【正文】 圖 35 搜索標記曲線算法流程圖 開 始（ x 1 , y 1 ） 初 始 化 為 圖 像 第 一 個 點點 （ x 1 , y 1 ） 是 某條 曲 線 起 點 ？曲 線 數(shù) 目 加 一（ x 1 , y 1 ） 移 到 下 一 個 點將 （ x 1 , y 1 ） 作 為 參 數(shù) ， 調(diào)用 S e r c h _ c u r 進 行 標 記 曲 線函 數(shù) S e r c h _ c u r返 回 值 為 0 ？曲 線 數(shù) 目 減 一結(jié) 束點 （ x 1 , y 1 ） 使 圖 像最 后 一 個 點 ？否是否是否 圖 36 Del_cur函數(shù)流程圖 函數(shù) Serch_cur 用 以找出以點（ x， y）為起始點的曲線中所有的點（曲線中的點值為 255），在 pUnchImage 中標記點所在曲線的序號，將曲線中各點（不包括起始點（ x， y），點（ x， y）在 pUnchEdge值為 253 進行了標記）對應(yīng)在 pUnchEdge 中的值置為 0。函數(shù)返回 size，可根據(jù) size 值是否為 0 判斷曲線是否被刪除，再進行其他處理。函數(shù)中定義 x1,y1 來對曲線中各點進行搜索處理。 圖 37 Serch_cur函數(shù)流程圖 五、 弦箭算法 去除了圖像邊緣曲線中的直線段和過短的曲線， 圖像中的曲線就較多為人臉邊緣曲線（也包含去除不了的噪聲曲線） 。 算法 首先 根據(jù) pUnchEdge 和 pUnchImage 中的值依次 查找 各 條 曲線 ，并將 曲線上各點坐標值存入數(shù)組 cur， 定義兩個數(shù)組 a1 和 a2，來代替弦箭算法原理中的三維數(shù)組，分別記錄各點弦箭累加值和最大箭長，通過調(diào)用 xj 函數(shù)來來完成箭的“繪制”。 該段算法流程圖如圖 38 所示。函數(shù)的輸入?yún)?shù)說明如下 : 開 始（ x 1 , y 1 ） 初 始 化 為 曲 線 起 始 點 A跨 步 d s 小 于 曲線 長 度 ？（ x 2 , y 2 ） 跨 步 到 弧 長 d s 的 點 B弦 A B 與 曲 線 相 交于 C 點 ？（ x 1 , y 1 ） 移 到 C 點 , 將 C 點 作 為 固 定 點 A曲 線 長 度 減 少 為 新 的 固 定點 A 到 曲 線 終 點 的 距 離弦 弦 弦 弦 弦 弦弦 弦 弦 弦 弦“ 弦 弦 ” 弦 弦 弦 τ Δ S 弦弦 弦 弦 弦 弦 弦 弦 弦箭 是 否 連 續(xù) ？使 箭 連 續(xù)d s = d s + Δ s結(jié) 束是否是d s = Δ s否否否是是 int cur_num 曲線長度 Point *cur 曲線數(shù)組地址指針 int nWidth 圖象數(shù)據(jù)寬度 unsigned char *a1 記錄各點弦箭累加值 unsigned char *a2 記錄各點最大箭長 int x 圖像寬度 int y 圖像高度 弦箭累加 計算 的 結(jié)果保存在數(shù)組 a1 和 a2 中，數(shù)組 a1 記錄累加值，數(shù)組 a2 記錄箭長。如果當弦與所跨曲線近似重合，不做操作繼續(xù)跨步。對于第一種特殊情況，我們從固定點開始計算，相同橫坐標下，曲線和弦的縱坐標差值 之和 e， e 為 0 表示弦與曲線近似重合，不作操作。amp。amp。amp。amp。在繪制箭的過程中， 對于第三種特殊情況，如果箭的下一個點與上一個點不相連，則補充相應(yīng)的點使箭連續(xù)，補充點的對應(yīng)的箭長與該點箭長一致。 六、 確定人臉區(qū)域大概位置 首先，求 a1 數(shù)組中的最大值所在的位置 ,算法中計算的是一個3*3 區(qū)域的累加和最大的點 (xx,yy)，這樣 可 以提高算法的準確率 。將低分辨率下的坐標 (xx,yy) 和長度 D 恢復到原圖像分辨率下的坐標 (xx1,yy1)和長度 D1。確定以 (xx,yy)為中心 ,以寬度為 2D0的正方形區(qū)域作為估計的人臉主要器官所在的區(qū)域，表示如下： )13(}),(,1|1|,1|1||),{( ?????????? jiDyyjDxxiji 其中Θ表示原圖象空間。所以采用上述矩形框?qū)⑷搜邸⒆旄采w在內(nèi)的可能性也最大，同時也可最大程度地縮小搜索空間。 BIOID 人臉 圖像庫含 1521 幅由 23 個不同人獲取的大小為 384 286 灰度圖像集， 含有復雜的背景、變化的光照條件、復雜的人臉表情、掩蔽以及變化的人臉姿勢、大小等 ，是進行人臉檢測實驗的標準圖像測試集 。 另外， 對 本專業(yè) 學生 的一寸照片 （照片大小為 200*240）， 進行了實驗， 主要是檢驗算法的應(yīng)用 效果 ， 不作為實驗數(shù)據(jù)分析的結(jié)果 。 (2)減縮效率 h h＝ T/S (42) 其中， T 代表本文算法成功估計出來人臉主要特征（眼睛或嘴）的 區(qū)域 的 面積 ， S 代表 圖像面積 。 (3) 平均運算時間 t 即在整個圖像集中每幅圖像估計出人臉區(qū)域所需時間的平均運算時間。 4 不同參數(shù)下的 實驗結(jié)果 本文中 算法雖然有很多參數(shù)，通過對算法的分析，對上述指標影響較大的也就是如下四個： p在圖像預(yù)處理過程所使用的消除較長直線的閾值； Δ S一次“跨步”的基本長度單位； t“箭”長的控制參數(shù)； a累加和最大值區(qū)域?qū)挾?。但有時 候存在著矛盾，不能保證所有的指標都是最好。 由于很難同時保證四個參數(shù)都達到最優(yōu)，只有先根據(jù)估計固定三個參數(shù)，測試所有圖像后，尋找第四個參數(shù)在該條件下的最優(yōu)值；然后再換一個參數(shù)，當然采用上一步選過的新的最優(yōu)值參數(shù)，另外兩個仍采用原來的固定值，在這種條件下尋找新?lián)Q的參數(shù)的最優(yōu)值，直到所有參數(shù)在一定條件下獲得近似最優(yōu)值。直到檢測評估效果不再提高為止。圖 41為該參數(shù)設(shè)置下的測試評估實驗結(jié)果。 考慮檢測率λ、縮減率 h，選擇 t=3； 圖 42 p=8， a=3和 Δ S=3 (3) 固定 p=8， t=3 和Δ S=3，將參數(shù) a 從 1 到 5 變化，測試結(jié)果如圖 43， 根據(jù) 檢測率λ和 運算時間 t，選擇 a=3； 圖 43 p=8， t=3和 Δ S=3 λλλ λ λhhh hht t t t t0t1 t2 t3 t4 t5λ λλ λ λh h h h ht t tt t0a1 a2 a3 a4 a5λλ λ λ λ λ λ λ λ λhhh h h h h hh httt t tt t t tt0p2 p4 p6 p8 p10 p12 p14 p16 p18 p20 (4) 固定 p=8， t=3 和 a=3，將參數(shù)Δ S 從 1 到 5 變化，測試結(jié)果如圖 44。 圖 44 p=8， t=3和 a=3 本文最終所得的測試結(jié)果為：λ =68%,h=, t=，其對應(yīng)的參數(shù)設(shè)置為： p=8,Δ S=3,t=3,a=3。圖 45 為算法運算中間過程及一些結(jié)果。 6 算法最終人臉區(qū)域估計結(jié)果示例 圖 46 中各圖為選取的幾個人臉區(qū)域估計結(jié)果。圖 (h)是失敗例子，因為只有一只眼睛的瞳孔落在估計區(qū)域內(nèi)。 這些測試結(jié)果表明，弦箭算法不僅減少了搜索區(qū)域大小，而且可以保證后續(xù)精確定位人眼算法的有效性。 （ 2） 不存在模型的逐點或逐塊的行列掃描匹配或搜尋問題。 （ 4） 人臉上的大部分邊緣曲線都 可 得到充分利用，可靠性較高。 當然，也存在如下缺點： （ 1） 對于半張人臉，估計的區(qū)域可能不能覆蓋人眼 或嘴 。 （ 3） 對圖像中的多人臉區(qū)域估計，雖然，可以用排除法依次類推估計，但準確性和效率將會降低。 總的來說，算法的基本功能已經(jīng)實現(xiàn)，能夠估計出圖像中的人臉大概區(qū)域位置 ,有效減少搜索空 間，提高人臉檢測算法的效率 。另外， 本隊 學生 的一寸照片，背景相對比較單一，照片大小為200*240， 對這些照片的處理， 算法的檢測率和運算時間都能夠達到理想的效果。 根據(jù)圖像大小， 提高降采樣間隔，可以在很大程度上提高算法效率 。 （ 2） 在對圖像進行預(yù)處理中，去除圖像中的直線，僅僅能去除圖像邊緣曲線中垂直于坐標軸的直線，而對圖像中的斜線無法去除。 也因此 ，使得在提高圖像 降采樣間隔以后，算法的正確率變得更低。 通過 分析可以從一下幾點對算法進行改進： （ 1） 根據(jù)圖像大小，適當 提高對圖像降采樣的間隔，以提高算法運算效率； （ 2） 在對圖像進行預(yù)處理中，去除直線可以采用霍夫變換的方法，只需在二維空間做累加，來檢測圖像中的直線 ，可以有效去除邊緣圖像中最長的幾條直線 ； （ 3） 雖然受光線等因素的影響， 但 圖像中的人臉的灰度值基本上處于某一范圍，根據(jù)該范圍來對最終確定的人臉區(qū)域進行調(diào)整，可以有效 提高算法的正確率 。 后 記 人臉識別與檢測算法目前已經(jīng)有了很大的發(fā)展，算法的效率不斷提高，本文通過對橢圓曲線特性的分析， 對弦箭算法 的原理 進行了詳細的 介紹 ，用 C 語言進行了編程實現(xiàn)，并對 算法特性和 實驗 結(jié)果 進行了分析。從 實驗結(jié)果看， 算法的功能實現(xiàn)了，但 沒有達到很理想的效果 ，還需要進行不斷的改進和實驗，來提高算法的效率。導師淵博的知識 、 精益求精的工作作風 和嚴謹?shù)闹螌W態(tài)度 給了我極大的啟示 ， 使我受益匪淺 ， 讓我在學習 新知識，掌握新技術(shù)的同時，學習到了治學的態(tài)度。 同時，我要感謝我的同學們，他們在我畢業(yè)設(shè)計過程中給我 的幫助和鼓勵 。 衷心的感謝你們 ！ 參考文獻 王洪群 ， 彭嘉雄 ， 強贊霞 .基于邊緣和紋理特征相結(jié)合的快速人臉精確定位方法 . 鄧剛，閆勝業(yè)，張洪明 .人臉檢測技術(shù)報告 . 李月敏，陳杰，高文，尹寶才 .快速人臉檢測技術(shù)綜 述 . 王超 .人臉識別技術(shù)中一些關(guān)鍵算法的研究 . 王娜，李霞．一種新的改進 Canny 邊緣檢測算法．深圳大學學報 .2020， 4（ 2）， 149152 蘇劍波，徐波 .應(yīng)用模式識別技術(shù)導論 —— 人臉識別與語音識別 .上海交通大學出版社 . 梅向明，黃故之 . 微分幾 何 （第三版） . 何東健，耿楠，張義寬 .數(shù)字圖像處理 .西安電子科技大學出版社 . 黃維通，姚瑞霞 . Visual C++程序設(shè)計教程 .機械工業(yè)出版社 . 網(wǎng)冠科技 . Visual C++ 基礎(chǔ)培訓百例 .機械工業(yè)出版社 . 畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。 作者簽名： 日 期： 學位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。 作者簽名： 日期： 年 月 日 學位論文版權(quán)使用授權(quán)書 本學位論文作者完全了解學校有關(guān)保留、使用學位論文的規(guī)定，同意學校保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和電子版，允許論文被查閱和借閱。 涉密論文按學校規(guī)定處理。 ：任務(wù)書、開題報告、外文譯文、譯文原文（復印件）。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準用徒手畫 3）畢業(yè)論文須用 A4 單面打印，論文 50 頁以上的雙面打印 4）圖表應(yīng)繪制于無格子的頁面上 5）軟件工程類課題應(yīng)有程序清單，并提供電子文檔 1）設(shè)計（論文） 2）附件：按照任務(wù)書、開題報告、外文譯文、譯文原文（復印件）次序裝訂 1