【導(dǎo)讀】師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加。而使用過的材料。均已在文中作了明確的說明并表示了謝意。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文。不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。全意識(shí)到本聲明的法律后果由本人承擔(dān)。同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)大學(xué)可以將本學(xué)位。印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。設(shè)計(jì)是否有創(chuàng)意？

　　

【正文】 基于 YCbCr 空間的膚色模型標(biāo)示方法 由于統(tǒng)計(jì)表明不同人中的膚色區(qū)別主要受亮度信息影響，而受色度信息的影響較小，所以直接考慮 YCbCr空間中的 Cb、 Cr分量，映射為 CbCr空間，在 CbCr空間下，受亮度變化的影響小，且是兩維獨(dú)立分布。通過實(shí)踐，選取大量的膚色樣本進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)膚色在 CbCr空間的分布呈現(xiàn)良好的聚類性【 16】，統(tǒng)計(jì)分布如圖 3 32所示： 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 圖 31 膚色像素的 Cb分量分布圖 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 圖 32 膚色像素的 Cr分量分布圖 由此可建立在 CbCr 空間下的膚色模型。在該空間下，膚色區(qū)間滿足77Cb127 并且 133Cr173， 其中 Cb、 Cr、分別是 這兩 個(gè)顏色通道的像素值。 。 基于 HSV 空間的膚色模型標(biāo)示方法 通過實(shí)踐，選取大量膚色樣本進(jìn)行統(tǒng)計(jì)，得出了膚色在 HSV 空間中的聚類特性，如圖 2 26 所示： 圖 33 膚色像素的 H分量分布圖 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 圖 34 膚色像素的 S分量分布圖 由此可建立在 HSV 顏色空間下的膚色模型。在該空間下，膚色區(qū)間滿足H19， S=48， 其中 H、 S 分別是 色調(diào)、飽和度的值。 第四章 人臉檢測(cè)的實(shí)驗(yàn)仿真及結(jié)果 MATLAB 簡(jiǎn)介 MATLAB 是一種用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語言和交互式環(huán)境。使用 MATLAB，可以較使用傳統(tǒng)的編程語言（如 C、 C++等）更快地解決技術(shù)計(jì)算問題， MATLAB 的應(yīng)用范圍非常廣，包括信號(hào)和數(shù)字圖像處理、通訊、控制系統(tǒng)設(shè)計(jì)、測(cè)試和測(cè)量、財(cái)務(wù)建模和分析以及計(jì)算生物學(xué)等眾多應(yīng)用領(lǐng)域。附加的工具箱（單獨(dú)提供的 MATLAB 函數(shù)集）擴(kuò)展了 MATLAB 的環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類型的問題。 MATLAB 提供了很多用于記錄和分享工作成果的功能，可以將 MATLAB 代碼與其他語言和應(yīng)用程序集成，來分發(fā) MATLAB 算法和應(yīng)用。 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 在 file\New\Mfile 建立 m文件，在 file\New\Model 建立模型文件。在主窗體部分可以直接輸入命令，也可以觀看運(yùn)算結(jié)果，它是直接反映運(yùn)算信息的重要窗口。 人臉檢測(cè)實(shí)驗(yàn)仿真及結(jié)果 RGB 顏色空間下的圖像及仿真實(shí)驗(yàn)結(jié)果 RGB 顏色空間下 的算法： （ 1） 讀入我的證件照彩色圖像。 （ 2） 掃描圖像，獲取彩色圖像每一像素的 R、 G、 B顏色分量值。 （ 3） 若像素值滿足以下條件： R95， G40， B20， max(R,G,B)min(R,G,B)15，且|RG|15， RG,RB，則該像素標(biāo)定為白色，就是人臉區(qū)域；若不滿足像素標(biāo)定位黑色，是非人臉區(qū)域。 RGB 顏色空間下人臉仿真實(shí)驗(yàn)結(jié)果如圖 41所示： R 分量 G 分量 B 分量 人臉仿真實(shí)驗(yàn)結(jié)果 圖 41 RGB 顏色空間人臉檢測(cè)實(shí)驗(yàn)結(jié)果 通過 RGB 顏色空間下的人臉可以很明顯的看出脖子等區(qū)域混雜，有些模糊，所以說 RGB 方法是有一定的缺陷的。 YCbCr 顏色空間下的圖像及仿真實(shí)驗(yàn)結(jié)果 根據(jù) YCbCr 空間的膚色模型，算法流程如下： （ 1） 讀入彩色圖像。 （ 2） 掃描圖像， 獲取該彩色圖像每一像素的 R、 G、 B顏色分量值。 （ 3） 對(duì)每一像素，根據(jù)公式將 RGB 轉(zhuǎn)換到 YCbCr 空間下，計(jì)算 Cb、 Cr 值。 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 （ 4） 若滿足條件： Cb∈ [77,127],Cr∈ [133,173]且 Y100 時(shí)，為人臉區(qū)域；若不滿足為非人臉區(qū)域。 YCbCr 顏色空 間下人臉仿真實(shí)驗(yàn)結(jié)果如圖 42 所示： Y 分量 Cb 分量 Cr 分量 人臉仿真實(shí)驗(yàn)結(jié)果 圖 42 YCbCr 顏色空間人臉檢測(cè)實(shí)驗(yàn)結(jié)果 HSV 顏色空間下的圖像及仿真實(shí)驗(yàn)結(jié)果 HSV 顏色空間下的算法： （ 1） 讀入彩色圖像。 （ 2）掃描圖像， 獲取該彩色圖像每一像素的 R、 G、 B顏色分量值。 （ 3）對(duì)每一像素，根據(jù)公式將 RGB 轉(zhuǎn)換到 HSV空間下，計(jì)算 H 分量值。 （ 4）若 H（歸一化值）時(shí)，為人臉區(qū)域；若不滿足為非人臉區(qū)域。 HSV顏色空間 下的人臉仿真實(shí)驗(yàn)結(jié)果如圖 43 所示： 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 H分量 S分量 V分量 人臉仿真實(shí)驗(yàn)結(jié)果 圖 43 HSV顏色空間人臉檢測(cè)實(shí)驗(yàn)結(jié)果 小結(jié) 本章是在已建立的膚色模型的基礎(chǔ)上，在各種顏色空間下的人臉仿真實(shí)驗(yàn)結(jié)果，主要利用 MATLAB 進(jìn)行了仿真。實(shí)驗(yàn)結(jié)果揭示了不同顏色空間膚色模型的對(duì)比，在人臉膚色分析中，由于 RGB 顏色空間中 R、 G、 B 三個(gè)顏色分量都包含亮度信息，人臉和脖子區(qū)域由于光照因素易成為一個(gè)區(qū)域，容易造成部分區(qū)域的模糊， 混淆視覺，而造成人臉檢測(cè)的困擾，正是因?yàn)?RGB 空間存在極強(qiáng)的相關(guān)性，所以不太適合膚色處理。在許多實(shí)用系統(tǒng)中，大量應(yīng)用的是 YCbCr 模型和 HSV 模型，我們可以通過轉(zhuǎn)化公式，把 RGB 模型轉(zhuǎn)化為 YCbCr 模型和 HSV模型，從而保證對(duì)輸入彩色圖像準(zhǔn)確地分類膚色和非膚色區(qū)域。 YCbCr 顏色空間中膚色的聚類特性比較好，是常用的膚色模型。 HSV模型與人的視覺特性比較接近，該模型的重要性在于：一方面色調(diào) H 和飽和度 S 分量與人的視覺感受密切相關(guān)，另一方面消除了亮度成分 V在圖像中與顏色信息的聯(lián)系。我們常用的的這兩個(gè)模型為基于膚色 的人臉檢測(cè)研究打下了可靠、堅(jiān)實(shí)的基礎(chǔ)。 第五章 結(jié)論及展望 結(jié)論 人臉檢測(cè)是指在圖像或視頻流中確定人臉位置、大小的過程，其應(yīng)用背景遠(yuǎn)遠(yuǎn)超出了人臉識(shí)別系統(tǒng)的范疇，近年來，由于人臉檢測(cè)在安全監(jiān)視、基于內(nèi)容的圖像檢索等領(lǐng)域的潛在應(yīng)用價(jià)值，人臉檢測(cè)已成為一個(gè)獨(dú)立課題并受到眾多研究者的普遍重視。本文首先全面概述了人臉檢測(cè)技術(shù)及其發(fā)展方向、應(yīng)用背景和研究意義，重點(diǎn)描述了人臉檢測(cè)的研究?jī)?nèi)容和方法；然后采用了不同的顏色空間來研究膚色模型，重點(diǎn)介紹了 RGB、 YCbCr、 HSV顏色空間，以及各顏色空間下的膚色模型；最 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 后研究人臉圖像在不同顏色空間下的顏色特征，選取了大量的膚色樣本，在具體的顏色空間中通過實(shí)驗(yàn)建立膚色模型，利用得到的特征進(jìn)行靜止圖像中的人臉檢測(cè)。 本論文在已建立的膚色模型的基礎(chǔ)上，揭示了在各種色彩空間下人臉檢測(cè)的實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)結(jié)果也揭示了不同顏色空間膚色信息的對(duì)比。由于 RGB 顏色空間存在著極強(qiáng)的相關(guān)性，當(dāng)一個(gè)量改變時(shí)，其他量也跟著改變，而且易受到光照亮度的影響，所以一般先將 RGB 顏色空間下的圖像轉(zhuǎn)換到其他顏色空間，再進(jìn)行人臉檢測(cè)，轉(zhuǎn)換之后就使得圖像的膚色與非膚色的區(qū)域區(qū)分的比較好，不容易出現(xiàn)混淆，確保在各類 顏色空間中找到膚色區(qū)域的最佳方案。 實(shí)驗(yàn)測(cè)試結(jié)果可以表明，本文提出的基于膚色的人臉檢測(cè)具有快速、姿態(tài)非敏感的強(qiáng)大優(yōu)勢(shì)，同時(shí)也有該算法帶來的局限，與人臉相連的裸露的脖子會(huì)被視為人臉區(qū)域。這一點(diǎn)，需要自動(dòng)人臉識(shí)別系統(tǒng)中的特征提取環(huán)節(jié)做進(jìn)一步的檢測(cè)。由于膚色等色彩信息經(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，使一些圖片特別是一些藝術(shù)圖片存在光線不平衡或整體偏離本質(zhì)色彩而向某一方向移動(dòng)，如色彩偏黃、偏藍(lán)等等。用 MATLAB 實(shí)驗(yàn)仿真后，通過比較分析結(jié)果，可知RGB 顏色空間由于存在極強(qiáng)的相關(guān)性，易受光照亮度 的影響，容易造成視覺上的混淆，不太適合人臉檢測(cè)。在人臉檢測(cè)中常用的模型是 YCbCr 模型和 HSV 模型，它們能夠很好地區(qū)分膚色與非膚色的區(qū)域，有利于結(jié)果的準(zhǔn)確性。 展望 人臉檢測(cè)作為人臉信息處理的一個(gè)重要內(nèi)容，近年來已經(jīng)成為計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域的研究熱點(diǎn)之一。人臉作為一種自然形體具有很強(qiáng)的共性，但由于個(gè)體的外貌差異、表情變化以及圖像在采集時(shí)收光照、設(shè)備等因素的影響，使得人臉圖像具有比較復(fù)雜而細(xì)致的模式變化。因此，人臉檢測(cè)是一個(gè)極具挑戰(zhàn)性的模式分類問題，對(duì)這個(gè)問題的研究具有十分重要的學(xué)術(shù)價(jià)值，而且人臉 檢測(cè)與許多實(shí)際問題緊密相關(guān)，在出入安全檢查、視覺監(jiān)視、智能人機(jī)接口、基于內(nèi)容的檢索、數(shù)字視頻處理等諸多領(lǐng)域有著極為廣泛的應(yīng)用價(jià)值。例如，目前在公安方面，我國(guó)公安機(jī)關(guān)開展的“網(wǎng)上追逃”斗爭(zhēng)，運(yùn)用了網(wǎng)上掛牌督捕的方法，把逃犯的照片、身份證、特征資料上網(wǎng)發(fā)布，各地抓捕到的犯罪嫌疑人通過網(wǎng)上查詢、比較，可以確定其是否為網(wǎng)上通緝逃犯。但這種該方法的判斷要通過人工進(jìn)行多種技術(shù)鑒定，對(duì)證件資料假冒或沒有身份證件的犯罪嫌疑人查證存在較大的難題。利用人臉識(shí)別技術(shù)，只 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 需攝下嫌疑犯人臉，通過計(jì)算機(jī)網(wǎng)絡(luò)將人臉特征數(shù)據(jù)傳送到計(jì)算機(jī)中 心數(shù)據(jù)庫，系統(tǒng)即可自動(dòng)與數(shù)據(jù)庫中的逃犯人臉比較，迅速準(zhǔn)確地作出身份判斷。 目前的人臉檢測(cè)方法都無法很好地適用于各種復(fù)雜的情況，它們各有各的優(yōu)勢(shì)和局限?；诨叶鹊膫鹘y(tǒng)人臉檢測(cè)，灰度信息量有限，易導(dǎo)致漏檢或虛警，且算法的靈活性較差，多數(shù)只能針對(duì)正面端正的人臉?；谀w色的人臉檢測(cè)是近年來的主要研究方向，但完全基于膚色檢測(cè)人臉，不利用任何灰度信息是不可靠的。膚色的顏色與人種有關(guān)且容易受光照等的影響，所以本論文的主要研究定位在建立良好的膚色模型和基于膚色信息和灰度空間結(jié)合分析實(shí)現(xiàn)復(fù)雜場(chǎng)合的人臉檢測(cè)上。 本文中，建立了 用于提取膚色信息的三類顏色空間下的膚色模型 — RGB 模型、YCbCr 模型和 HSV 模型，依靠這些膚色模型，可以很容易地將彩色圖像分為膚色和非膚色區(qū)域，實(shí)驗(yàn)結(jié)果展示了各種膚色模型的可操作性。 放眼未來，我們可以想象的空間和我們可以用來發(fā)展的空間是很大的，比如說軍事上的應(yīng)用，基于膚色的人臉實(shí)時(shí)跟蹤，未來戰(zhàn)爭(zhēng)機(jī)器人目標(biāo)識(shí)別，就是要利用人臉檢測(cè)來發(fā)現(xiàn)目標(biāo)，從而實(shí)施軍事行動(dòng)。還有將來我們普通人的生活中也會(huì)時(shí)時(shí)用到這方面的內(nèi)容，公司的職員報(bào)到及考勤系統(tǒng)都可以利用人臉識(shí)別技術(shù)，比利用指紋識(shí)別更加方便。在我的印象中乘坐公交車帶 公交卡是很不方便的，如果我們的公交車上有人臉識(shí)別系統(tǒng)，只要公交公司有了我們的頭像資料，以后坐車就不用攜帶公交卡了，我相信在不就的將來我的愿望能夠?qū)崿F(xiàn)。 人臉檢測(cè)的研究是一條充滿了困難和挑戰(zhàn)的道路，正是如此，這個(gè)過程同時(shí)也充滿著樂趣。所幸的是，各個(gè)學(xué)科的不斷交叉融合，新方法和新思路層出不窮，計(jì)算機(jī)的信息處理能力大大加強(qiáng)，這些都為最終解決問題奠定了基礎(chǔ)，只要長(zhǎng)期堅(jiān)持不懈地努力研究，充分利用各個(gè)學(xué)科的成果，人臉檢測(cè)的自動(dòng)化、智能化處理時(shí)代必將到來。隨著相關(guān)技術(shù)的不斷發(fā)展和實(shí)際需求的日益增長(zhǎng)自動(dòng)人臉分析技術(shù)越來越受 到人們的關(guān)注和重視。對(duì)這一領(lǐng)域的深入研究不僅能夠創(chuàng)造出巨大的市場(chǎng)價(jià)值，還將有利地推動(dòng)計(jì)算機(jī)視覺、模式識(shí)別、認(rèn)知行為科學(xué)等相關(guān)學(xué)科的發(fā)展。 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 參考文獻(xiàn) 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 附錄 程序 face1=imread(39。E:\我的照片 \39。)。 %讀入圖像 fr=face1(:,:,1)。 %獲取顏色分量 r fg=face1(:,:,2)。 %獲取顏色分量 g fb=face1(:,:,3)。 %獲取顏色分量 b subplot(1,4,1),imshow(fr,[])。 %顯示 r分量 subplot(1,4,2),imshow(fg,[])。 %顯示 g分量 subplot(1,4,3),imshow(fb,[])。 %顯示 b分量 [m,n]=size(fr)。 for x=1:m for y=1:n。 logic=fr(x,y)95 amp。amp。 fg(x,y)40 amp。amp。 fb(x,y)20amp。amp。 (max([fr(x,y),fg(x,y),fb(x,y)])min([fr(x,y),fg(x,y),fb