群體人臉檢測系統(tǒng)的設(shè)計與實現(xiàn)_本科畢業(yè)論文-資料下載頁
2025-07-05 20:29本頁面
【導(dǎo)讀】處理，其主要操作包括對圖像進(jìn)行光線補償，二值化，開閉運算等。經(jīng)過預(yù)處理后圖像所包。法，其中主要有填充率，幾何比例，區(qū)域面積和面積比率四個方面。最終本系統(tǒng)的測試結(jié)果。顯示人臉檢測率能達(dá)到85%左右。本文研究的目的是利用人類的膚色特征，在具有復(fù)雜背景下的情況下，對膚色進(jìn)行。通過對膚色區(qū)域的特征匹配，最終確定并標(biāo)注人臉區(qū)域。創(chuàng)建膚色模型進(jìn)行膚色分割。RGB和YCbCr顏色空間。通過比較膚色在這兩種顏色空間上的分布，采用雙閾值的方法進(jìn)行膚。言的，它可以消除膚色區(qū)域中的噪聲，聯(lián)通因外界因素所造成的同一人臉分離的區(qū)域。經(jīng)過上述的操作，剩下的基本可以確定是人臉，但是又不能完全排除。非人臉區(qū)域的存在，所以最后標(biāo)記不免有誤檢和漏檢的情況。臉檢測的研究，這些研究受到軍方，警方以及一些公司的高度重視和資助。在國內(nèi)也有許多學(xué)校和單位從事人臉檢測與人臉識別相關(guān)的研究。式識別與機器視覺領(lǐng)域內(nèi)所關(guān)注的重要問題。究課題十分活躍。
【正文】 如表 1 所示： 表 1 單人臉檢測結(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 24 24 22 92% 1 4% 2 8% 14 在多人臉檢測中我選了 24 張圖片進(jìn)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 24 457 391 85% 78 17% 66 15% 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(jìn)行人臉檢測的二值圖片如圖 21 所示： 圖 21 無法 進(jìn)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： 15 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(jìn)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(dá)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 16 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(dá)到要求。需要改進(jìn)的地方有以下幾點： ? 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。 ? 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。 ? 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。 17 參考文獻(xiàn)： [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]胡曉燕 .基于膚色的人臉檢測算法的研究 [D].成都 ： 四川大學(xué) ,20xx. [4]趙春江 .C數(shù)字圖像處理算法典型實例 [M].人民郵電出版社， 20xx [5] RabiaJafri , Hamid R. Arabnia. A Survey of Face Recognition[J]. Journal of Information Processing Systems, 20xx， 5(2):1012. [6]黃玉 程 ,胡國清 .人 臉識別 系統(tǒng) 中圖 像噪聲 去除 方法 研究 [J].微計 算機信息 ,20xx,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 ,趙力 .人臉檢測綜述 [J].電路與系統(tǒng)學(xué)報 .20xx,11:103110， 115. [9] 梁路宏 ,艾海舟 ,徐光佑 ,張鈸 .人臉檢測研究綜述 [J].計算機學(xué)報 .20xx， 5： 110. [10] 李云峰 ,楊益 ,田俊香 . 人臉識別的研究進(jìn)展與發(fā)展方向 [J].高新技術(shù) .20xx， 5：1012. Design and Implementation of faces detection system Student:ZhengZhensiTutor:Gao Taiping Abstract 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 Area
研究報告相關(guān)推薦
鄂ICP備17016276號-1