四隊(duì)和一隊(duì)-一區(qū)隊(duì)

摘)recognition第三章分析研究了人臉檢測的圖像預(yù)處理，首先介紹了軟件及其對(duì)，第四章研究了基于膚色和幾何約束的人臉檢測算法。首先一章對(duì)圖像預(yù)處理的基礎(chǔ)上進(jìn)行膚色建模，利用相似度計(jì)算大概確定膚域，并使用圖像二值化進(jìn)一步確定膚域，實(shí)現(xiàn)基于膚色的人臉檢測粗定位。然后利用人臉的人臉的檢測率很高。但有時(shí)會(huì)受到、手等皮膚區(qū)域的影響，造成誤檢。，F(xiàn)acedetectionisoriginalfromfacerecognition,whichisthekeysectionoffacerecognitionsystem.Inrecentyears,facedetectionhasbeenattachedimportancetobyresearchersasanabsolutetaskwiththedevelopmentofelectroniccommerce.Nowadays,theapplicationbackgroundoffacedetectionhasexceededtherangeoffacerecognitionsystem,andithasimportantappliedvalueinContent-BasedImageRetrieval、DigitalProcessingandVisualSupervisionAndControletc.Thisarticlemainlyintroducesonemethodoffacedetectioncalledfacedetectionalgorithmbasedonskincolorandgeometricconstraints.Themainresearchworkofthisarticleisasfollows:Thefirstchaperillustratesthefacedetectionresearchbackground,researchstatus,andlibraryavailableimagefacedetectionareprobablyintroduced.Thesecondchaperintroducesthefacedetectionsystem,includingthegeneralprocessoffacedetection,howtoobtaininformationandfacedetectionpositioning.Thethirdchaperysisthefacedetectionofimagepreprocessing.Firstlyitintroducessoftwareanditseffectondigitalimagepreprocessing,usingsimulationisimportantinthefacedetection.Andthenintroducestheimageisdenoisedandenhancedbyaveragefilteringandthelightcompensation,weelimilatetheimagebrightnessthroughtheselectionofcolorspacefurtherly.Thefourthchaperysisfacedetectionalgorithmbasedonskincolorandgeometricconstraints.Weusefacedetectionmethodbasedonskincolortocoursingpositioningoftheimageandthegeometriccharacteristicsofthehumanfacetoscreeningofcandidatefacearea,soastorealizetheaccuratelocationoftheface.Weestablishskincolormodelbasedonthefirstfaceimagepreprocessing,similaritycalculationaboutisusedtodeterminethecolorofskinarea,butnotallofthemare,usingtheimagebinarizationistofurtherdeterminethecolorofskinarea,finallyusingfacialgeometricfeatureseparatesfacefromtheskinarea,achievingfacepositioning.Thismethodisfast,humanfacedetectionrateisveryhigh.Butitissusceptibletotheinfluenceoftheskinareassuchasthearms,hands,anditserrordetetionrateisalsohigh.:Facedetection;Imagepre-processing;Colorspaceconversion;Modelofskinincolor;Geometricconstraint摘 第一章概論-----第二章人臉檢測系統(tǒng)3----第三章人臉檢測的圖像預(yù)處理5基 ----.-第四章基于膚色和幾何約束的人臉檢測14----5章總結(jié)與展望27--第一章概、有重要的意義和作用。對(duì)人臉進(jìn)行處理與分析在可視化、出控制、大小的過程。人臉檢測問題最早出現(xiàn)在人臉識(shí)別，人臉識(shí)別的研究可追溯至世紀(jì)60到70年代，幾十年的曲折發(fā)展之后已慢慢成熟。人臉檢測是人臉自動(dòng)識(shí)有國外的麻省理工學(xué)院，CMU等；國內(nèi)的工業(yè)大學(xué)、、自動(dòng)化究所和中國計(jì)算機(jī)技術(shù)等各類文獻(xiàn)中所涉及到的人臉檢測算法已有許多種，很多重要的期和國際會(huì)議也都涉及了人臉檢測問題的研究課題。而機(jī)去除和車輛安全駕駛等系統(tǒng)，同時(shí)也開始了在安全、全新人機(jī)界面、視覺監(jiān)測、數(shù)字處理、基于內(nèi)容的檢索等很多領(lǐng)域的廣泛應(yīng)用。另外，由于共有654張圖像，分成20個(gè)，每個(gè)都包含從正面到側(cè)面的不相同的人臉姿態(tài)、AT&T庫（有40個(gè)，每個(gè)包括150幅側(cè)面人臉圖像和10幅圖像、MIT庫（1627幅在不同尺度、不同頭部人臉檢測算法測驗(yàn)的圖像集，當(dāng)中使用最多的是CMU側(cè)面人臉圖像庫，它是由Rowley130幅圖像，大部分圖像在同一背了一些比較規(guī)范和的人臉檢測可用圖像庫第二章對(duì)人臉檢測系統(tǒng)的組成進(jìn)理，開頭介紹了基于的數(shù)字圖像處理，本文關(guān)鍵是用做算法的仿第二章人臉檢測系2.1所示。在整個(gè)流程中最為關(guān)鍵的是特征提取，2.1所包含的幾個(gè)模塊外，完整的人臉檢測系統(tǒng)還應(yīng)該有圖像預(yù)處人臉檢測人臉檢測圖 人臉檢測算法流程Figure2.1Facerecognitionsystem當(dāng)人臉識(shí)別的時(shí)侯圖像信息的檢測定位主要表現(xiàn)在怎樣獲取人臉信息區(qū)域，究不斷更新不過他們概括起來全都有一個(gè)相同點(diǎn)即整體和局部和思想們認(rèn)可的人臉定位算法主要有:基于膚色特征的算法、基于馬賽克規(guī)則的算后續(xù)的章節(jié)主要介紹第法。第三章人臉檢測的圖像預(yù)處人臉檢測(facedetection)是指在輸入圖像中確定全部人臉(如果存在)的大小、（1）圖像預(yù)處輸入待圖像預(yù)處輸入待檢圖 域的確人臉定幾何約相相似度計(jì)膚色建色彩空間轉(zhuǎn)圖像二色彩空間轉(zhuǎn)圖像二值基 是一種用于數(shù)據(jù)可視化、算法開發(fā)、數(shù)值計(jì)算和數(shù)據(jù)分析的高級(jí)技術(shù)計(jì)算語言以及交互式換環(huán)境。能夠進(jìn)行繪制函數(shù)與數(shù)據(jù)、矩陣運(yùn)算、連接其他編程語言的程序、創(chuàng)建用戶界面、實(shí)現(xiàn)算法等。應(yīng)用范圍非常金融建模分析與設(shè)計(jì)等。的圖像處理功能主要放在它的圖像處理工具箱（1）的圖像處理工具箱功能非常強(qiáng)大，使用這些圖像處理工具箱，并且將用于數(shù)字圖像處理，優(yōu)點(diǎn)在于語則和一般的高級(jí)語言相似，一個(gè)稍微有點(diǎn)編程基礎(chǔ)的人就可以基于中值的均值濾波算法（Weighted WAF度的平均值來替代系數(shù)的大小要依據(jù)濾波窗口內(nèi)各像素灰度值對(duì)比灰度中值的順序來確定。假設(shè)有一幅N×N個(gè)像素的圖像f(x,y)，經(jīng)過平滑處理后得g(x,y)。g(x,y)由下式確定:??(??,??)=∑(??,??)∈??????????????(??, ，=，，，…，N，是（，）點(diǎn)鄰域里點(diǎn)的坐標(biāo)的集合，但是當(dāng)中不包括（，）點(diǎn)，M是指集合內(nèi)點(diǎn)的總數(shù)。式子（-）說明，平滑處g(,)（yf(,)（位距離組成一個(gè)鄰域，它的點(diǎn)坐標(biāo)集合為：S(x,y1),(x,y1),(x1,y),(x1,

S(x,y1),(x,y1),(x1,y),(x1,y),(x1,y1),(x1,y1),(x1,y1),(x1,y其卷積模板h如式子（3-1111111111式中：Wxy表示為濾波窗口內(nèi)所有像素點(diǎn)的集合。

kNN

f(m,n)

kmn

f(m,n)N N2kmn為窗口內(nèi)第（m，n）個(gè)像素按照灰度值從小到大順序，N=(??2+2個(gè)像素的灰度值小于或等于灰度中值，則那么此像素的系數(shù)可以確定 （k是此像素次序號(hào)，M×M是濾波窗口大小，N=(??21)???× 值對(duì)應(yīng)的次序號(hào)；如果此像素的灰度值大于灰度中值，那么它的系數(shù)??×??1?????×??，）由此可以得出系數(shù)的選則需要滿足下面三點(diǎn)（1系數(shù)最大的點(diǎn)是灰度中值對(duì)應(yīng)的像素點(diǎn)；)如果窗口內(nèi)某像素的灰度值越接近灰度中值，那么它的系數(shù)就越大反之它的系數(shù)越小所有系數(shù)之和等于，算法不需要做專門的歸一化處理。，）3.2所示

圖 濾波效選取亮度值是前5%的像素把它們定義參考白既將它們色彩的R、G、B255。用前5%像素亮度的平均灰度值域除以255可以得到光線補(bǔ)償系數(shù)，而且RGB值。 圖 光線補(bǔ)償 圖 光線補(bǔ)償HSIRGB色彩空間、YCbCr色彩空間、NTSC色彩空間等。RGB =0.7=0.5461的相加來生成。RGB色彩模型所覆蓋的顏域取決于顯示設(shè)備熒光點(diǎn)的色彩特性與硬件有關(guān)RGB色彩空間是對(duì)人眼的光譜量化性質(zhì)的近似所以使用R、G、B三基色表現(xiàn)顏色是很自然的一種行式，并且現(xiàn)有彩像設(shè)備B藍(lán) 品白灰度黑紅R

綠黃圖 RGB色彩空NTSC（Q量全是利用以下變化從一幅圖像的RGB分量中得到的: [??]=[0.596?0.274? ? 類似地，RGBYIQ [??]=[0.596? ?0.322][?? ? HSIHSIMenseu提出來的色3 HSIRGB色彩空間僅僅是物理量的兩種不同表示方法，所以它們之3 H

90Arctan

0,GB;180,GBI

RG3

S1min(R,G,B)I IYCbCrYCbCr色彩空間廣泛應(yīng)用在數(shù)字中。在這種格式中Y表示亮度，Cr、Cb分量分別代表紅色和藍(lán)色的色度。它具有YIQ格式中將亮度分量分開的優(yōu)點(diǎn)，RGBIPT把RGBYcbCr用到的變換是：

[????]=[128]+[?37.797? 112.000]

?112.000?93.786? YCbCrYCbCrYCbCr色彩空間形式廣泛地應(yīng)用在電視顯示等領(lǐng)域中，同時(shí)也是許多JPEG、MPEG等標(biāo)準(zhǔn)中普遍采用的顏色表示形式。YCbCrHSI等其它一些色彩空間格式相近似的可以把YCbCrHSI等其它一些色彩YCbCr彩像進(jìn)行色彩空間的轉(zhuǎn)換圖 色彩空間轉(zhuǎn)3.4本章主要講圖像的預(yù)處理，介紹了以及其在數(shù)字圖像處理中的應(yīng)用都需要用到去仿真。對(duì)于人臉檢測中預(yù)處理的過程,這篇引入了幾種圖像預(yù)處理的方法，它們主要是經(jīng)過歸一化方法進(jìn)行處理的，既均值濾波與HSI色彩空間、RGB色彩空間、YCbCr色彩空間、NTSC色彩空間等。為了去除亮度因素的影響，本文選用YCbCr彩色模型，對(duì)輸入的彩像進(jìn)第四章基于膚色和幾何約束的人臉檢函數(shù)，輸入是Cb、Cr的值，輸出是膚色像素的概率。模型是依據(jù)色度平面上的膚色分布的形狀直接使用幾何參數(shù)描述膚域的分大量的膚色和非膚色樣本訓(xùn)練得到一個(gè)分類器并且用來判斷是不是膚域高斯模型的理論基礎(chǔ)則是它的膚色分布近似于分布這樣就能夠通過二維⑵圖像的背景相當(dāng)復(fù)雜，人臉區(qū)域可能會(huì)和類人臉區(qū)域連在一起對(duì)于模型，依據(jù)膚色原理可以得知，它不單單是一般的膚色像素定位，而是使用二維概率公式計(jì)算出圖像中每個(gè)像素是不是膚色的概率值并且用的定位所以模型克服了幾何模型的缺點(diǎn)與此同時(shí)因?yàn)椴恍枰悄w色樣本，也沒有神經(jīng)網(wǎng)絡(luò)模型的缺點(diǎn)。因此，本文選則模型進(jìn)行膚色建模。1維分布來表示，模型G(m,??2)的概率密度函數(shù)能表示成：1P(x/skin)1/

C2exp0.5(xm)TC1(xm

上一節(jié)中已經(jīng)對(duì)幾種常用的色彩空間進(jìn)行了分析和比較，最后選取YCbCrYCbCr色彩空間的簡單模型分布的未知參數(shù)（均值向量m和協(xié)方差矩陣C，而后建立代表性，選取的樣本圖像包含了不同光照、不同人臉、不同與不同的情將指定的人臉膚域從彩像中分離出來作為膚色統(tǒng)計(jì)樣本，如4.1所示。圖 膚色樣圖 膚色采樣點(diǎn)分布使 域中每個(gè)像素點(diǎn)的RG（Cb，Cr別在正常光照、暗光與高光的條件下對(duì)Cb、Cr值進(jìn)行了統(tǒng)計(jì)，下面以圖4.3中的圖像為例對(duì)它在不同光照條件下Cb、Cr的直方圖進(jìn)行比較，看看光照對(duì)色度值x 圖 弱光條件下Cb(a)、Cr(b)的直方 圖 正常光照條件下Cb(a)、Cr(b)的直方 圖 強(qiáng)光條件下Cb(a)、Cr(b)的直方Cb、Cr的直方圖中能夠看得出來，光照的強(qiáng)弱對(duì)色度值（Cb，Cr）的影響并不是很明顯，這就說明YCbCr色彩空間對(duì)光照具有一定把上面到的每個(gè)膚色點(diǎn)的膚色像素色度值（b，r）進(jìn)行統(tǒng)計(jì)計(jì)算，用來確定二維模型(??2)中的未知參數(shù)：均值和（方差。具體使用到的公式如下：

（4-Cb

11

N Cr

11

(4-N

?????? ??,??] ????

?? ????2??Cb、Cr方差

??和????

Cb、Cr的協(xié)方差 ??, ??依據(jù)上述公式通過實(shí)驗(yàn)統(tǒng)計(jì)所獲得的膚色分部的二維模型m

C=[ 299 比較圖4.2和圖4.6我們能夠得到x(C,C)T的分布基本符合分布的規(guī)律。從上面的理論和實(shí)驗(yàn)結(jié)果中能夠表明，本文選擇YCbCr作為色彩空間，選擇 圖 膚色模

P(C,C)exp0.5(xm)TC1(xm RGBYbr的色度值（b，r，經(jīng)過膚色概率密度函數(shù)的計(jì)算就能得到（b，r）值相對(duì)可能是皮膚區(qū)域。乘以255，然后去整，將其變換到[0，255]灰度空間，也就是在相似度圖的基礎(chǔ)上把一幅彩像轉(zhuǎn)換成灰度圖像。轉(zhuǎn)換效果如圖4.6所示：4.7圖像二值化的定義是利用設(shè)定閾值T將灰度圖像變換成單獨(dú)使用兩個(gè)值表0,f(i,j)x(i,j)0,f(i,j) f（i，j）表示一幅數(shù)字圖像，i、j表示此圖像中某個(gè)像素的坐x（i，j）01灰度值近似為是閾值的點(diǎn)會(huì)構(gòu)成目標(biāo)的邊界點(diǎn)，是一個(gè)封閉體1s0.05的二值化處理過程如（4-9）所示可具體表述為:設(shè)定相似度計(jì)算后的圖像為f(i，j)轉(zhuǎn)換為二值圖像x(i，j)，這里我們用1代表膚域（白色用0表示非膚色區(qū)域（黑色4.7所示：圖 二值化圖于開運(yùn)算導(dǎo)致的很多缺口，開運(yùn)算和閉運(yùn)算用中的imopen（）和imclose（）函數(shù)來實(shí)現(xiàn)。如此我們就能夠去掉很多雜散點(diǎn)的影響，從而獲取圖像中的圖 皮膚區(qū)域的確上一節(jié)我們得到了圖像的膚域不過本文的目的是檢測到人臉而且將其這些幾何特征從膚域中分離出來，最后實(shí)現(xiàn)人臉的定位。本文使用膚域的面積對(duì)候選的人臉區(qū)域進(jìn)行篩選。利用公式L1WS F(x,x0

S為面積，L為該區(qū)域長度值，W為寬度值，F(xiàn)[xy]為坐標(biāo)(xy)200的區(qū)域去掉，0.2x1yF(x,Sx0

Sy1xF(x,Sx0

10后，將它與邊界統(tǒng)計(jì)時(shí)計(jì)算出來的x和y的范圍互相比較，如果超出該范圍就不兩步的基礎(chǔ)上，再計(jì)算剩余候選人臉區(qū)域的長寬比。一般情況下人臉區(qū)域的長寬比為.9，.]，但是我們?cè)谶M(jìn)行人臉檢測的過程中往往會(huì)把脖子和胸口的一些膚域也檢測進(jìn)去所以本文將人臉的長寬比的范圍設(shè)在.，.，這樣就能避免漏檢。圖 人臉的定為了證明算法的有效性本文選取了100互聯(lián)網(wǎng)和生活中得到的不同膚色、背景和的人臉。[測試環(huán)境為Pentium雙核2.2GHzCPU，2G內(nèi)存，操作系統(tǒng)為WindowsXP，]在R2007a平臺(tái)上編程實(shí)現(xiàn)。圖 基于膚色的人臉檢測的部分實(shí)驗(yàn)結(jié)但是從實(shí)驗(yàn)結(jié)果中可以看出，這種方受到、手等皮膚區(qū)域的影響，出現(xiàn)誤檢的情況，如圖4.11所示。故其應(yīng)考慮與其他方法相結(jié)合，進(jìn)一步提高檢測。用的膚色模型有：神經(jīng)網(wǎng)絡(luò)模型[28]、模型以及幾何模型。當(dāng)我們利用幾何頻非膚色樣本很難確定，所以神經(jīng)網(wǎng)絡(luò)模型也不適用于本文模型是利用二維概率公式計(jì)算出圖像中每個(gè)像素是否是膚色的概率值克服了幾何模型的不能確定膚域，還必須經(jīng)過圖像二值化。為了實(shí)現(xiàn)人臉的精確定位，需要進(jìn)一步排除這些臉的小區(qū)域本文將用數(shù)字形態(tài)學(xué)的方法來去除這些小的腳等皮膚區(qū)域不同所以本文將利用人臉的這些幾何特征從膚域中分離出來，。5章總結(jié)與展人臉檢測技術(shù)日新月異越來越受到學(xué)術(shù)界的重視和社會(huì)的認(rèn)可，在實(shí)際應(yīng)（人臉信息區(qū)域的信息分割也就是從各種背景中自動(dòng)分割出人臉信息（）擇從而獲得特息同時(shí)選擇一種分類方法對(duì)檢測的人臉的特息同數(shù)據(jù)庫內(nèi)的訓(xùn)練圖像特征進(jìn)行對(duì)比根據(jù)結(jié)果進(jìn)行有效的檢在數(shù)字圖像處理中的應(yīng)用，圖像經(jīng)過均值濾的人臉檢測算法的實(shí)現(xiàn)步驟,面圖像預(yù)處理的基礎(chǔ)上，重點(diǎn)探討了膚色處理但是從實(shí)驗(yàn)結(jié)果中可以看出這種方法容易受到手等皮膚區(qū)域的影響它的誤檢率也很高，故其經(jīng)常與其他方法相結(jié)合使用。還有人臉圖像的外在環(huán)境或者人臉表情發(fā)生變化時(shí)這種算法對(duì)人臉的檢測效果不理想。為了避免這個(gè)缺陷在人臉檢測中引入了圖像分塊思想效果比較好。展望未來的研究工作，何消除不利因素對(duì)人臉識(shí)別率的影響,比如說當(dāng)光照強(qiáng)弱發(fā)生變化時(shí)如何抑制光照因素帶來的影響同樣受到手等皮膚區(qū)域另外膚域的確定本文用的方法是數(shù)字形態(tài)學(xué)法其實(shí)還有一種特征![I]Zhang,D. A:KluwerAcademicPublishers,2000. [J].IEEETransactiononCricuitandSystemforTechnology,2004,14(l):4-HeX,YanS,HuYetal.Facerecognitionusinglaplacianfaces[J].IEEEPAMI.2005,27(3):328–340. WoodwardJD.Biometrics:privacy'sfoeorprivacy'sfriend?[J].ProceedingsoftheIEEE,1997,85(9):1480-1492.SamalAandIyengarPA.Automaticrecognitionandysisofhumanfacesandfacialexpressions:Asurvey[J].PatternRecognition,1992,25(1):65-77.,。應(yīng)用疏識(shí)別技術(shù)導(dǎo)論-人臉識(shí)別與語音識(shí)別[M],：交大學(xué),2001,45-[8]TKanade.Pictureprocessing complexandrecognitionofhumanfaces,technicalreport[M].Dept.InformationScience,KyotoUniversity.1973.AT&TLaboratoriesCambridge,TheORLDatabaseof[II]MTurk,APPentland.Facerecognitionusingeigenfaces[C].ProceedingsoftheConferenceonComputerVisionandPatternRecognition.1991,586- [A].ProceedingsoftheInternationalWorkshoponAutomaticFaceandGesture background[J].Patternreconition,1994,27:53-63. facerebognition;fromtheorytoapplication.1998.124-156. andspatialrelationshipsforobject[A]1998.45-51. HumanFace[D].KyotoUniversity[17],,。數(shù)字圖像處理與圖像通信[M],郵電大學(xué), identification.imageandvisioncomputing,1994,12:537-543. MakovmodelsprocIEEEconferenceonimageprocessingchic,1998:141-145.[20]NefianVHavesMH.AnembeddedHMMbaseddetectionandconferenceonrecognitiong,1999,6:3553-3556.[21]GBrewka,MKirby.Low-dim