【正文】 特征進(jìn)行識別，提取的信息主要是人臉五官特征信息及其之間的幾何關(guān)系。系統(tǒng)假設(shè)圖像單一或無背景，人臉位置已知或很容易獲得，因此對現(xiàn)實(shí)場景產(chǎn)生的圖像處理效果很不佳。目前人臉識別方法的研究方向主要有兩個(gè)：其一是基于整體的研究方法，它主要是考慮了模式的整體屬性，包括特征臉方法、模版匹配方法、彈性圖匹配方法、隱馬爾可夫模型方法以及神經(jīng) 網(wǎng)絡(luò)方法等；其二是基于特征分析的方法，也就是將人臉基準(zhǔn)點(diǎn)的相對比率和其他描述人臉臉部特征的形狀參數(shù)或類別參數(shù)等一起構(gòu)成識別特征向量?；谔卣鞣治龅淖R別是通過提取出局部輪廓信息及圖像灰度信息來設(shè)計(jì)具體識別算法。 90 年代中期以來，人臉識別方法向著整體識別和部件分析相結(jié)合的趨勢發(fā)展。因此，設(shè)計(jì)構(gòu)思出了很多新的算法，這些算法是將原先單一的算法結(jié)合起來，共同完成人臉的識別。 人臉識別技術(shù)現(xiàn)如今已經(jīng)非常成熟，其表現(xiàn)是全世界相當(dāng)數(shù)量的科研院提出了各自的人臉識別的算法，同時(shí)也出現(xiàn)了一批提供人臉識別相關(guān)產(chǎn)品的公司。 幾種人臉檢測方法對比 基于形狀的檢測方法 人臉的形狀特征是指人類面部器官在幾何上表現(xiàn)的特征，這里分別介紹兩 種主要的方法。該方法是一種 自頂向下的方法，依據(jù)人臉面部器官的對稱性、灰度差異等先驗(yàn)知識，制定出一系列準(zhǔn)則。自頂向下的方法能夠較好地把握全局信息，但是缺點(diǎn)在于對初始位置的定位非常重要，一旦出現(xiàn)偏差，將導(dǎo)致整體跟蹤結(jié)果的偏移和變形。分塊的思想在于根據(jù)每塊的灰度值制定準(zhǔn)則進(jìn)行判定。針對不同分辨率的圖像的準(zhǔn)則進(jìn)行判定，低分辨率圖像的準(zhǔn)則 主要體現(xiàn)人臉的大體輪廓，高分辨率圖像的準(zhǔn)則主要體現(xiàn)人臉的細(xì)節(jié)特征。預(yù)定模板方法首先制定出標(biāo)準(zhǔn)的模板，然后計(jì)算檢測區(qū)域和模板的相關(guān)值，當(dāng)相關(guān)值符合制定的準(zhǔn)則就判斷檢測區(qū)域?yàn)槿四樧冃文０迨紫戎贫ǔ瞿０鍏?shù)，然后根據(jù)檢測區(qū)域的數(shù)據(jù)對參數(shù)進(jìn)行修改直至收斂，以達(dá)到檢測出人臉面部器官位置的目的。 基于統(tǒng)計(jì)理論的檢測方法 基于統(tǒng)計(jì)理論的人臉檢測是利用統(tǒng)計(jì)分析與機(jī)器學(xué)習(xí)的方法來尋找出人臉樣本與非臉樣本各自的統(tǒng)計(jì)特征，在使用各自的特征構(gòu)建分類器并使用分類器完成人臉檢測。其中最成熟的方法是 AdaBoost 方法。 構(gòu)思運(yùn)用人臉檢測及定位技術(shù)包括閾值分割，特征點(diǎn)提取技術(shù)等設(shè)計(jì)一個(gè)系統(tǒng)，系統(tǒng)主要實(shí)現(xiàn)人臉圖像相似度處理，圖像二值化，濾波去噪；對人臉圖像進(jìn)行水平方向和垂直方向求直方圖；用方框標(biāo)記出人臉區(qū)域；對人臉區(qū)域進(jìn)行邊緣提??；根據(jù)邊緣提取結(jié)果、人臉先驗(yàn)知識及膚色標(biāo)記眼睛特征點(diǎn)；根據(jù)人臉先驗(yàn)知識與膚色特征標(biāo)記出嘴巴鼻子特征點(diǎn)等功能。 。 。 的識別與定位 2. 圖像預(yù)處理技術(shù) 為了實(shí)現(xiàn)檢測方法的魯棒性，我們要考慮監(jiān)測對象 在各種復(fù)雜的背景中，不同的 方向、角度、尺度等情況下所展現(xiàn)出來的不同表象，而采集照片時(shí)特別是光照條件包括光源的方向、明暗、色彩等都會(huì)對圖像的效果產(chǎn)生很大的影響，進(jìn)而影響我們對檢測目標(biāo)的識別。 BMP 圖像文件 BMP 位圖文件格式是 Windows 系統(tǒng)交換圖像數(shù)據(jù)的一種標(biāo)準(zhǔn)圖像文件存儲(chǔ)格式， 是一種與硬件設(shè)備無關(guān)的圖像文件格式，使用非常廣。 BMP 文件的圖像深度可選 lbit、 4bit、 8bit 及 24bit。 由于 BMP 文件格式是 Windows 環(huán)境中交換與圖有關(guān)的數(shù)據(jù)的一種標(biāo)準(zhǔn)， 在 Windows環(huán)境下運(yùn)行的所有圖像處理軟件都支持這種格式。Windows 以后的 BMP 位圖文件格式稱為設(shè)備無關(guān)位圖（ Deviceindependent Bitmap, DIB ）格式，目的是為了讓 Windows 能夠在任何類型的顯示設(shè)備上顯示 BMP 位圖文件。 BMP 位圖文件是由 4 個(gè)部分組成：位圖文件頭（ Bitmapfile Header）、位圖信息頭（ Bitmapinformation Header）、調(diào)色板（ Palette）和像素?cái)?shù)據(jù)（ Image Data）。 位圖文件頭 位 圖 信 息 位圖信息頭 調(diào)色板數(shù)據(jù) 像素?cái)?shù)據(jù) 圖 21 圖像的相似度計(jì)算 圖像相似度計(jì)算主要用于對于兩幅圖像之間內(nèi)容的相似程度進(jìn)行打分 ， 根據(jù)分?jǐn)?shù)的高低來判斷圖像內(nèi)容的相近程度。這樣跟你描述一個(gè)人的面貌：國字臉，濃眉，雙眼皮，直鼻梁，大而厚的嘴唇。圖像也一樣，要計(jì)算相似度，必須抽象出一些特征比如藍(lán)天白云綠草。顏色特征的算是最常用的，在其中又分為直方圖、顏色集、顏色矩、聚合向量和相關(guān)圖等。 圖像的相似度比較的大致實(shí)現(xiàn)步驟： 1. 將圖像轉(zhuǎn)換成相同大小，以有利于計(jì)算出相像的特征 2. 計(jì)算轉(zhuǎn)化后的灰度，二值 3. 利用相似度公式，得到圖像相似度的定量度量 4. 統(tǒng)計(jì)相似度結(jié)果數(shù)據(jù) 相似度公式： Sim(G,S) = 1??∑ .1 ? |gi?si|Max(gi,si)/Ni=1 23 二值化技術(shù) 二值圖像也就是只具有兩個(gè)灰度級的圖像，他是數(shù)字圖像的一個(gè)重要子集。如果初始的分割不夠 令人滿意，對二值圖像的某些形式的處理通常能提高其質(zhì)量。盡管它的基本運(yùn)算很簡單，但它們和它們的推廣結(jié)合起來可以產(chǎn)生復(fù)雜得多的效果。這種方法通常用于二值圖像，但也可以擴(kuò)展到灰度級圖像的處理。在每個(gè)像素位置，結(jié)構(gòu)元素核與在它 下面的二值圖像之間進(jìn)行一種特定的邏輯運(yùn)算。產(chǎn)生的效果取決于結(jié)構(gòu)元素的大小、內(nèi)容及邏輯運(yùn)算的性質(zhì)。 二值化后的人臉圖像中，數(shù)字為 0 的部分為背景，數(shù)值為 1 的部分表示人臉， T 是用于二值化處理的閾值。 直方圖 直方圖又稱灰度直方圖，是圖象處理中一種十分重要的圖像分析工具，它是用來表示是圖像各個(gè)灰度級的分布圖像，任何一幅直方圖都包含了豐富的信息。 下面是對圖 23 進(jìn)行相似度計(jì)算而后得到 24 再進(jìn)行二值化得到 25 23 24 25 在第一章緒論中已經(jīng)介紹許多種現(xiàn)有的人臉檢測算法，若以檢測過程中是否利用了色彩或膚色信息，我們可以分為基于彩色信息的人臉檢測算法、基于灰度信息的人臉檢測算法以及彩色信息與灰度信息相結(jié)合的人臉檢測算法；在彩色信息與灰度信息相結(jié)合的人臉檢測算法中，我們又可以根據(jù)如何應(yīng)用膚色信息這一角度在進(jìn)行細(xì)分：例如，可以分為膚色信息作為前期與處理的方法、膚色信息作為后期驗(yàn)證的方法等。 人臉的膚色不依 賴于面部的其他特征，對于人臉姿態(tài)和表情的變化不敏感，具有較好的穩(wěn)定性，而且明顯區(qū)別于大多數(shù)背景物體的顏色。因此，為了進(jìn)行人臉檢測，這里采用人臉膚色作為識別人臉的特征即采用基于膚色法進(jìn)行人臉識別。 色彩空間與色彩空間的聚類 歸一化 RGB 顏色空間 在 RGB 顏色空間中，三個(gè)顏色分量 R、 G、 B 不但表示各自的色彩，也包含了各自的亮度分量。則表明兩個(gè)像素色彩相同，其不同則體現(xiàn)在亮度上。如式（ 312） *rgb+ =[ 1R+G+B 0 00 1R+G+B 00 0 1R+G+B] [RGB] 312 由于 r+g+b=1，從未忽略了任何一個(gè)變量，經(jīng)過上述變換其中二維都是獨(dú)立的，大大減少了亮度分量的影響，相當(dāng)于將三位的 RGB 空間降低成二維的 rg 空間。如果去掉其亮度分量 V，使用 H 和 S 分量對圖像進(jìn)行膚色分割，也可以得到很好的效果，但是它也有很大的不足： (1) 三個(gè)分量 H、 S、 V 是由三基色 R、 G、 B 經(jīng)過非線性變換得到的，因此計(jì)算復(fù)雜度高，計(jì)算效率較低。而且在奇異點(diǎn)附近 R、 G、 B 值的較小變化就會(huì)引起 H、 S、 V 值的較大變化。 圖 331 YCbCr 顏色空間 YCbCr 顏色空間的 Y 亮度分量和色度分量 Cb 與 Cr 基本分離，比較適合膚色聚類。 (2) YCbCr 色彩空間被廣泛地應(yīng)用在電視顯示等領(lǐng)域中，也是許多視頻壓縮編碼，如MPEG 和 JPEG 等標(biāo)準(zhǔn)中普遍采用的顏色表示。 (4) YCbCr 顏色空間是離散的，采用 YCbCr 顏色空間易于實(shí)現(xiàn)聚類算法。 一般情況下，顏色圖像都是 RGB 顏色空間的，其他顏色空間都是通過 RGB 轉(zhuǎn)換得到的，而 YCbCr 也是如此。因此單純的排除亮度分量 Y 的影響，可能會(huì)導(dǎo)致選取的膚色區(qū)域不夠準(zhǔn)確 ，降低其魯棒性。由 YCbCr 到 YCb’Cr’如式 313 所示。 RGB 顏色空間到 YCbCr 顏色空間的映射 人類的膚色在 YCbCr 顏色空間相對比較集中（被稱為膚色的聚類特性），因此選用在YCbCr 顏色空間中進(jìn)行人臉檢測，需完成 RGB 顏色空間到 YCbCr 顏色空間的映射。轉(zhuǎn)換公式如下： Y = + + Cb = ? ? + + 128 314 Cr = ? ? + 128 式中， R、 G、 B 是 RGB 顏色空間中紅、綠、藍(lán) 3 種顏色通道的顏色值。但是，由于Y 和 Cb、 Cr 可能偶然超出 16 ~ 235 和 16 ~ 240 范圍（視頻處理和噪聲的緣故），根據(jù)以上公式可知，此時(shí) RGB 的值可能偏移到 0 ~ 15 和 236 ~ 255 范圍內(nèi) 。所謂膚色模型是指用一種代數(shù)的、解析的或查找表等形式來表示膚色的聚類特性，或者表征出某一像素的顏色與膚色的相似程度。 直方圖模型 直方圖模型是一種非參數(shù)化模型。盡管此模型在三維直方圖中效果比較好，但是由于其訓(xùn)練樣本數(shù)量龐大而且訓(xùn)練時(shí)間較長。 橢圓模型 膚色在 CbCr 空間中也可以用橢圓分布來描述，根據(jù)式（）和式（）來匹配橢圓分布兩個(gè)色度分量的距離。式中 的參數(shù) ecx=， ecy=， a=，b=， cx = ， cy = ， θ =。膚色符合正態(tài)分布的隨機(jī)樣本，在特征空間中的分布則復(fù)合高斯分布，高斯函數(shù)平面圖如圖 323 所示。它主要通過統(tǒng)計(jì)分析，預(yù)測高斯分布的參數(shù)，或通過統(tǒng)計(jì)直接求得顏色空間中每個(gè)分量（一般利用的是該顏色空間中的色度分量）的均值與協(xié)方差。 圖 323 膚色模型 光線補(bǔ)償 光線補(bǔ)償?shù)南敕ǖ奶岢鲋饕强紤]到膚色等色彩信息經(jīng)常受到光源顏色 、圖像采集設(shè)備的色彩偏差等因素的影響，而在整體上偏離本質(zhì)色彩而向某一方向移動(dòng)，即我們通常所說的色彩偏冷、偏暖，照片偏黃、偏藍(lán)等等。 我們采用 Gary World 算法對 RGB 圖像進(jìn)行快速顏色補(bǔ)償，即： SC = CstdCave， Cnew = C ? SC 331 式中， Cstd為標(biāo)準(zhǔn)亮度圖像 R、 G、 B 的平均值； Cave為輸入圖像 R、 G、 B 的平均值；C 為原圖像的像素值； Cnew為亮度補(bǔ)償后的像素值。當(dāng)去除亮度，膚色就具有很高的聚類性。歸一化的顏色分量分別為 r， g， b。由于這種歸一僅去除了 R、 G、B 中的相對亮度成分 R+G+B，而 r、 g、 b 仍存在亮度信息，所以這種方法用于膚色檢測效果不好。 中值濾波 中值濾波是抑制噪聲的一種非線性平滑處理方法，由