【正文】 曲線的表。根據(jù) 4 段曲線表達(dá)式得到的眼睛區(qū)域可以初始化眼睛的輪廓，然后用最陡下降法迭代直至該輪廓收斂。在處理過的圖像中，眼睛內(nèi)部是高亮 度區(qū)，外部是低亮度區(qū)。眼睛本身不具有一致的顏色信息，而邊緣信息比較豐富。 （ 1）眼睛的輪廓提取 眼睛輪廓的模型如圖 44所示，由 4 段二次曲線組成，曲線的參數(shù)有 8個：上半眼的中心（ x0,y0）、連接內(nèi)外眼角的直線的傾角θ、上下半眼的高度 h1 和h內(nèi)眼角到上半眼中心的距離 w1,外眼角到上半眼中心的距離 w2，內(nèi)眼角到下半眼中心的距離 w3。 我們可以充分利用先驗知識，把眼睛和嘴巴表示為分段多項式曲線，然后用變形模板得到準(zhǔn)確的輪廓。這也是真正困難之處，因為實拍圖像總是受到光照和噪聲的影響，使用一般的局部檢測方法，很難得到穩(wěn)定可靠的結(jié)果。然后根據(jù)先驗知識調(diào)整嘴巴的大小。運(yùn)用這些判據(jù)，可以區(qū)分眉毛和眼睛。 參考幀 人臉檢測 候選特征 區(qū)域提取 顏色分割+PCA驗證 顏色分割 人臉區(qū)域 候選區(qū)域 雙眼區(qū)域 嘴巴區(qū)域 眼睛和嘴巴的輪廓 基于變形橫板的優(yōu)化 長 春 大 學(xué) 畢業(yè)設(shè)計（論文）紙 共 37 頁 第 25 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 但是， PCA 驗證有時候難以區(qū)分眉毛和眼睛，所以還要用一些幾何特性進(jìn)一步篩選。利用這些知識可以淘汰很多候選，減少 PCA 驗證的負(fù)擔(dān)。 雙眼和嘴巴的定位 對候選特征進(jìn)行篩選時，首先根據(jù)顏色信息剔除那些偽特征，然后用 PCA模板和幾何特征確定眼睛和嘴巴。 這些區(qū)域的位置和大小并不準(zhǔn)確，因為邊緣檢測本身容易出現(xiàn)位置偏移，連通區(qū)的大小也隨域值而變化，所以還需要進(jìn)一步修正上面的結(jié)果。 長 春 大 學(xué) 畢業(yè)設(shè)計（論文）紙 共 37 頁 第 24 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 圖 46給出人臉特征檢測的流程 圖 46 人臉 特征檢測的流程圖 候選特征的提取 假設(shè)人臉的姿態(tài)比較正，那么人臉上的特征是水平邊緣集中的區(qū)域。對于人臉建模來說，不僅要檢測出這些特征，而且要準(zhǔn)確地加以定位。 //頭發(fā)位置 } else { m_pBinaryArray[i][j] = 2。 g=*(1r)) { m_pBinaryArray[i][j] = 0。 rg amp。 r amp。 r amp。 g amp。 if(g amp。 g = (double)m_pSourceData[i][j].rgbGreen/temp。 temp = m_pSourceData[i][j].rgbGreen +m_pSourceData[i][j].rgbRed +m_pSourceData[i][j].rgbBlue。jm_nWidth 。im_nHeight。對大 多數(shù)圖這樣的效果還可以，但是如果背景的顏色也接近膚色，就叫難判斷了。那么原圖就可以劃分為 3 種區(qū)域：皮膚、頭發(fā)、背景。那么，當(dāng)滿足如下條件時： r g （ 47） rg g≥ 該區(qū)域可能是膚色的顏色。 else m_pBinaryArray[i][j] = 0。 jm_nWidth。 im_nHeight。 j++) if(m_pLikeliHoodArray[i][j] max) 長 春 大 學(xué) 畢業(yè)設(shè)計（論文）紙 共 37 頁 第 21 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ max = m_pLikeliHoodArray[i][j]。 i++) for(j=0。 for(i=0。 } } filter(m_pLikeliHoodArray,m_nWidth,m_nHeight)。 t /= (2)。 t = x1*(x1*brcov[1][1]x2*brcov[1][0])+x2*(x1*brcov[0][1]+x2*brcov[0][0])。 x2 = 。 TCbCr temp = CalCbCr(m_pSourceData[i][j].rgbRed,m_pSourceData[i][j].rgbGreen,m_pSourceData[i][j].rgbBlue)。 jm_nWidth。 im_nHeight。計算相似度時，采用公式 P(r,b)=exp[（ xm） TC1(xm)]。訓(xùn)練的時候，需要確定的是均值 M和方差 C。而在這個二維平面上，膚色的區(qū)域相對很集中，可以用高斯分布來描述這種分布。 [] 具體實現(xiàn) 基于人臉膚色模型，采用了兩種方法來檢測人臉區(qū)域。 第 3 步：經(jīng)過以上兩步歸并得到的矩形，如果其尺寸小于系統(tǒng)默認(rèn)最小尺寸即 20*20 像素，也將其拋棄。 具體的歸并原則如下： 第 1 步：當(dāng)一個矩形完全包圍另一個矩形時，拋棄內(nèi)部的矩形。將初始的矩形序列進(jìn)行歸并處理 前面分析過，基于邊界的人臉區(qū)域分割方法有快速、便捷的優(yōu)點，但它是從局部特性出發(fā)，沒有考慮圖像整體因素，會造成得到的初始的矩形序列中的矩形相互覆蓋、重疊等現(xiàn)象，所以要對這一初始矩形序列進(jìn)行歸并處理。 在算法中每找到一個新的“未檢測過的邊界點”就判斷其坐標(biāo)值能否改變外接矩形 4個邊的位置，這樣所有的邊界點找完，外接矩形也就自然確定下來。 第 6 步：將第 2 步中建立的外接矩形的四個邊界值確定，并轉(zhuǎn)第 2 步尋 找新的人臉區(qū)域。 第 5 步：如果新找到的點是“未檢測過的邊界點”，則將其標(biāo)志域改為“已檢測過的邊界點”，將其作為當(dāng)前操作點，再轉(zhuǎn)回第 4步。 第 4 步：從當(dāng)前操作點開始，按照四連通的原 則，在其上、下、左、右的 4個鄰接點中尋找“未檢測過的邊界點”或“邊界跟蹤的起始點”。如果找得到，將其標(biāo)志域改為“邊界跟蹤點的起始點”，為這一新的跟蹤建立一個外接矩形，初始化其上、下、左、右 4 個邊界，轉(zhuǎn)第 3步；若找不到轉(zhuǎn)第 7 步。 第 1 步：給每一個邊界點增加一個標(biāo)志域：“邊界跟蹤的起始點”、“已檢測長 春 大 學(xué) 畢業(yè)設(shè)計（論文）紙 共 37 頁 第 19 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 過的邊界點”和“未檢測過的邊界點”。但即使這樣，每一個連通的膚色區(qū)域的邊界也一定是有一些不閉合的“簡化四連通邊界”段組成，這些邊界段各自的外接矩形一定是相互接觸或有重疊的，在后面的區(qū)域歸并算法中將對這樣的情況進(jìn)行處理，用這些矩形的公共外接矩形來包圍整個區(qū)域，顯然這樣得到的一個公共外接矩形也是原膚色區(qū)域應(yīng)有的、正確的外接矩形。另外，在前面對膚色模型的分析中也可以清楚地看到，由于高光等影響，人臉的額頭、顴骨等處經(jīng)常被誤檢為不是膚色，而周圍的以一個環(huán)狀區(qū)域被誤檢的可能性就小的多，所以更應(yīng)該將這種膚色區(qū)域中間包圍非膚色區(qū)域的情況用一個大的外接矩形包圍起來參加后面的人臉檢測，才能保證不漏檢。 論據(jù)一：如果找到的“簡化四連通邊界”是閉合的，則顯然閉合區(qū)域的外接矩形就是膚色區(qū)域的外接矩形。 這樣做以后，就可以由邊界的連通性和閉合性來找每一段邊界的外接矩形。所以需要對“原始四連通邊界”上的像 素點在進(jìn)一步處理，拋棄不與膚色像素點相鄰的邊界點。而且過多冗余的邊界點也會給基于邊界找外接矩形的方法帶來更多可能失誤的情況。直觀的稱這種邊界為“原始四連通邊界”。顯而易見，經(jīng)過了膚色分割以及去噪聲處理后的輸入 經(jīng)過了膚色分割的圖像 去噪聲處理 提取邊界 對邊界的連通關(guān)系作處理 由邊界的連通性和閉合性得到初始的一系列矩形 將初始的矩形序列進(jìn)行歸并處理 輸出最終的矩形 長 春 大 學(xué) 畢業(yè)設(shè)計（論文）紙 共 37 頁 第 18 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 圖像提取出來的邊界都是各自閉合的，即每一段邊界都是首尾相接的，各自包圍著一個個的連通的膚色區(qū)域。 ② 提取邊界、對邊界的連通關(guān)系作處理并由邊界的連通性和閉合性得到初始的一系列矩形 在得到了是否是膚色的相當(dāng)于是二值化的圖像以后，我們就可以提取出 每一個人臉區(qū)域的邊界。這是一種類似“卷積”的濾波方法。所以進(jìn)行人臉區(qū)域分割之前要進(jìn)行去噪聲或者濾波的處理。屬于同一個人臉區(qū)域的膚色像素點應(yīng)該是相互連通的；反之，一個人臉區(qū)域也應(yīng)該是由一些連通的膚色像素點構(gòu)成的。 圖 像 中的膚 色 和非膚 色 像素點 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) 長 春 大 學(xué) 畢業(yè)設(shè)計（論文）紙 共 37 頁 第 17 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 圖 42 區(qū)域分割算法流程圖 解釋以上的算法流程的主要步驟。 本程序采用將基于邊界的方法和基于區(qū)域的方法相結(jié)合的算法：基于邊界的方法主要用于前期初始矩形序列的產(chǎn)生，爭取快速的得到包含人臉區(qū)域的外接矩形；然后用基于區(qū)域的方法，全局考慮，對初始矩形序列進(jìn)行區(qū)域歸并，得到最終的輸出矩形。利用膚色模型像素點的提取相當(dāng)于已經(jīng)應(yīng)用了基于像素的方法，在此基礎(chǔ)上要將這一個個分散的膚色像素點構(gòu)成一個個人臉區(qū)域，再用這些人臉區(qū)域的 外接矩形來表征它們。 （ 2）人臉區(qū)域分割算法 根據(jù)上面對膚色區(qū)域分割算法結(jié)果的要求，也就是對于 算法本身的要求，本系統(tǒng)采用了如下的人臉區(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 即相對原來的整幅圖像，經(jīng)過膚色分割與處理后的這一系列矩形的大小要明顯小于原來的整幅圖像。不漏檢、不降低正確率是整個膚色分割與處理的前提，也是人臉區(qū)域分割算法的首要前提。對于這些矩形的要求如下。我們得到它的解析表達(dá)式為： （ xecx） 2/a2+(yecy)2/b2=1, 其中， x cosθ sinθ Cb′ cx y cosθ