【正文】 設(shè)灰度值為 0 是 初始化 獲取二值化圖像參數(shù) 計(jì)算每個(gè)像素的 θ值 Θ是否小于 ? 設(shè)灰度值為 255 根據(jù)眼睛位置，計(jì)算雙目斜角、雙目距離及雙目平均高度 定位嘴的上下邊界及鼻子 中點(diǎn)的縱坐標(biāo) 定位嘴的左右邊界 在彩色圖像上標(biāo)記邊界位置 結(jié)束 否 圖 553 。 嘴部識(shí)別與定位算法 對(duì)嘴部的定位一般需要經(jīng)過(guò)以下幾個(gè)步驟： (1) 根據(jù)圖像中每個(gè)像素點(diǎn)的 RGB 值； (2) 判斷 θ是否小于 ，若小于 0.，則將該點(diǎn)的灰度值設(shè)為 255，否則 ，將該點(diǎn)的灰度值設(shè)為 0，即得到嘴部的膚色掩碼； (3) 根據(jù)二值化圖像的參數(shù)和眼睛的位置，計(jì)算出雙目斜角、雙目距離及雙目平均高度； (4) 根據(jù)雙目距離和雙目平均高度，可定位出嘴的上下邊界和嘴在水平方向上的中點(diǎn)； (5) 根據(jù)雙目斜角和雙目距離以及嘴在水平方向上的中點(diǎn)，可定位出嘴的左右邊界； (6) 在彩色圖像上標(biāo)記出邊界的位置。這里直接利用 R、 G、 B 三基色建立膚色掩碼，該方法具有簡(jiǎn)單、速度快的優(yōu)點(diǎn)。在多數(shù)實(shí)驗(yàn)中，經(jīng)常通過(guò)人臉膚色二值圖作為膚色掩碼，但由于嘴部存在較大空洞，需要形態(tài)學(xué)閉運(yùn)算填充，致使時(shí)間開(kāi)銷(xiāo)較大。 圖 543 嘴部識(shí)別與定位 該模塊在人臉輪廓提取的基礎(chǔ)上，直接利用 R、 G、 B 三基色建立膚色掩碼，進(jìn)行嘴初始化 獲取二值化圖像參數(shù) 對(duì)鼻子進(jìn)行膚色鑒定 定位鼻子的左右邊界 在彩色圖像上標(biāo)記邊界位置 根據(jù)眼睛位置，計(jì)算雙目斜角、雙目距離及雙目平均高度 定位鼻子的上下邊界及鼻子中點(diǎn)的縱坐標(biāo) 結(jié)束 部識(shí)別與定位。 鼻子定位算法流程圖如圖 542 所示。具體步驟為：首先對(duì)鼻子進(jìn)行膚色堅(jiān)定；然后根據(jù)二值化圖像的參數(shù)和眼睛的位置計(jì)算出雙目斜角、雙目距離及雙目平均高度，再根據(jù)雙目距離和雙目平均高度，可定位出鼻子的上下邊界和鼻子在水平方向上的中點(diǎn)；同時(shí)根據(jù)雙目斜角和雙目距離以及鼻子在水平方向上的中點(diǎn)，定位出鼻子的左右邊界。在確定眼睛的位置后，因?yàn)楸强椎念伾^暗，可以尋找眼睛下面區(qū)域的鼻孔位置，再依據(jù)兩眼的距離與鼻子到兩眼中垂線的距離關(guān)系，即可準(zhǔn)確進(jìn)行鼻子定位，之后標(biāo)記出鼻子。 眼睛定位算法流程圖如圖 533 所示 圖 533 眼睛的識(shí)別與定位實(shí)現(xiàn)結(jié)果 眼睛的識(shí)別與定位實(shí)現(xiàn)結(jié)果如圖 534 所示。 在頭發(fā)定位基礎(chǔ)上，眼睛可定位為滿(mǎn)足下列條件的連通區(qū)對(duì) L 和 R： (1) L 和 R 的重心要在頭發(fā)區(qū)域 H 的下方； (2) L 和 R 的下方一定距離內(nèi)不能有其他的連通區(qū)域； (3) L 和 R 的中心橫坐標(biāo)差值不能過(guò)小 ； (4) L 和 R 的中心縱坐標(biāo)差值不能過(guò)大； (5) L 和 R 在原圖像對(duì)應(yīng)區(qū)域內(nèi)的頻度要足夠大。在得到的二值圖像 B 中，用區(qū)域標(biāo)號(hào)算法對(duì)不同的“黑”連通區(qū)域進(jìn)行標(biāo)號(hào)化，用預(yù)置的面積閾值 θ濾掉由于噪聲造成的小的孤立連通區(qū)。 眼睛的識(shí)別與定位基本原理 對(duì)于人臉定位確定的人臉區(qū)域，首先進(jìn)行區(qū)域擴(kuò)充，形成包含全部頭部的區(qū)域 A(包括大部分或者全部頭發(fā)及整個(gè)面部 )。 圖 523 眼睛的識(shí)別與定位 該模塊在人臉輪廓提取的基礎(chǔ)上，進(jìn)行雙眼的識(shí)別與定位。 2 4 4 4 2 4 0 8 0 4 4 8 1 1 4 4 0 8 0 4 2 4 4 4 2 圖 52 人臉內(nèi)輪廓提取算法 對(duì)人臉內(nèi)輪廓的提取一般需要經(jīng)過(guò)以下幾個(gè)步驟： (1) 獲取顏色表； (2) 根據(jù) m_pImgDataIn1,lineByteIn 及 pixelByteIn 的值計(jì)算出每個(gè)像素點(diǎn)的 r 和 g 的值； (3) 如果所得像素點(diǎn)的 r 和 g 值同時(shí)滿(mǎn)足如下條件： g； r； rg； g(1r)； 則將該像素的灰度值設(shè)為 255，否則，該像素的灰度值設(shè)為 0，即得到二值化圖像； (4) 用如圖 52 所示的模板對(duì)圖像進(jìn)行卷積計(jì)算，得到每個(gè)像素點(diǎn)的新的灰度值 result； (5) 再用一個(gè) 33 的模板，統(tǒng)計(jì)模板中 result 的值小于 5 的個(gè)數(shù)，記為 positive；統(tǒng)計(jì) result的值大于 5 的點(diǎn)的個(gè)數(shù)，記為 negtive； (6) 若 positive 和 negtive 同時(shí)滿(mǎn)足如下條件： positive2； negative2； 則該像素點(diǎn)的灰度值設(shè)為 0，即為所要提取的內(nèi)輪廓； (7) 顯示人臉內(nèi)輪廓提取的結(jié)果。 為了能夠利用單像素點(diǎn)描述人臉圖像的邊緣，作如下處理：生成一個(gè) 33 的模板 ，統(tǒng)計(jì)模板中灰度值小于 5 和大于 5 的像素點(diǎn)個(gè)數(shù)。其基本原理是計(jì)算出每點(diǎn)像素的紅、綠值，然后利用下面的公式進(jìn)行二值化處理，得到圖像的灰度值 T。 圖 512 人臉定位實(shí)現(xiàn)結(jié)果 人臉定位模塊的程序?qū)崿F(xiàn)結(jié)果如圖 513 初始化 獲取彩色圖像及二值圖像參數(shù) 在豎直方向統(tǒng)計(jì)白色像素個(gè)數(shù)，并求出最大值歸一其他列的值 確定左右邊界 在水平方向統(tǒng)計(jì)白色像素個(gè)數(shù)，并求出最大值歸一其他列的值 確定上邊界 確定下邊界 在彩色圖像上標(biāo)記 邊界位置 結(jié)束 513 人臉內(nèi)輪廓提取 人臉內(nèi)輪廓提取技術(shù)原理 為了提高在人臉區(qū)域內(nèi)眼睛、鼻子和 嘴的定位精度，本設(shè)計(jì)在人臉區(qū)域內(nèi)進(jìn)行輪廓提取，以突顯眼睛、鼻子和嘴的位置。 人臉定位 算法 過(guò)程 人臉輪廓提取 眼睛識(shí)別與定位 鼻子識(shí)別與定位 嘴部識(shí)別與定位 人臉檢測(cè)系統(tǒng)輸出圖像 邊緣檢測(cè) 位置準(zhǔn)則 膚色掩碼 方法 對(duì)人臉的定位一般需要經(jīng)過(guò)一下幾個(gè)步驟： (a) 彩色人臉圖像及相應(yīng)的二值圖像 ； (b) 統(tǒng)計(jì)出每列白色像素的個(gè)數(shù)，并求出最大值，對(duì)其他列的值進(jìn)行歸一化的處理； (c) 確定出左右邊界； (d) 統(tǒng)計(jì)出每行白色像素的個(gè)數(shù)，并求出最大值，對(duì)其他行的值進(jìn)行歸一化處理； (e) 確定出上下邊界； (f) 在彩色圖像上標(biāo)記出邊界的位置。 設(shè)計(jì)時(shí)沒(méi)有通過(guò)膚色去檢測(cè)人臉下邊界，這是因?yàn)槿舜┎煌路r(shí)，外露脖子的長(zhǎng)短會(huì)有變化。這里，左邊界和右邊界設(shè)定的閾值為 ，即從頻度最大向左尋找頻度減少到 的那一列作為左邊界，從而頻度最大向右尋找頻度減小到 的那一列作為右邊界； (3) 同理，在水平方向上對(duì)人臉區(qū)域進(jìn)行白色像素投影，并計(jì)算其最大值，也用這個(gè)值去歸一每一行人臉區(qū)域的像素投影值 (相當(dāng)于求頻度 )； (4) 通過(guò)頻度確定人臉區(qū)域的上邊界，上邊界的閾值仍設(shè)定為 ，即從頻度最大向上查找頻度減少到 的那一 行作為上邊界。根據(jù)一下判斷規(guī)則來(lái)排除非人臉區(qū)域和確定人臉區(qū)域。如圖 51 圖 51 人臉定位 人臉定位的技術(shù)原理 為了進(jìn)行人臉的定位，首先需要對(duì)人臉的位置區(qū)域進(jìn)行初步的確定。 本次設(shè)計(jì)旨在設(shè)計(jì)的系統(tǒng)具有人臉初始位置定位及人臉內(nèi)輪廓提取的功能，同時(shí)能夠?qū)θ四槇D像中固有特征，如眼睛、鼻子 、嘴進(jìn)行識(shí)別和定位。特征之間的相互關(guān)系可以通過(guò)它們的相對(duì)距離和位置來(lái)描述。對(duì)人臉進(jìn)行定位，實(shí)際上就是對(duì)人臉進(jìn)行檢測(cè)的過(guò)程，它首先是在所輸入的圖像中確定是否有人臉，如果有，則需要進(jìn)一步確定人臉的相關(guān)信息。 過(guò)程 建立膚色模型 RGB 顏色空間到 YCbCr 顏色空間的映射 亮度補(bǔ)償 相似度計(jì)算 二值化 方法 人臉圖像 膚色相似度計(jì)算 人臉識(shí)別與分割 否 初始化 獲取圖像參數(shù) 計(jì)算圖像灰度平均值 像素的灰度值是否大于平均值 ? 是 將該像素灰度值設(shè)為 0 將該像素灰度值設(shè)為 255 建立一個(gè)新視圖 顯示分割結(jié)果 結(jié)束 圖 46 人臉識(shí)別與分割模塊實(shí)現(xiàn)結(jié)果 人臉識(shí)別與分割模塊將膚色相似度計(jì)算之后的結(jié)果 (圖 46a)進(jìn)行二值化處理得到圖47b，再求得水平直方圖和垂直直方圖，分別得到圖 47c 和圖 47d。 算法的整體流程圖見(jiàn) 45 圖 45 人臉檢測(cè)模塊總體結(jié)構(gòu) 人臉檢測(cè)模塊由兩個(gè)模塊組成：即人臉膚色相似度比較模塊和人臉識(shí)別與分割模塊。若大于平均值，則將其灰度值設(shè)為 0；若小于平均值，則設(shè)為 255。 對(duì)人臉識(shí)別一般需要經(jīng)過(guò)以下幾個(gè)步驟： (1) 將圖像進(jìn)行灰度化處理，并計(jì)算出整幅圖像的灰度平均值?；谶吔绲姆椒ㄓ捎谔幚淼南袼?cái)?shù)量相對(duì)較少，各像素點(diǎn)間的相鄰關(guān)系也相對(duì)簡(jiǎn)單，所以處理起來(lái)的速度要比基于區(qū)域的方法快；但另一方面，由于基于邊界的方法是從局部特性來(lái)求圖像整體的分割，因此在全局宏觀性質(zhì)的考慮上不如基于區(qū)域的方法。前面的利用膚色模型的膚色像素點(diǎn)的提取相當(dāng)于已經(jīng)應(yīng)用了基于像素的方法，在此基礎(chǔ)上要將這一個(gè)個(gè)分散的膚色像素點(diǎn)構(gòu)成一個(gè)個(gè)人臉區(qū)域，再用這些人臉區(qū) 域的外接矩形來(lái)表征它們。 人臉區(qū)域分割算法 根據(jù)上面對(duì)于膚色區(qū)域分割算法結(jié)果的要求，也就是對(duì)于算法本身的要求，這里介紹一種新穎、快捷、魯棒的人臉區(qū)域分割算法 。 (2) 這一系列矩形應(yīng)該少包含非膚色區(qū)域 也即相對(duì)原來(lái)的整幅圖像，經(jīng)過(guò)膚色分割預(yù) 處理后的這一系列矩形的大小要明顯小于原來(lái)的整幅圖像。不漏檢、不降低正確率是整個(gè)膚色分割預(yù)處理的前提，也自然是人臉區(qū)域分割算法的首要前提。 人臉區(qū)域分割系統(tǒng)結(jié)構(gòu)圖 人臉區(qū)域分割的系統(tǒng)結(jié)構(gòu)圖如下： 圖 44 在上面的示意圖中，輸出的一系列矩形就將取代原來(lái)的整幅圖像作為后面的人臉檢測(cè)圖像中的膚色和非膚色像素點(diǎn) 人臉區(qū)域分割算法 包含人臉區(qū)域在內(nèi)的一系列矩形區(qū) 算法的輸入。 在系統(tǒng)操作過(guò)程中，圖像中往往存在這樣的點(diǎn)，覆蓋在多個(gè)細(xì)胞的邊界相連處， 使得閾值分割后將邊界相連處和細(xì)胞內(nèi)部的顏色值差距較大存在突變，而存在顏色突變的地方其相應(yīng)的梯度值也較大，因此，梯度修正就是去掉這些梯度值很大的點(diǎn)，使其不被標(biāo)志。 在離散情況下多用梯度算子來(lái)檢測(cè)提取邊緣。 ??(??,??) = *,??(??,?? +1) ???(??,??)2 + ,??(?? + 1,??) ? ??(??,??)2+1 2? 434 一般為了計(jì)算方便，采用 式 (435)絕對(duì)值近似公式 ??(??,??) ≈ |??(??,?? +1)? ??(??,??)| +|??(?? + 1,??) ? ??(??,??)| 435 對(duì)于彩色圖像，可以分別 R、 G、 B 進(jìn)行梯度計(jì)算。 梯度的方向就是函數(shù)的最大變化率的方向，故梯度的數(shù)值就是 f(x,y)在其最大變化率方向上的單位距離所增加的量。 獲取圖像 閾值分割 連通性規(guī)則 形態(tài)學(xué)處理 計(jì)算得出特征值 給定一幅二維圖像 f(x,y)在點(diǎn) (x,y)的梯度用幅度和方向表示為： g(x,y) = √Gx2 + Gy2 = √.??????/2+.??????/2 431 其中 g(x,y