【文章內(nèi)容簡(jiǎn)介】 通過(guò)線性變換得到，轉(zhuǎn)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?cè)谏壬系牟町愐h(yuǎn)遠(yuǎn)小于亮度上的差異。也就是說(shuō)，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(duì)于以顏色特征來(lái)檢測(cè)人臉的系統(tǒng)而言，需要顏色空間的聚類(lèi)效果好，基本不受亮度影響。我們知道RGB空間中的三個(gè)分量都分別包含亮度信息和色度信息，這樣膚色分割的結(jié)果就容易受光照的影響，所以選用一個(gè)把亮度信息作為單獨(dú)分量的色彩空間更為合適。本文選擇YCbCr空間對(duì)膚色分布進(jìn)行研究。 (1)二值圖像的膨脹腐蝕運(yùn)算設(shè)A為圖像集合，B為結(jié)構(gòu)元素，數(shù)學(xué)形態(tài)學(xué)運(yùn)算是用B對(duì)A進(jìn)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(lái)膨脹A記做:A⊕B。定義為:A⊕B={x︱∩A≠} （）代表先對(duì)B作關(guān)于原點(diǎn)的映射，再將其映像平移x。用B來(lái)膨脹A得到的集合是B的位移與A至少有一個(gè)非零元素相交時(shí)B的原點(diǎn)位置的集合。腐蝕:用B來(lái)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(jié)果是所有x的集合，其中B平移x后還在A中。即結(jié)果是B完全包含在A中時(shí)B的原點(diǎn)位置的集合。(2) 開(kāi)運(yùn)算與閉運(yùn)算膨脹和腐蝕并不是互為逆運(yùn)算，所以可以級(jí)聯(lián)結(jié)合使用。開(kāi)運(yùn)算和閉運(yùn)算就是基于腐蝕膨脹兩種順序不同的級(jí)聯(lián)運(yùn)算。開(kāi)運(yùn)算是先腐蝕后膨脹，其定義為:AB=(AB)⊕B （）閉運(yùn)算是先膨脹后腐蝕，其定義為: AB=(A⊕B)B （）開(kāi)運(yùn)算與閉運(yùn)算[22]無(wú)論運(yùn)用于二值圖像還是灰度圖像上都可以去除比結(jié)構(gòu)元素小的特點(diǎn)圖像細(xì)節(jié)并起到平滑的效果，同時(shí)保證不產(chǎn)生全局的幾何失真。開(kāi)運(yùn)算可以把比結(jié)構(gòu)元素小的凸刺濾掉，切斷細(xì)長(zhǎng)搭接從而起到分離作用。閉運(yùn)算可以把比結(jié)構(gòu)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(cè)有了上述工作作為基礎(chǔ)，我們就可以對(duì)一幅彩色圖像進(jìn)行人臉檢測(cè)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(cè)流程圖 圖3 原圖像 圖4 人臉檢測(cè) 圖5 最優(yōu)二值化圖 圖6 膨脹 圖7 邊緣檢測(cè) 圖8 圖像去噪 圖9 人臉定位 實(shí)現(xiàn)人臉檢測(cè)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(zhuǎn)換[m,n,k]=size(Image)。for i=1:1:m %根據(jù)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(kāi)運(yùn)算（即先腐蝕再膨脹），消除雜散點(diǎn)%figure,imshow(Ibwopen)。Ibwoc=imclose(Ibwopen,SE)。 %閉運(yùn)算，去掉由于開(kāi)運(yùn)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(cè)%figure,imshow(Iedged)。[Ilabeled regionnum]=bwlabel(Iedged,8)。 %連通區(qū)域標(biāo)記%regloc是一個(gè)二維數(shù)組，第1維：region編號(hào)，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(guò)對(duì)圖像的象素級(jí)搜索得出各個(gè)連通區(qū)域的regloc值，為畫(huà)框作準(zhǔn)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(zhǎng)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(huà)框end 本章小結(jié) 這一章首先介紹了幾種常用的人臉檢測(cè)方法，并對(duì)它們各自的優(yōu)缺點(diǎn)進(jìn)行了比較，選擇了實(shí)時(shí)性能較好的基于膚色檢測(cè)和形態(tài)學(xué)處理的人臉檢測(cè)算法。其次，對(duì)幾種主要的色彩空間以及膚色在YcbCr色彩空間中的聚類(lèi)特性作了說(shuō)明，但膚色在YCbC泡彩空間中的聚類(lèi)區(qū)域受光照影響較大，后經(jīng)過(guò)一系列的處理，最后結(jié)合人臉結(jié)構(gòu)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(xiàn)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(cè)出眼睛的位置，它是判斷眼睛狀態(tài)的前提，因此如何準(zhǔn)確、快速地定位人眼是實(shí)現(xiàn)駕駛疲勞狀態(tài)監(jiān)控的關(guān)鍵。本章主要介紹了在定位駕駛員面部區(qū)域之后，如何對(duì)人眼進(jìn)行識(shí)別和定位，并將一種實(shí)時(shí)跟蹤眼睛的算法融合到實(shí)驗(yàn)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(gè)重要的研究課題。在人臉的特征抽取、人臉圖像的校準(zhǔn)以及表情識(shí)別等應(yīng)用中眼睛常常是關(guān)鍵部位，因此定位眼睛是這些研究領(lǐng)域中必須解決的問(wèn)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(guò)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(duì)稱(chēng)變換法，變形模板法，邊緣特征分析法等。本文結(jié)合人臉的膚色和幾何特征最終采取變形模板的方法來(lái)定位人眼。(1) 霍夫變換法[26] 假設(shè)經(jīng)預(yù)處理已經(jīng)得到包含眼球的圖像Ep，為了節(jié)省檢測(cè)眼球的時(shí)間并避免鏡片反光點(diǎn)邊緣產(chǎn)生的干擾，先用小灰度聚類(lèi)法粗定眼球中心點(diǎn)，以此縮小檢測(cè)范圍，聚類(lèi)的過(guò)程是將圖像Ep中灰度值最小的n個(gè)像素，按列遞增的順序排序，若相鄰的列數(shù)差值都未超過(guò)預(yù)先設(shè)定的門(mén)限T1，說(shuō)明只有一個(gè)聚類(lèi)中心，求出這些像素行列的平均值就是要找的眼球中心點(diǎn)；若超過(guò)了門(mén)限T1，說(shuō)明這n個(gè)像素可以聚成兩類(lèi)，對(duì)左眼，因?yàn)殛幱?、鏡腳集中在左邊，所以取右邊那類(lèi)的平均值；對(duì)右眼，則取左邊那類(lèi)的平均值；n的選擇可根據(jù)圖像Ep的總像素?cái)?shù)目及眼球占圖像的大致百分比決定。在用霍夫變換檢測(cè)眼球前，先用Canny算法提取邊緣。對(duì)于比較細(xì)長(zhǎng)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(cè)下半圓，這樣更可靠且省時(shí)。設(shè)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(dá)式為： （）對(duì)于變換空間的每一個(gè)坐標(biāo)點(diǎn)(，R)，在圖像空間都對(duì)應(yīng)一個(gè)半圓，在這個(gè)半圓上存在的邊緣點(diǎn)數(shù)就是變換空間上坐標(biāo)點(diǎn)(，R)對(duì)應(yīng)的值。變換空間上的峰值點(diǎn)坐標(biāo)即為所求的眼球半圓參數(shù)。實(shí)驗(yàn)證明，霍夫變換確實(shí)具有抗干擾能力強(qiáng)的優(yōu)點(diǎn)。當(dāng)眼球與眼白的對(duì)比度較低時(shí)，提取出來(lái)的邊緣是斷裂或不很規(guī)則的，即使如此，仍能根據(jù)變換空間中的峰值點(diǎn)準(zhǔn)確地定位眼球圓心。(2).對(duì)稱(chēng)變換法近年來(lái)，計(jì)算機(jī)視覺(jué)研究領(lǐng)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(duì)稱(chēng)變換GST(Generalized symmetry Transform)。廣義對(duì)稱(chēng)變換[27]用以描述物體的點(diǎn)對(duì)稱(chēng)，可應(yīng)用于人臉器官中具有很強(qiáng)點(diǎn)對(duì)稱(chēng)性的眼睛、嘴巴、鼻子的定位和特征提取。所謂對(duì)稱(chēng)變換[28]：就是通過(guò)特定的算子將數(shù)字圖像I（P)映射到另一個(gè)空間F（P）上。對(duì)于F空間的任一元素來(lái)說(shuō)，F(xiàn)(，) =(對(duì)稱(chēng)值，對(duì)稱(chēng)角度)。特定算子可以根據(jù)應(yīng)用的不同要求而自行定義。對(duì)稱(chēng)變換多用于檢測(cè)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(diǎn)?；诟倪M(jìn)對(duì)稱(chēng)變換的眼睛定位算法將眼睛劃分為環(huán)形對(duì)稱(chēng)區(qū)和橢圓對(duì)稱(chēng)區(qū)，充分利用了整個(gè)眼部的梯度信息，對(duì)于成像質(zhì)量較差的人臉圖像具有更強(qiáng)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(jù)所選模板的維數(shù)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(duì)眼睛進(jìn)行定位，通過(guò)設(shè)定不同的權(quán)值并利用梯度下山法使能量函數(shù)最小化，彈性模板被“拖”到人眼附近。而后逐步完成尺寸、偏轉(zhuǎn)角度以及位置和形狀上的微調(diào)，得到模板參數(shù)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(shí)際應(yīng)用中最大的缺點(diǎn)是時(shí)間代價(jià)太大，無(wú)法保證實(shí)時(shí)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(jù)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(yù)測(cè)法先確定人眼在眉眼區(qū)域的大概位置，通過(guò)檢測(cè)眉眼部位的邊緣及邊緣分組，確定雙眼的坐標(biāo)位置。該算法的優(yōu)勢(shì)在于首先通過(guò)灰度投影曲線確定眉眼區(qū)域，使數(shù)據(jù)量大大減少，然后在有效的邊緣檢測(cè)之后，使用了高效的邊緣分組策略，在保證正確率的基礎(chǔ)上，提高了算法速度。此算法的定位錯(cuò)誤出現(xiàn)在頭部?jī)A斜度過(guò)大，以及側(cè)光太強(qiáng)，還有頭部在圖像中所占區(qū)域過(guò)小的情況。本文將采用后兩種方法進(jìn)行人眼定位，這兩種方法各有優(yōu)缺點(diǎn)。 邊緣分析的幾種常見(jiàn)的算子（1）Roberts邊緣檢測(cè)算子Roberts邊緣檢測(cè)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(shù)像素坐標(biāo)的輸入圖像，平方根運(yùn)算使該處理類(lèi)似于在人類(lèi)視覺(jué)系統(tǒng)中發(fā)生的過(guò)程。