D像邊緣的提取的精度，增加了二值化操作的簡單性以及圖像灰度處理等相關(guān)過程。 Qualitative method 目 錄 第一章 緒論 ........................................................... 1 引言 ............................................................. 1 人臉識別與定位研究背景與意義 ..................................... 1 人臉識別的研究的背景 ......................................... 1 人臉識別研究的意義 ........................................... 2 典型的人臉識別系統(tǒng) ............................................... 2 國內(nèi)外的研究現(xiàn)狀 ................................................. 3 國內(nèi)研究現(xiàn)狀 ................................................. 3 國外研究現(xiàn)狀 ................................................. 3 論文的結(jié)構(gòu)安排 ................................................... 4 第二章 人眼檢測定位的基本算法和理論 ................................... 5 引言 ............................................................. 5 基于可視特征的方法 ............................................... 5 幾何特征 ..................................................... 5 紋理特征 ..................................................... 5 顏色特征 ..................................................... 5 基于代數(shù)特征的方法 ............................................... 6 主成分分析（ PCA） ............................................ 6 獨立分量分析（ ICA） .......................................... 7 基于幾何特征的算法 ............................................... 8 幾種算法特點和優(yōu)缺點的比較 ...................................... 10 幾種算法的特點 .............................................. 10 幾種算法的優(yōu)缺點 ............................................ 10 圖像的色彩空間 .................................................. 11 RGB 色彩空間 ................................................ 11 YCbCr 色彩空間 .............................................. 11 二值化 .......................................................... 12 BMP 格式圖片 ..................................................... 12 第三章 眼睛輪廓的定位 ................................................ 13 眼睛色度的匹配 .................................................. 13 眼睛亮度的匹配 .................................................. 14 人眼區(qū)域的綜合匹配 .............................................. 15 去掉非眼睛區(qū)域 .................................................. 16 第四章 人眼定位的實現(xiàn) ................................................ 18 眼睛區(qū)域的膨脹 .................................................. 18 眼睛中心 ........................................................ 18 本章小結(jié) ........................................................ 20 第五章 總結(jié)與展望 .................................................... 21 全文工作總結(jié) .................................................... 21 下一步工作展望 .................................................. 2