課題設計之人臉課件

1、課題設計： 人臉檢測定位第四組目錄人臉檢測定位人臉檢測定位的概述人臉檢測定位的實現(xiàn)方法結(jié)果對比人臉識別 - 概述 人臉識別，特指利用分析比較人臉視覺特征信息進行身份鑒別的計算機技術(shù)。也就是說：是基于人的臉部特征信息進行身份識別的一種生物特征識別技術(shù)。 廣義的人臉識別實際包括構(gòu)建人臉識別系統(tǒng)的一系列相關技術(shù)，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等；而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術(shù)或系統(tǒng)。 人臉識別主要包括4個步驟，分別為：人臉檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。人臉檢測-研究現(xiàn)狀國外對人臉檢測問題的研究很多，比較著名的有MI

2、T,CMU等；國內(nèi)的清華大學、中科院計算所和自動化所、南京理工大學、北京工業(yè)大學等都有人員從事人臉檢測相關的研究。而且，MPEG7標準組織已經(jīng)建立了人臉識別草案小組，人臉檢測算法也是一項征集的內(nèi)容?，F(xiàn)在的一個比較優(yōu)秀的人臉檢測算法是ViolaJones的級聯(lián)分類器算法。這種算法使用基于Haar特征的級聯(lián)分類器策略，可有快速且有效的找到多種姿態(tài)和尺寸的人臉圖像。人臉檢測 - 難點 人臉檢測是一個復雜的具有挑戰(zhàn)性的模式檢測問題，其主要的難點有兩方面， 一方面是由于人臉內(nèi)在的變化所引起：（1）人臉具有相當復雜的細節(jié)變化，不同的外貌如臉形、膚色等，不同的表情如眼、嘴的開與閉等；（2）人臉的遮擋，如眼鏡

3、、頭發(fā)和頭部飾物以及其他外部物體等； 另外一方面由于外在條件變化所引起：（1）由于成像角度的不同造成人臉的多姿態(tài)，如平面內(nèi)旋轉(zhuǎn)、深度旋轉(zhuǎn)以及上下旋轉(zhuǎn)，其中深度旋轉(zhuǎn)影響較大；（2）光照的影響，如圖像中的亮度、對比度的變化和陰影等。（3）圖像的成像條件，如攝像設備的焦距、成像距離，圖像獲得的途徑等等。人臉檢測 - 應用人臉檢測可用于生物特征識別，通常做為人臉識別系統(tǒng)的一部分。人臉檢測也可以用于視頻監(jiān)聽、人機交互和圖像數(shù)據(jù)庫管理。一些最新的數(shù)碼相機使用人臉檢測來自動對焦。人臉檢測也可以在使用了pan-and-scale ken burns effect的photo slideshows中幫助選擇感興

4、趣的區(qū)域。人臉檢測也獲得了市場的興趣。電視機上可以集成攝像頭來檢測任何走過的人臉，然后計算該用戶的種族、性別和年齡范圍。一旦獲得這些信息，可以針對性的播放廣告。人臉檢測也可以用于節(jié)約能源。人們看電視或電腦的時候往往會做其他工作，這時候普通的顯示器不能自動降低亮度來節(jié)省能源。智能系統(tǒng)可以識別用戶的面部朝向，當用戶不看屏幕時，可以自動降低亮度；在用戶重新看屏幕時，再增加亮度。圖像處理的matlab實現(xiàn) 圖像是人類獲取信息、表達信息和傳遞信息的重要收段。 數(shù)字圖像處理主要包括圖像變換，圖像增強，圖像編碼，圖像復原，圖像重建，圖像識別以及圖像理解等內(nèi)容。 注：下面簡單介紹圖像增強和圖像的邊緣檢測?；叶?/p>

5、變換增強 灰度變換最常用的就是直方圖變換的方法，即直方圖的均衡化。這種方法是一種使輸出圖像直方圖近似服從均勻分布的變換算法。 注：先進行圖像類型的轉(zhuǎn)換（因為圖像增強和邊緣檢測都是針對灰度圖像進行的）?；叶葓D像直方圖均衡化i=imread(f:face1.tif);j=histeq(i); %histeq 圖像直方圖均衡化的具體函數(shù)imshow(j);figure,subplot(1,2,1),imhist(i); %imhist 計算和顯示圖像的直方圖subplot(1,2,2),imhist(j) 空域濾波增強 空域濾波按照空域濾波器的功能可分為平滑濾波器和銳化濾波器。 平滑濾波器可以用低通

6、濾波實現(xiàn)，目的在于模糊圖像或消除噪聲。 銳化濾波器是用高通濾波來實現(xiàn)的，目的在于強調(diào)圖像被模糊的細節(jié)。平滑濾波效果銳化濾波效果空域濾波增強的代碼i=imread(f:face1.tif);j=imnoise(i,gaussian,0,0.02);%gaussian加入高斯噪聲subplot(1,2,1),imshow(j);j1=wiener2(j);subplot(1,2,2),imshow(j1);%wiener函數(shù)實現(xiàn)對圖像噪聲的自適應濾波h=fspecial(gaussian,2,0.05);%高斯濾波器的方法進行銳化濾波j2=imfilter(i,h);%imfilter函數(shù)實現(xiàn)中值

7、濾波figure,subplot(1,2,1),imshow(i)subplot(1,2,2),imshow(j2)邊緣檢測 數(shù)字圖像的邊緣檢測是圖像分割、目標區(qū)域識別、區(qū)域形狀提取等圖像分析領域十分重要的基礎，也是圖像識別中提取圖像特征的一個重要屬性。 邊緣檢測算子可以檢查每個像素的領域并對灰度變化率進行量化，也包括對方向的確定。i=imread(f:face1.tif);j=edge(i,canny,0.04,0.25,1.5);imshow(j) 原灰度圖像 邊緣檢測后的圖像原始圖片灰度圖片均衡化的灰度圖片效果圖以下是其他幾組人臉檢測的效果圖原圖效果圖原圖效果圖原圖效果圖原圖效果圖總結(jié)

8、由最后的幾組效果圖可以看出，人臉檢測定位效果并不是很理想，只有當臉部突出比較明顯或背景干擾較小時才能定位較準確，其他情況下并不是很準確，其中大部分原因還是本組成員技術(shù)水平較低，無法對圖片信息進行更好的處理，導致無法做到精準的檢測定位。致謝感謝柴燕燕、李愛珠等幾位同學為本組課題設計提供照片素材。 % detection of face objectL=bwlabel(BW,8);BB=regionprops(L,BoundingBox);BB1=struct2cell(BB);BB2=cell2mat(BB1);s1,s2=size(BB2);mx=0;for k=3:4:s2-1 p=BB2(1,k)*BB2(1,k+1); if pmx&(BB2(1,k)/BB2(1,k