【文章內容簡介】 通過線性變換得到，轉換公式如下: （） 研究表明[21]:雖然不同人的皮膚顏色可能相差很大，但它們在色度上的差異要遠遠小于亮度上的差異。也就是說，不同人的膚色在色度上往往是相近的，但在亮度上有較大差異。因此，對于以顏色特征來檢測人臉的系統而言，需要顏色空間的聚類效果好，基本不受亮度影響。我們知道RGB空間中的三個分量都分別包含亮度信息和色度信息，這樣膚色分割的結果就容易受光照的影響，所以選用一個把亮度信息作為單獨分量的色彩空間更為合適。本文選擇YCbCr空間對膚色分布進行研究。 (1)二值圖像的膨脹腐蝕運算設A為圖像集合，B為結構元素，數學形態(tài)學運算是用B對A進行操作。其中A，B中的元素都是邏輯值0或1組成。膨脹:用B來膨脹A記做:A⊕B。定義為:A⊕B={x︱∩A≠} （）代表先對B作關于原點的映射，再將其映像平移x。用B來膨脹A得到的集合是B的位移與A至少有一個非零元素相交時B的原點位置的集合。腐蝕:用B來腐蝕A記做:AB。定義為： AB={x︱A} （）代表將B平移x。B腐蝕A的結果是所有x的集合，其中B平移x后還在A中。即結果是B完全包含在A中時B的原點位置的集合。(2) 開運算與閉運算膨脹和腐蝕并不是互為逆運算，所以可以級聯結合使用。開運算和閉運算就是基于腐蝕膨脹兩種順序不同的級聯運算。開運算是先腐蝕后膨脹，其定義為:AB=(AB)⊕B （）閉運算是先膨脹后腐蝕，其定義為: AB=(A⊕B)B （）開運算與閉運算[22]無論運用于二值圖像還是灰度圖像上都可以去除比結構元素小的特點圖像細節(jié)并起到平滑的效果，同時保證不產生全局的幾何失真。開運算可以把比結構元素小的凸刺濾掉，切斷細長搭接從而起到分離作用。閉運算可以把比結構元素小的缺口或孔填充上，搭接短的間斷從而起到鏈接的作用[23]。 人臉檢測有了上述工作作為基礎，我們就可以對一幅彩色圖像進行人臉檢測了。具體流程圖如下：彩色圖像Ycb’Cr’空間 建立高斯模型最優(yōu)閾值二值化膨脹腐蝕圖像去噪得到人臉圖像 圖2 人臉檢測流程圖 圖3 原圖像 圖4 人臉檢測 圖5 最優(yōu)二值化圖 圖6 膨脹 圖7 邊緣檢測 圖8 圖像去噪 圖9 人臉定位 實現人臉檢測程序如下： clear。 %清空工作區(qū)變量Image=imread(39。39。)。 %讀取圖像文件imshow(Image)。Iycbcr=rgb2ycbcr(Image)。 %顏色空間轉換[m,n,k]=size(Image)。for i=1:1:m %根據CbCr的閾值生成二值圖像 for j=1:1:n if(Iycbcr(i,j,2)125amp。amp。Iycbcr(i,j,2)90amp。amp。Iycbcr(i,j,3)170amp。amp。Iycbcr(i,j,3)133) Ibw(i,j)=255。 else Ibw(i,j)=0。 end endendfigure,imshow(Ibw)。 %繪圖IbWSE = strel(39。square39。,3)。Ibwopen=imopen(Ibw,SE)。 %開運算（即先腐蝕再膨脹），消除雜散點%figure,imshow(Ibwopen)。Ibwoc=imclose(Ibwopen,SE)。 %閉運算，去掉由于開運算引入的許多缺口%figure,imshow(Ibwoc)。imf=imfill(Ibwoc,39。holes39。)。 %填充孔洞%figure,imshow(imf)。Iedged=edge(imf,39。Roberts39。)。 %邊緣檢測%figure,imshow(Iedged)。[Ilabeled regionnum]=bwlabel(Iedged,8)。 %連通區(qū)域標記%regloc是一個二維數組，第1維：region編號，第2維：1234分別代表top、left、right、bottom值for i=1:1:regionnum regloc(i,1)=n。 regloc(i,2)=m。 regloc(i,3)=0。 regloc(i,4)=0。end%通過對圖像的象素級搜索得出各個連通區(qū)域的regloc值，為畫框作準備for i=1:1:m for j=1:1:n if(Ilabeled(i,j)~=0) num=Ilabeled(i,j)。 if(iregloc(num,1)) regloc(num,1)=i。 end if(jregloc(num,2)) regloc(num,2)=j。 end if(jregloc(num,3)) regloc(num,3)=j。 end if(iregloc(num,4)) regloc(num,4)=i。 end end endendhold on。for num=1:1:regionnum if(regloc(num,4)(regloc(num,1)+(regloc(num,3)regloc(num,2))*)) %人臉長寬比限制 regloc(num,4)=regloc(num,1)+(regloc(num,3)regloc(num,2))*。 end x=[regloc(num,2)。regloc(num,2)。regloc(num,3)。regloc(num,3)。regloc(num,2)]。 y=[regloc(num,1)。regloc(num,4)。regloc(num,4)。regloc(num,1)。regloc(num,1)]。 plot(x,y)。 %畫框end 本章小結 這一章首先介紹了幾種常用的人臉檢測方法，并對它們各自的優(yōu)缺點進行了比較，選擇了實時性能較好的基于膚色檢測和形態(tài)學處理的人臉檢測算法。其次，對幾種主要的色彩空間以及膚色在YcbCr色彩空間中的聚類特性作了說明，但膚色在YCbC泡彩空間中的聚類區(qū)域受光照影響較大，后經過一系列的處理，最后結合人臉結構特征，定位人臉。第四章 人眼定位 引言研究表明，駕駛員疲勞主要表現在眼睛上，眼睛狀態(tài)能可靠地反映駕駛員是否疲勞。眼睛定位[24]是指在輸入的圖像中檢測出眼睛的位置，它是判斷眼睛狀態(tài)的前提，因此如何準確、快速地定位人眼是實現駕駛疲勞狀態(tài)監(jiān)控的關鍵。本章主要介紹了在定位駕駛員面部區(qū)域之后，如何對人眼進行識別和定位，并將一種實時跟蹤眼睛的算法融合到實驗中，獲得了良好的眼睛定位與跟蹤效果。在人臉圖像中定位眼睛是一個重要的研究課題。在人臉的特征抽取、人臉圖像的校準以及表情識別等應用中眼睛常常是關鍵部位，因此定位眼睛是這些研究領域中必須解決的問題。鑒于駕駛這一特殊環(huán)境條件下所獲取的基本為正面人臉，并且駕駛過程中人臉一般正視前方，所以本節(jié)首先討論正面端正人臉中的眼部區(qū)域定位。目前正面人臉中快速定位眼睛的算法主要有[25]: 霍夫變換法，對稱變換法，變形模板法，邊緣特征分析法等。本文結合人臉的膚色和幾何特征最終采取變形模板的方法來定位人眼。(1) 霍夫變換法[26] 假設經預處理已經得到包含眼球的圖像Ep，為了節(jié)省檢測眼球的時間并避免鏡片反光點邊緣產生的干擾，先用小灰度聚類法粗定眼球中心點，以此縮小檢測范圍，聚類的過程是將圖像Ep中灰度值最小的n個像素，按列遞增的順序排序，若相鄰的列數差值都未超過預先設定的門限T1，說明只有一個聚類中心，求出這些像素行列的平均值就是要找的眼球中心點；若超過了門限T1，說明這n個像素可以聚成兩類，對左眼，因為陰影、鏡腳集中在左邊，所以取右邊那類的平均值；對右眼，則取左邊那類的平均值；n的選擇可根據圖像Ep的總像素數目及眼球占圖像的大致百分比決定。在用霍夫變換檢測眼球前，先用Canny算法提取邊緣。對于比較細長的眼睛，由于眼球的上半部分較多地被眼皮覆蓋，所以改用檢測下半圓，這樣更可靠且省時。設圖像空間為(i，j)，i和j分別表示行和列，三維變換空間為(ie，je，R)，其中ie、je分別代表眼球圓心的行和列，R為半徑。下半圓表達式為： （）對于變換空間的每一個坐標點(，R)，在圖像空間都對應一個半圓，在這個半圓上存在的邊緣點數就是變換空間上坐標點(，R)對應的值。變換空間上的峰值點坐標即為所求的眼球半圓參數。實驗證明，霍夫變換確實具有抗干擾能力強的優(yōu)點。當眼球與眼白的對比度較低時，提取出來的邊緣是斷裂或不很規(guī)則的，即使如此，仍能根據變換空間中的峰值點準確地定位眼球圓心。(2).對稱變換法近年來，計算機視覺研究領域中的一些方法被用于人臉器官的定位和特征提取，其中比較引人注目的是廣義對稱變換GST(Generalized symmetry Transform)。廣義對稱變換[27]用以描述物體的點對稱，可應用于人臉器官中具有很強點對稱性的眼睛、嘴巴、鼻子的定位和特征提取。所謂對稱變換[28]：就是通過特定的算子將數字圖像I（P)映射到另一個空間F（P）上。對于F空間的任一元素來說，F(，) =(對稱值，對稱角度)。特定算子可以根據應用的不同要求而自行定義。對稱變換多用于檢測圖像中感興趣的區(qū)域，因此算子的定義要考慮感興趣區(qū)域的特點?；诟倪M對稱變換的眼睛定位算法將眼睛劃分為環(huán)形對稱區(qū)和橢圓對稱區(qū)，充分利用了整個眼部的梯度信息，對于成像質量較差的人臉圖像具有更強的魯棒性。（3）變形模板法模板匹配法主要是模板的選擇，根據所選模板的維數可分為二維可變形模板和三維可變形模板。本文將模板都變成二維的圖形，用變形模板對眼睛進行定位，通過設定不同的權值并利用梯度下山法使能量函數最小化，彈性模板被“拖”到人眼附近。而后逐步完成尺寸、偏轉角度以及位置和形狀上的微調，得到模板參數的最佳值，即為最后眼睛模板的位置。這種方法雖然能夠較為精確地定位眼睛，但是模板法在實際應用中最大的缺點是時間代價太大，無法保證實時性。（4）邊緣特征分析法此算法[29]所處理的圖像為單人灰度圖像，是利用圖像的垂直灰度投影曲線，根據凸峰寬度確定人臉的左右邊界，然后利用人臉區(qū)域的水平灰度投影曲線確定頭頂及鼻子中部形成的上下邊界。利用預測法先確定人眼在眉眼區(qū)域的大概位置，通過檢測眉眼部位的邊緣及邊緣分組，確定雙眼的坐標位置。該算法的優(yōu)勢在于首先通過灰度投影曲線確定眉眼區(qū)域，使數據量大大減少，然后在有效的邊緣檢測之后，使用了高效的邊緣分組策略，在保證正確率的基礎上，提高了算法速度。此算法的定位錯誤出現在頭部傾斜度過大，以及側光太強，還有頭部在圖像中所占區(qū)域過小的情況。本文將采用后兩種方法進行人眼定位，這兩種方法各有優(yōu)缺點。 邊緣分析的幾種常見的算子（1）Roberts邊緣檢測算子Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子。它由下式給出： （） 其中f(x，y)是具有整數像素坐標的輸入圖像，平方根運算使該處理類似于在人類視覺系統中發(fā)生的過程。