【導讀】算法限制于基于膚色相似度算法。要完成的工作包括相似度的計算，圖像的二值化，垂。直直方圖和水平直方圖的獲取，人臉特征的提取。提出一種基于膚色的人臉檢測定位算法，設計了基于膚色的人臉檢測和定位系統。MicrosoftWindows平臺上，利用VisualC++6.0開發(fā)了軟件。本課題的成果具有一定的應用價值。實驗結果表明，該軟件對于一定尺寸范圍內清

　　

【正文】 （ 31） 嘴到兩眼中心的距離可能為 到 左右，在滿足條件的區(qū)域采用類似找眼睛的方法，區(qū)域膨脹，確定左右嘴角和嘴的中心。 其結果如圖 314 示： 確定眼睛區(qū)域 可能的鼻子區(qū)域 找出鼻尖 確定鼻孔的位置 標記鼻孔 安徽工程科技學院畢業(yè)設計（論文） 19 圖 314 嘴巴標記 設計結果及分析 設計程序的主界面如 下： 圖 315 系統主界面 單擊打開圖像打開一幅人臉圖像，然后用上述界面進行 相似度計算，圖像二值化、垂直直方圖、水平直方圖、標記人臉區(qū)域，接著可以依次標記眼睛的位置和鼻子的位置的特征標注。 基于膚色相似度的人臉檢測與定位 20 在 Microsoft Windows 平臺上 ,利用 Visual C+ + 6. 0實現了以上算法。使用此算法對多幅人臉圖像進行了處理，所采用的圖像都是在正常光照以及室內條件下所攝取的正面人臉圖片 (其相對于水平方向的旋轉角度在 45176。到 135176。之間 ) , 并具有各種背景，上面的算法能成功地檢測定位多張人臉圖 , 本設計結果的正確檢測率達到 90%以上。然而由于人臉拍攝的環(huán)境不同 , 也給系統帶來了 一些問題。該軟件與人臉的外界光照條件、人臉的拍攝角度以及是否帶眼鏡有關 , 易受人臉模式的多樣性 (如胡須、眼鏡等 )、圖像獲取過程中的不確定性 (如光照的強度、光源方向等 ) 等因素的影響 。 基于膚色的人臉檢測和定位算法分析： 1) 統計出一般的人臉區(qū)域中膚色像素所應占的百分比 , 然后具有較高的檢測成功率；利用這一百分比作為閾值對檢測算法得到的候選臉區(qū)域進行驗證，從而排除了膚色像素數不滿足這一閾值的候選臉； 2) 采用了增強人臉特征與臉部皮膚之間對比度的方法 , 以及改進的對人臉圖像進行二值化處理 , 減少了運算量 。 安徽工程科技學院畢業(yè)設計（論文） 21 結論與 展望 通過基于膚色的人臉檢測、定位等操作，可以較好地定位人臉的識別區(qū)域。 文中給出了人臉分割、檢測算法、關鍵器官定位等主要算法。經過改進二值化處理，對于全局閾值占有很大比重的情形，可以較好地解決圖像的二值化，為進一步的人臉識別奠定了基礎。 本 設計 耗時數月，最后完成了所要求的功能。總結下來，主要優(yōu)點如下： 1) 界面人性化，容易操作； 2) 對用戶的添加、錄入、刪除十分方便； 3) 在光照適當、人臉位姿恰當時，識別率可以達到 100%； 4) 模塊化編程，可擴充性好，以后可以添加進一 步的功能。 當然，系統也有它的缺點，主要是下面的兩點： 1) 訓練時間過長，不能動態(tài)的添加用戶； 2) 魯棒性較差，環(huán)境光照的改變會影響識別率。 基于這些優(yōu)缺點，今后如果要進行改進，首先解決的問題必然是魯棒性的問題。如何將光照對識別的影響減小到最少，是一個很有難度的問題。目前的去光照處理的效果并不令人滿意，白平衡處理則只能對總體進行小幅度的修正，不能解決光照造成的左右不平衡的問題。當然也可以從其它角度解決這個問題，例如將攝像頭和燈光結合，使得每次識別的主光源都位于正前方。 其次是增加對側面臉進行識別的功能。我們知道人類 對人臉的辨認能力遠遠超過正面，而是可以從正面到側面的各種角度進行辨別。如何使得計算機也能對側面臉進行檢測識別也是目前研究的一個熱點?？尚械姆椒ㄖ皇鞘褂萌S的人臉模型，當模型足夠細膩的時候，就可以模擬出人臉各個角度的圖像。 基于膚色相似度的人臉檢測與定位 22 致謝 大學四年的光陰如白駒過隙，轉瞬即逝。想想自己即將踏出寧靜而優(yōu)美的校園，也許這一生的學生生活就這樣結束了。不禁生起一絲悲涼之意。在這四年中我基本完成當時還是在遙遠的大一時定下的目標，可以這么說我能有今天的一切，跟母校 老師們是分離不開的！在這里我深 深說一句：親愛的老師們謝謝你！ 尤其是在最后的半學期里，得到了老師的熱情指導，對本文的算法、編撰和定稿不吝賜教，使我看到了一個搞科學研究的學者應有的作風，為以后的我真正的走上工作崗位 — 搞研發(fā)時應怎樣處理類似的工作奠定了基礎。 在這還要感謝那些曾做過和我一樣課題的前輩們，正是看了關于你們人臉檢測與定位的專著和論文后才啟發(fā)了我怎樣進行人臉檢測、怎么樣的算法才是最合理的?？梢哉f在拿到這個課題時，我可是一臉的朦朧，正是你們的著作在我做畢業(yè)設計的過程中敲打著我，時刻啟迪我。謝謝你們！ 致謝人： 20xx 年 6 月 17 日 安徽工程科技學院畢業(yè)設計（論文） 23 參考文獻 [1] 王天學，刑桂芬，江波 .基于區(qū)域分割的復雜背景中的人臉檢測與定位 [J] .計算機工程與設計 ， 20xx, 11(25)： 13 [2] 王學武 , 石躍祥 .基 于眼睛特征的人臉檢測方法 [J] .計算機應用研究 ， 20xx 年 ,1(1)：13 [3] 王春紅，楊伯原，張洛平，張波 .B超圖像邊緣檢測算法分析及 C++實現 [J] .河南科技大學學報（自然科學版）， 20xx, 2(27)： 13 [4] 王鄭耀 .數字圖像的邊緣檢測，西安交通大學本科畢業(yè)論文 [D]， 20xx年 6月 [5] 朱文佳，戚飛虎 .快速人臉檢測與特征定位 [J] .中國圖像圖形學報 ， 20xx, 11(10)：14 [6] 吳為 .人臉識別的軟件系統開發(fā)，復旦大學工學學士學位論文 [D]， 20xx年 6月 [7] 張宏林 .Visual C++數字圖像模式識別技術及工程實踐 [C] .北京： 人民郵電出版社，20xx [8] 張永梅 , 韓焱 , 商細云 .一種人臉的檢測與定位方法 [J] .中北大學學報（自然科學版）， 20xx, 3(27)： 15 [9] 張敏，陶亮 .人臉圖像中人眼的檢測與定位 [J].光電工程 ， 20xx, 8(33)： 16 [10] 郭瑞，張淑玲，汪小芬 .人臉識別特征提取方法和相似度匹配方法研究 [J] .計算機工程 ， 20xx, 11(32)： 12 [11] 黃翠榮 ,嚴佩敏 ,時鹿鳴 . 基于方差相似度計算的人臉識別技術 [J] .上海大學學報 (自然科學版 )， 20xx， 12(4)： 14 [12] 梁路宏，艾海舟，徐光佑，張鈸 .人臉檢測研究綜述 [J] .電子學報 ， 20xx， 29（ 6）：744747 [13] 謝建新 .數字視頻采集與目標跟蹤 ， 華僑大學本科畢業(yè)論文 [D]， 20xx年 6月 [14] 蔡照 .利用 delphi6實現拉普拉斯高斯邊緣檢測算法 [J] .圖形圖像處理與游戲編程 ， 20xx, 7(11)： 12 [15] 裘偉 .一種基于相似度及復雜度人眼定位算法 [J] .蘇州大學學報（工科版） ， 20xx, 6(26)： 14 [16] , , Face detection and facial feature localization without considering the appearance of image context[J]. Image and Vision Computing 25(20xx) 741–753 基于膚色相似度的人臉檢測與定位 24 附錄 A 引用的外文文獻及翻譯 Face detection and facial feature localization without considering the appearance of image context 2. Our methodology In this Section, we introduce our method to process the frontalview face images for the extraction of head boundary, face boundary, and facial features including eyes with eyebrows, nostrils ,and mouth .Head boundary is the outer profile of head including , shoulders Face boundary is the face contour that excludes hair, shoulders, and neck. We use rectangular boxes to locate facial features. . Smoothing and thresholding The scheme diagram of the doublethreshold method is shown in Fig. 1. The first step is to reduce noise by using a 3 ? 3 median filter. After that, an edge operator is applied. We tested the edge detection technique by Wechsler and Kidode [13] and the result is shown in Fig. 2. The edge output appears too thin and the topface boundary is too weak to be detected in the later shareholding procedure. In order to obtain fat boundary, JianmingHu et al. [14] proposed four masks (horizontal (size 3 ? 7), vertical (7 ? 3), 45_ (9 ? 3), and 135_ (9 ? 3)) to detect image edges and select the maximum as the edge strength. Instead of using large sizes, we develop smaller sizes of masks as shown in Fig. 3 for edge results show that our method is as good as their method. Thresholding is performed to transform the graylevel edge images into binary. The high threshold value is determined by choosing all the high intensity pixels that occupy 5% of the entire pixels. The low threshold value is decided by choosing all the high intensity pixels that occupy 25% of the entire pixels. The high thresholded image is used to obtain the head boundary and the low thresholded image is used to produce the face boundary. These thresholding percentages are determined based on our empirical data in order to achieve the best results. . Tracing head and face boundaries In order to trace the head boundary, we divide the highth