【正文】 .................................... 18 設(shè)計(jì)結(jié)果及分析 ................................................................................................................ 19 結(jié)論 與 展望 .............................................................................................................................. 21 致謝 .......................................................................................................................................... 22 參考文獻(xiàn) .................................................................................................................................. 23 附錄 A 引用的外文文獻(xiàn)及翻譯 ............................................................................................. 24 附錄 B 參考文獻(xiàn)題錄及摘要 ................................................................................................ 27 附錄 C 主要源程序 ................................................................................................................ 29 基于膚色相似度的人臉檢測(cè)與定位 IV 插圖清單 圖 21 訓(xùn)練流程圖 ……………………………………………………………………… … … 6 圖 22 二值化流程圖 ……………………………………………………………………… ...7 圖 23 原圖 ………………………………………………………………………………… ...7 圖 24 相似度圖 …………………………………………………………………………… ...8 圖 25 二值化圖 …………………………………………………………………………… ...8 圖 26 垂直直方圖 …………………………………… …………………………………… ...8 圖 27 水平直方圖 ………………………………………………………………………… ...9 圖 31 人臉檢測(cè)與定位的總體流程 ……………………………………………………… .10 圖 32 人臉區(qū)域分割系統(tǒng) ………………………………………………………………… .10 圖 33 區(qū)域分割算法流程 ………………………………………………………………… .11 圖 34 標(biāo)記人臉區(qū)域 ……………………………………………………………………… .12 圖 35 人臉檢測(cè)流程圖 ……………………… …………………………………………… ..13 圖 36 LOG 算子 …………………………………………………………………………… .15 圖 37 邊緣提取流程 ……………………………………………………………………… .15 圖 38 邊緣提取圖 ………………………………………………………………………… .16 圖 39 眼睛的定位 ………………………………………………………………………… .16 圖 310 眼睛標(biāo)記流程圖 …………………………………………………………………… 17 圖 311 眼睛標(biāo)記 ……………………… …………………………………………………… 17 圖 312 鼻子的標(biāo)記流程圖 ………………………………………………………………… 18 圖 313 鼻子標(biāo)記 …………………………………………………………………………… 18 圖 314 嘴巴標(biāo)記 …………………………………………………………………………… 19 圖 315 系統(tǒng)主界面 ………………………………………………………………………… 19 安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 1 引言 人臉檢測(cè)和定位是人臉識(shí)別中一個(gè)重要的組成部分，其檢測(cè)問(wèn)題卻是一個(gè)極賦挑戰(zhàn)性的課題。所以采集條件特別是光照條件包括光源的方向、明暗、色彩等都會(huì)對(duì)圖的效果產(chǎn)生很大的影響，進(jìn)而影響對(duì)人臉的檢測(cè)；另外，人臉上還可能長(zhǎng)有胡須、戴有眼鏡等 , 這些也同樣是人臉檢測(cè)不可忽視的因素。人臉的檢測(cè)問(wèn)題在近 10 年中得到了廣泛的關(guān)注， 國(guó)內(nèi)外很多研究人士提出了很多方法，在不同領(lǐng) 域取得了一定進(jìn)展。本文利用 Visual C+ + 6. 0 開(kāi)發(fā)了人臉定位和特征提取的軟件，該軟件對(duì)于一定尺寸范圍內(nèi)清晰的正面人臉圖能夠正確檢測(cè)定位并提取特征。人臉檢測(cè)系統(tǒng)的輸入是可能包含人臉的圖， 輸出是關(guān)于圖中是否存在人臉以及人臉 的數(shù)目、位置、尺度、位姿等信息的參數(shù)化描述。 人臉識(shí)別的研究可以追溯到20 世紀(jì) 60—70 年代，經(jīng)過(guò)幾十年的曲折發(fā)展已日趨成熟。近幾年隨著電子商務(wù)等應(yīng)用的發(fā)展，人臉識(shí)別成為最有潛力的生物身份驗(yàn)證手段， 這種應(yīng)用背景要求自動(dòng)人臉識(shí)別系統(tǒng)能夠?qū)σ话悱h(huán)境下的圖像具 有一定的適應(yīng)能力，由此所面臨的一系列問(wèn)題使得人臉檢測(cè)開(kāi)始作為一個(gè)獨(dú)立的課題受到研究者的重視 。人臉檢測(cè)是人臉身份識(shí)別的前期工作，同時(shí)人臉檢測(cè)作為完整的單獨(dú)功能模塊，在智能視頻監(jiān)控、視頻檢索和視頻內(nèi)容組織等方面都有直接的應(yīng)用。人臉識(shí)別技術(shù)的研究是本世紀(jì)計(jì)算機(jī)視覺(jué)領(lǐng)域最具挑戰(zhàn)性的研究課題之一，其應(yīng)用領(lǐng)域十分廣泛：可用于公安系統(tǒng)的罪犯身份識(shí)別、安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證 、醫(yī)學(xué)、檔案管理、視頻會(huì)議、人機(jī)交互系統(tǒng)、駕駛執(zhí)照及護(hù)照等與實(shí)際持證人的核對(duì)、銀行及海關(guān)的監(jiān)控系統(tǒng)及自動(dòng)門(mén)衛(wèi)系統(tǒng)等 。 人臉檢測(cè)研究具有重要的學(xué)術(shù)價(jià)值，受到學(xué)者越來(lái)越多的關(guān)注。其主要原因之一就是用計(jì)算機(jī)自動(dòng)進(jìn)行人臉的檢測(cè)和識(shí)別十分困難，目前的檢測(cè)效果（正確率、速度）不如其他的生物識(shí)別技術(shù)，如指紋識(shí)別，視網(wǎng)膜識(shí)別等等。 人臉是一類(lèi)具有相當(dāng)復(fù)雜的細(xì)節(jié)變化的自然結(jié)構(gòu)目標(biāo) ， 此類(lèi)目標(biāo)的檢測(cè)問(wèn)題的挑戰(zhàn)性在于： 1) 臉由于外貌、表情、膚色等不同，具有模式的可變性； 2) 一般意義上的人臉 ， 可能存在眼鏡、胡須等附屬物； 3) 作為三維物體的人臉的影不可避免地受由光照產(chǎn)生的陰影的影響。 人臉檢測(cè)的研究背景及現(xiàn)狀 人臉檢測(cè)的 研究歷史比較悠久 。 最早的研究論文見(jiàn)于 1965 年陳（ Chan）和 布萊索 （ Bledsoe）在 Panoramic Research ，至今已有四十多年的歷史。尤其是 1990 年以來(lái)，人臉檢測(cè)更得到了長(zhǎng)足的發(fā)展。人臉檢測(cè)研究的發(fā)展主要分為以下幾個(gè)階段： 第一階段（ 1964 年 ~1990 年） 這一階段人臉檢測(cè)通常只是作為一個(gè)一般性的模式識(shí)別問(wèn)題來(lái)研究，所采用的主要技術(shù)方案是基于人臉幾何結(jié)構(gòu)特征（ Geometric feature based）的方法 。這一階段是人臉檢測(cè)識(shí)別研究的初級(jí)階段，非常重要的成果不是很多， 也基本沒(méi)有獲得實(shí)際應(yīng)用。這一階段的人臉識(shí)別技術(shù)發(fā)展非常迅速，所提出的算法在較理想圖采集條件、對(duì)象配合、中小規(guī)模正面人臉數(shù)據(jù)庫(kù)上達(dá)到了非常好的性能，也因此出現(xiàn)了若干知名的人臉識(shí)別商業(yè)公司。因此，光照、姿 態(tài)問(wèn)題逐漸成為研究熱點(diǎn)。 為此，美國(guó)軍方在 FERET測(cè)試的基礎(chǔ)上分別于 20xx 年和 20xx 年組織了兩次商業(yè)系統(tǒng)評(píng)測(cè)。而非線(xiàn)性建模方法、統(tǒng)計(jì)學(xué)習(xí)理論、基于 Boostingi的學(xué)習(xí)技術(shù)、基于 3D 模型的人臉建模與識(shí)別方法等逐漸成為備受重視的技術(shù)發(fā)展趨勢(shì)。而且， MPEG7標(biāo)準(zhǔn)組織已經(jīng)建立了人臉識(shí)別草案小組，人臉檢測(cè)算法也是一項(xiàng)征集的內(nèi)容。 本文研究的主要內(nèi)容 本課題致力于完成 Visual C++ 平臺(tái)下的人臉檢測(cè)與定位系統(tǒng)，人臉檢測(cè)定位的算法限制于基于膚色相似度算法。本課題著重于膚色模型相似度在人臉檢測(cè)與定位中的應(yīng)用，對(duì)增加人臉檢測(cè)與定位的準(zhǔn)確率的研究有一定的指導(dǎo)意義。而且在人臉區(qū)域中，膚色一定是占主導(dǎo)地位的像素色彩值。所以利用膚色這一線(xiàn)索可以排除掉在灰度圖像中很像人臉而對(duì)應(yīng)到彩色圖像中根本不是膚色的區(qū)域，這在 人臉檢測(cè)中會(huì)起到積極的作用。 上述的各種方法都存在自身的優(yōu)缺點(diǎn)和適用領(lǐng)域，很多學(xué)者在各自所面臨的問(wèn)題范圍內(nèi)不斷探索，也發(fā)明了許多卓有成效的檢測(cè)算法。 在本文的設(shè)計(jì)中提出了一種基于膚色相似度的人臉檢測(cè)與定位的方法， 采用了臉部皮膚之間相似度的方法以及二值化方法 ， 使用了基于邊界方法和基于區(qū)域方法相結(jié)合的算法 ， 提取了眼睛、嘴和鼻子等關(guān)鍵特征 ， 最終較好地實(shí)現(xiàn)了人臉的檢測(cè)與定位 。 基于膚色的人臉檢測(cè) 色彩空間的選擇 根據(jù)計(jì)算機(jī)色彩理論，對(duì)一種顏色而言，在計(jì)算機(jī)中有不同的表達(dá)式，這樣就形成了各種不同的色彩空間，當(dāng)然各種色彩空間只不過(guò)是顏色在計(jì)算機(jī)內(nèi)的不同的表達(dá) 形式而已， 在具體的色彩空間中通過(guò)實(shí)踐找到膚色區(qū)間 ,建立起可操作性的膚色模型 ,這樣就讓膚色信息成為了人臉檢測(cè)的核心方法。主要的彩色空間有以下幾種： RGB 格式（紅、綠、藍(lán)三基色模型）、 HIS 格式（色度、飽和度、亮度模型）和 YCbCr(YUV)格式。 在該文的設(shè)計(jì)中采用了 YCbCr(YUV)格式。安徽工程科技學(xué)院畢業(yè)設(shè)計(jì)（論文） 5 其優(yōu)點(diǎn)將在下一節(jié)介紹。 Y=++ Cb=++128 （ 21） Cr=+128 我們將統(tǒng)計(jì)采集到的多幅圖像人臉區(qū)域像素 RGB值，按上式進(jìn)行轉(zhuǎn)換，統(tǒng)計(jì)在 CbCr空間的分布概率，保留概 率大于 ，得到膚色分布區(qū)域。將膚色范圍內(nèi)的像素置 1， 其余置 0，得到分割后的二值圖像，實(shí)現(xiàn)人臉的初步定位。 考慮到膚色等色彩信息經(jīng)常受到光源顏色、圖像采集設(shè)備的色彩的偏差等因素的影響，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(shuō)的色彩偏冷、偏暖，照片偏黃、偏 藍(lán)等等，這種現(xiàn)象在藝術(shù)照片中更為常見(jiàn)。整幅圖像的其他像素點(diǎn)的色彩值也都按這一調(diào)整尺度進(jìn)行變換。這一非線(xiàn)性分段色彩變換得到的膚色模型屬于色彩空間中的聚類(lèi)模型，這一類(lèi)膚色模型的建立首先要選取一種合適的色彩空間，我們注意到 YCbCr 色彩空間具有如下優(yōu)點(diǎn)： 1) YCbCr 色彩格式具有人類(lèi)視覺(jué)感知過(guò)程相類(lèi)似的構(gòu)成原理； 2) CbCr 色彩格式被廣泛的應(yīng)用在電視顯示等領(lǐng)域中，也是許多視頻壓縮解碼，如MPEG,JPEG 等標(biāo)準(zhǔn)中普遍采用的顏色表示格式； 3) YCbCr 色彩格式具有與 HIS 等其他一些顏色格式相類(lèi)似的將色彩中的亮度分量分離出來(lái)的優(yōu)點(diǎn)； 4) 相比 HIS 等其他一些色彩格式， YCbCr 色彩格式的計(jì)算過(guò)程和空間坐標(biāo)表示形式比較簡(jiǎn)單； 5) 實(shí)驗(yàn)結(jié)果表明在 YCbCr 色 彩空間中膚色的聚類(lèi)特性比較好。由此可見(jiàn)，在值較大和較小的部分，膚色聚類(lèi)區(qū)域也隨之縮減。 首先應(yīng)用膚色模型進(jìn)行人臉的初定位，接著提出了一種基于膚 色區(qū)域分割方法得到包含人臉區(qū)域在內(nèi)的一系列矩形區(qū)域，從而進(jìn)行了定位。 我們定義 r=R/(R+G+B),b=B/(R+G+B),這樣把三維的 RGB 降為二維。我們可以采用訓(xùn)練的方法來(lái)計(jì)算得到一個(gè)分布中心，此過(guò)程主要生成可用于識(shí)別的參數(shù)。開(kāi)始訓(xùn)練 命令，打開(kāi) bmp 格式的圖像后計(jì)算每幅圖像的像素?cái)?shù) CrList 和 CbList，然后查詢(xún)總的圖像數(shù) count 用于將當(dāng)前數(shù)據(jù)庫(kù)內(nèi)的所有用戶(hù)圖片進(jìn)行訓(xùn)練， 最后對(duì)每幅圖像求訓(xùn)練平均，得到可供識(shí)別比對(duì)的訓(xùn)練基。同樣也得到了膚色信息的均值 M 和方差 C， 為下一步計(jì)算相似度做了準(zhǔn)備。 再按照一定的規(guī)則對(duì)該圖二值化， 通過(guò)設(shè)置合適的閾值（關(guān)于最佳閾值的設(shè)置將在下一章中介紹），可將圖像變成只有 0 和 1 的二值圖像，這樣做的目的是為了減小計(jì)算量，加快處理速度，同時(shí)，還可將目標(biāo)從背景中分離出來(lái)，有效的突出了目標(biāo) 。 基于膚色相似度的人臉檢測(cè)與定位 10 第 3 章 相似度基礎(chǔ)上的人臉特征定位 在 上一章 得到的人臉區(qū)域基礎(chǔ)上，對(duì)原圖像進(jìn)行灰度計(jì)算，將可能的眼睛區(qū)域分割成小圖像塊標(biāo)定人眼