【正文】 困難，發(fā)明 出了我們國家自主的民族品牌產(chǎn)品，并且多項(xiàng)指標(biāo)比國外的系統(tǒng)更勝一籌。同時(shí)由 我 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 2 頁 共 28 頁 國自主 研制的擁有完全自主知識(shí)產(chǎn)權(quán)的“面像識(shí)別核心技術(shù)”獲得了很大的成就，多項(xiàng)技術(shù)指標(biāo)都達(dá)到國際一流 水平 [7]。人臉圖像由于 光照、膚色、人種、眼睛、遮擋等 因素的影響 具有“一人千面”的特點(diǎn)。 人臉檢測(cè)方法綜述 人臉檢測(cè)方法大體可以分為三種： 第一種是基于知識(shí)的方法， 直接 利用人臉 基本特征 ，推出的相應(yīng)規(guī)律來檢測(cè)人臉?；?知識(shí)的人臉檢測(cè)方法又大致可以分成 三 種：第一種是檢測(cè)人臉上的器官（如眼睛、耳朵、眉毛等），然后根據(jù)它們的相對(duì)位置關(guān)系判斷 整個(gè)區(qū)域是否為人臉的面部特征法。第 三 種是顏色特征法，因?yàn)槿四樀哪w色在某些 特定的顏色空間中具有比較好的類聚特性，根據(jù)膚色像素在色的上的相似性和空間上的相關(guān)性分割出可能的人臉區(qū)域。 首先 確定 人臉模板和各器官特征的子模板，然后計(jì)算模板的相關(guān)值，由得到的相關(guān)值 確定輸入圖像中是否存在人臉。固定模板法首 先制定出標(biāo)準(zhǔn)的模板，然后計(jì)算檢測(cè)區(qū)域和模板的相關(guān)值，根據(jù)一定的準(zhǔn)則判斷人臉區(qū)域 。 第三種基于統(tǒng)計(jì)的方法。 本文的主要工作 如前文所述，人臉是一個(gè)常見而又復(fù)雜的視覺模式，作為一種生物特征在模式識(shí)別和計(jì)算機(jī)視覺等領(lǐng)域得到了大量的應(yīng)用。近幾年隨著彩色圖像的普及，利用人臉的膚色特征作為檢測(cè)手段也為了一個(gè)研究熱點(diǎn)，因此本文應(yīng)用基于膚色的檢測(cè)方法來實(shí)現(xiàn)人臉檢測(cè)，從而展開了本文的工作。 第二章 首先 介紹了 5 個(gè)常用色彩空間， 經(jīng)過比較后 采用了 YCbCr 色彩空間 作為膚色空間。 第三章為了能夠更加準(zhǔn)確地進(jìn)行膚色分割，在圖像膚色分割前進(jìn)行必要的預(yù)處理。 第四章人臉檢測(cè)代碼、界面及結(jié)果分析，為了能更清晰明了地展示本課題的人臉檢測(cè)過程，采用 matlab 軟件中的 GUI 部分設(shè)計(jì)人 臉檢測(cè)界面。 第五部分結(jié)論與展望?；谌四樐w色的聚類性，科研者們?cè)谶M(jìn)行人臉檢測(cè)時(shí)使用人臉膚色信息做憑據(jù)。 如果 在圖像中 對(duì)亮度 因素進(jìn)行一定的調(diào)整 ,那么人臉膚色會(huì)有 不錯(cuò)的聚類性 。 同時(shí) ,利用膚色 信息將 輸入圖像 中的人臉區(qū)域分割出來 ,不僅速度快 ,實(shí)用性也好 。 根據(jù)是否有 成像過程 這一依據(jù) ,可以將基于膚色分割的方法分為兩種 ： 基于統(tǒng)計(jì)的方法和基于物理的方法 。 第二種方法 在膚色檢測(cè) 過程 中加入 光照與皮膚間的相互 影響 ,通過對(duì) 膚色 模型以及對(duì) 光譜特征 的研究來 進(jìn)行膚色檢測(cè) [22]。 在第一種研究人臉檢測(cè)的方法過程中，有 兩個(gè)問題 需要迫切解決：如何選擇膚色空間以及如何建立用來對(duì)像素進(jìn)行辨認(rèn) 的膚色模型 。而 對(duì)于在 人臉檢測(cè) 中運(yùn)用膚色特征信息這一方法來說 ， 如何選擇膚色空間至關(guān)重要，它會(huì)對(duì)最終的結(jié)果有很大的影響。許多的研究和文獻(xiàn)提出了不同的空間，常見的 有 ： 歸一化 RGB、 HIS 空間、 HSV 空間、 YCbCr空間等等。 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 5 頁 共 28 頁 關(guān)于 RGB 色彩空間 該模型是一種加和模型，在該模型中，紅色、綠色和藍(lán)色以各種方式結(jié)合再組成其他顏色 。原點(diǎn)表示黑色 ；白色 位于離原點(diǎn)最遠(yuǎn)的頂點(diǎn)處；將這三種顏 色取不同 量值 并 加權(quán)混合， 就能產(chǎn)生不一樣 的顏色。 圖中立方體的對(duì)角線 是指當(dāng)三個(gè)分量值相同所對(duì)應(yīng)的灰度像素點(diǎn)，這些灰度像素點(diǎn)構(gòu)成的這條條直線，如圖所示。實(shí)驗(yàn)表明：如果兩個(gè)像素點(diǎn)1 11,R G B????和 ? ?2 2 2,R G B 起對(duì)應(yīng)的分量成比例，即滿足： 1 1 12 2 2R G BR G B?? （ ） 且其比值不等于 1，那么這兩個(gè)像素具有相同的色彩，其不同主要體現(xiàn)在亮度上。大部分的相關(guān)研究 都使用 這一顏色空間 作為檢測(cè)手段。 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 6 頁 共 28 頁 HSI 色彩空間 HIS 色彩空間包含：色度、亮度和飽和度，是 由 國外學(xué)者提出的模型，常常被 畫家 使用 [21]。其中色度（ H）是很據(jù)顏色的名字來確認(rèn) ，如紅、綠，它用角度 180176。或 0176。來度量；飽和度（ S）表示顏色的深淺，對(duì)于藍(lán)色也會(huì)由于深度不同而分為深藍(lán)和淺藍(lán)，用百分比表示的話就是 從 0％到全滿狀態(tài)的 100％；亮度（ I）表示顏色的明暗狀況，用百分比表示就是 從黑 0％到白 100％。 圖 HIS色彩空間 從 RGB 色彩空間到 HIS 色彩空間的轉(zhuǎn)換公式如下： 2 GBH GB??????????? ??? ? ?? ?? 其中： ? ? ? ?? ? ? ? ? ?1212c o s R G R BR G R B G B? ???? ? ???????? ??? ? ? ??? ? ?3 , ,1 Mi n R G BS R G B?? ?? （ ） ? ?13I R G B? ? ? 色彩空間 HSV（色調(diào)、飽和度、值）：色調(diào)代表顏色的類型，如紅色、藍(lán)色，或者綠色。和值代表顏色的亮度。如圖 所示， HSV 色彩空間呈六邊形，不同的頂點(diǎn)代表不同的顏色。首先在色彩空間內(nèi) 定義膚色的值域 所在的一個(gè)范圍，即可正確提取該膚色區(qū)域 。 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 7 頁 共 28 頁 圖 HSV顏色空間 圖 色度、飽和度空間中的閥值分割 色彩空間 在 JPEG 標(biāo)準(zhǔn)中， RGB 圖像被轉(zhuǎn)換到亮度 色度空間，通常稱之為 YCbCr 色彩空間。 該空間常用于彩色圖像的壓縮和傳輸 ,JPEG 格式的圖片采用的色彩系統(tǒng)就是該系統(tǒng) 。 RGB 到 YCbCr 空間的轉(zhuǎn)換公式如下 : 0 128 1281 0 0 0 1YCbCr? ?? ???????? ????????? ???????? ? ?? ? ? ? ??? ? ????????? ????????? ? ?????? ??????? ? ???? ? ????? ? ?? ? ?? ????? ???????????????? ???????????????? ?? ?????????? ? ? 1RGB? ? ?? ? ?? ? ?? ? ?? ? ?? ? ? () YCbCr 空間到 RGB 空間的轉(zhuǎn)換公式如下： 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 8 頁 共 28 頁 1 02 01 44 141 22 0RYG C bB C r????????? ?????????? ? ? ? ? ?? ? ? ? ? ?? ?????? ? ??? ?? ? ? ? ? ?????????? ?????????? ? ? ? ? ?? ? ? ? ? ? （ ） YCbCr 色彩空間具有如下一些優(yōu)點(diǎn)： 第一，構(gòu)成原理 與人類視覺感知過程相似 。 第三， 與其他顏色空間相比，能更好的將圖像中的亮度分量分離出來 。 由于不同 顏色空間都有 各自其的不足之處，所以在使用上差了一點(diǎn)，因此在大多數(shù)情況下 采用 YCbCr 色彩空間 。根據(jù)大量研究分析 ,膚色的聚類特性 在該空間中 比較好 [14]。各個(gè)模型的簡要情況如下： （ 1）簡單色度空間模型 此模型是 將彩色圖像從 RGB色彩 空間轉(zhuǎn)換到另一個(gè) 顏色空間 ,總結(jié)統(tǒng)計(jì)值在 色度分量上的分布特 性 ,然后用人為規(guī)定的 閾值 分割待檢測(cè) 的彩色 圖像。 該 模型 具有 精確度 高 ,算法 簡單 ,實(shí)用性好 ,速度快 等優(yōu)點(diǎn) 。 （ 2） 混合高斯模型 此模型揭示了 膚色 中 每 一個(gè)像素密度都在 概率密度的混合體 之內(nèi)。 此方法在 膚色的檢測(cè) 過程中檢測(cè) 率要高 很多 ,并且 誤檢率也要小 很多 ,但是模型的參數(shù)估計(jì)很難 ,速度也不是很快 ,因此 不適合快速的膚色檢測(cè) 。 首先通過 直方圖 統(tǒng)計(jì)膚色和 非膚色像素 ,得到顏色在膚色和非膚色中的表現(xiàn)出的各方面信息 ,然后運(yùn)用貝葉斯決策規(guī)則建立一個(gè) 膚色分類器 。 統(tǒng)計(jì)直方圖 的優(yōu)勢(shì)在于 不需要考慮顏色空間 ,運(yùn)行起來簡單無負(fù)擔(dān)， 運(yùn)算過程不繁雜 ,而且它的膚色分類器在檢測(cè)過程中速度快。 （ 4）基于亮度聚類膚色模型 考慮到 彩色 的人臉圖像容易受到光照等因素的 影響 ,在進(jìn)行人臉檢測(cè)時(shí)會(huì)產(chǎn)生亮區(qū)和陰影區(qū)。 國外學(xué)者在研究這個(gè)方法時(shí)，通過大量的計(jì)算來算出各點(diǎn)的膚色概率，并得出了像素 和膚色點(diǎn)的相關(guān)結(jié)論。 膚色模型的 建立 如何選擇膚色模型的形式和色度空間至關(guān)重要 ,那么如何正確選擇呢？通過大量的研究和資料表明 ,可以采取這樣的辦法，考察該空間能不能準(zhǔn)確 描述 “ 膚色 ” 區(qū)域的分布 ，在用指定的模型這一條件下 [11]。 該模型運(yùn)用 統(tǒng)計(jì)學(xué)原理， 并得出：膚色這樣的隨機(jī)樣本既然滿足正態(tài)分布，那么在它同樣應(yīng)該也 符合高斯分布 ，這一結(jié)論。通過調(diào)查研究資料， 通過統(tǒng)計(jì) 將 大量膚色像素點(diǎn)從 一個(gè) 空間轉(zhuǎn)化到 另一個(gè)顏色空間 ， 就可以看到一個(gè)膚色直方圖， 如圖 所示。通過比較我們發(fā)現(xiàn)，高斯模型在體現(xiàn) 膚色分布 的效果上更好 。 C代表統(tǒng)計(jì)出來的協(xié)方差矩陣 。接著再對(duì)基于膚色分割的人臉檢測(cè) 中所涉及的膚色空 間和膚色模型 作了詳細(xì)的介紹，并對(duì)膚色空間和膚色模 和分割性能做了比 型 的選擇問題做了較為詳細(xì)介紹 。 最后 ,利用復(fù)合高斯模型在 YCbCr色彩空間中建立了膚色模型，并計(jì)算出各個(gè)參數(shù)的數(shù)值。所以，迫切提高檢測(cè)速度 ，這 樣才能在某些對(duì)實(shí)時(shí)性要求比較高的場(chǎng)合中不受過多的 限制 [17]。在環(huán)境不理想或者明顯與膚色信息相差遙遠(yuǎn)的條件 下， 此方法能夠迅速找到有用的圖像區(qū)域 ， 并在有效區(qū)域內(nèi)投入大量計(jì)算。 但是， 不同種族的人，人臉表面的顏色不一樣，光源顏色也不是一成不變的，以及光照角度的不同導(dǎo)致的高光區(qū)和非高光區(qū)等等因素的影響，加大了人臉分割的任務(wù) 。在背景比較復(fù)雜的條件下，大多數(shù)辦法都是先提取顏色特征 。它 有兩個(gè)模塊，分別是： 彩色信息 條件下的的圖像分割以及正面情況下的人臉檢測(cè) 。通過 正面人臉檢測(cè) 這一方法，可以判定該人臉候選區(qū)中的掃描窗口中是否確實(shí)有人臉。 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 12 頁 共 28 頁 3. 1