本科畢業(yè)論文群體人臉檢測系統(tǒng)的設(shè)計與實現(xiàn)-資料下載頁
2025-06-24 19:47本頁面
【正文】 誤檢數(shù)誤檢率漏檢數(shù)漏檢率24242292%14%28% 在多人臉檢測中我選了24張圖片進行測試測試結(jié)果如表2所示：表2多人臉檢測結(jié)果表圖片數(shù)人臉數(shù)正確檢測數(shù)檢測率誤檢數(shù)誤檢率漏檢數(shù)漏檢率2445739185%7817%6615% 漏檢，誤檢案例分析。正常情況下，圖像中膚色區(qū)域應(yīng)該是和周圍的非膚色區(qū)域有著明顯邊界的，但是特殊情況下背景中的類膚色區(qū)域太多，會導(dǎo)致人臉檢測錯誤。無法進行人臉檢測的二值圖片如圖21所示： 圖21無法進行人臉檢測的二值圖片 人臉漏檢的情況通常出現(xiàn)在人臉和周圍膚色區(qū)域比如手臂或者其他人臉等類膚色區(qū)域過度相連，二值化后會形成一個非人臉的聯(lián)通區(qū)域，這樣的聯(lián)通區(qū)域不能通過腐蝕和膨脹來消除，從而會造成人臉的漏檢，如圖22就是人臉漏檢的情況。 圖22人臉漏檢的圖片 人臉誤檢在人臉識別中也很常見，比如裸露的手掌或者圖像中形狀比較規(guī)則的類膚色區(qū)域塊，它能滿足四個判定條件中的每個條件，但是卻不是人臉。如圖23所示： 圖23人臉誤檢的圖片 通過對以上方面的分析，本系統(tǒng)在對單人臉的圖片進行檢測時有更高的檢測率，由于多人臉圖片中的背景一般比較復(fù)雜，本系統(tǒng)在多人臉檢測上的魯棒性表現(xiàn)的不是很好，有一定的誤檢率和漏檢率。整體來說基本達到了預(yù)期要求。 系統(tǒng)的組成與操作 本系統(tǒng)的操作界面簡單明了，主要包括攝像頭采集圖像的動態(tài)顯示視頻框，打開和關(guān)閉攝像頭以及保存預(yù)覽按鈕，人臉檢測按鈕和人臉檢測結(jié)果顯示的圖片框。主界面如圖24所示，系統(tǒng)運行界面如圖25所示。 圖24系統(tǒng)主界面 圖25系統(tǒng)運行界面5. 總結(jié)與展望 本系統(tǒng)基本實現(xiàn)了人臉檢測的預(yù)計功能，具有較好的魯棒性，檢測率能基本達到要求。需要改進的地方有以下幾點：l 對圖片的要求比較高，圖片的清晰度對檢測效率有很大的影響，當(dāng)圖片過于模糊時會導(dǎo)致檢測失敗。l 對圖片中人臉的姿態(tài)限制較大，如果人臉姿態(tài)或者表情過于夸張會導(dǎo)致人臉檢測錯誤，對復(fù)雜情況反應(yīng)不夠靈敏。l 系統(tǒng)運行速度較慢，實時性不好，其中運算時間最長的部分是腐蝕和膨脹，算法不夠精簡。基于上述問題，在今后的學(xué)習(xí)和研究過程中，應(yīng)該加入圖片的銳化等其他的圖像處理算法，在人臉區(qū)域判定時要嘗試其他更為復(fù)雜精確的判定方法，精簡膨脹腐蝕算法，提高系統(tǒng)的實時性。 參考文獻：[1]D. J. Beymer. Face recognition under varying pose[M]. AI Memo 1461, Center for Biological and Computational Learning, ., Cambridge, MA, 1993. [2]R. Brunelli and T. Poggio. Face recognition: Features versus templates[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993，15(10):1042–1052.[3][D].成都：四川大學(xué),2004.[4]數(shù)字圖像處理算法典型實例[M].人民郵電出版社，2009[5] Rabia Jafri , Hamid R. Arabnia. A Survey of Face Recognition[J]. Journal of Information Processing Systems, 2009，5(2):1012.[6]黃玉程,[J].微計算機信息,2005,21(12)。187188.[7] 劉明寶, 姚鴻勛, 高文. 彩色圖像的實時人臉跟蹤方法[J]. 計算機學(xué)報, 1998, 21(6): 527532.[8] 孫寧,鄒采榮,[J].,11:103110，115. [9] 梁路宏,艾海舟,徐光佑,[J].，5：110.[10] 李云峰,楊益,田俊香. 人臉識別的研究進展與發(fā)展方向[J].，5：1012.Design and Implementation of faces detection systemStudent:Zheng Zhensi Tutor:Gao TaipingAbstract The main source of the face detection images is from camera and local hard disk. Pretreatment is necessary before the test which contains light pensation, binarization and openclose operation. The main information of the preprocessed image is facealike region. By studying on the mathematical morphological characteristics of the face I decide which method to use. The methods include fill rate, geometric proportions, area, and area ratio four aspects. Finally, the test results show that the face detection rate can reach 85%.Key Words Face Detection。 Light Compensation。 Binarization。 Openclose Operation 。 Uni Area17
法律信息相關(guān)推薦
鄂ICP備17016276號-1