人脸检测技术研究及matlab实现本科毕业论文(编辑修改稿)

人脸检测技术研究及matlab实现本科毕业论文(编辑修改稿)内容摘要：

是人的五官的几何分布。 在这方面 yang 等人提出的 mosaic 方法，它给出了人脸区域灰度分布的规则，依据这些规则对图像进行筛选，以样本满足这些规则的程度作为检查的依据。 也可以先检测器 官的位置，然后将这些位置排列组合，运用器官的分布规律进行检测，基本上找到人脸的位置 [4]。 模块匹配法的人脸检测 这种方法 首先 要把人脸的模板进行建立并保存 ， 如人的 正面人脸或是 眼睛，鼻子，嘴巴等。 接着利用一些算法来计算各待测区域与标准模板的相似程度 (或称相关性 )，利用这一相似程度来判断某一区域是否为人脸。 (1)镶嵌图法 (又称为马赛克图 )：就是将图像划分为一组大小相同的方格，每个方格的灰度为格中各个像素的平均值。 镶嵌图特征是指这些块的值应满足的约束规则Yang[6]等人将人脸的五官区域分别划分为和个 马赛克块，使用一组规则进行检验，并且利用边缘特征进一步验证。 卢春雨等对镶嵌图方法进行了改进，按照人脸器官的分布将人脸划分为个马赛克块，在检测中自适应的调整各块的大小，使用一组基于各 块灰度和梯度统计特征的知识规则检验该区域是否为人脸，取得了较好的实验结果。 （ 2)预定模板匹配法：根据人脸的先验知识确定出人脸轮廓模板以及各个器官特征的子模板，先通过计算图像中区域和人脸轮廓模板的相关值来检测出人脸候选区域，然后利用器官特征子模板验证上一步检测出的人脸候选区域是否包含人脸。 采用“ 双眼一人脸 ” 模板，将平均脸的双眼模 板剪裁出来，滤波时先使用双眼模板再使用人脸模板，用以提高匹配速度并取得更好的性能。 将人脸图像二值化后得到人脸轮廓，西安电子科技大学 本 科 毕 业 设 计 论 文 7 然后与模板库中的人脸模板匹配，根据图像与模板之间的 Hausdroff 距离及相关闭值判定取舍。 这种方法的缺点在于不能有效处理尺度 、 姿态和形状的变化。 (3)变形模板法：其主要思想是定义一个可变形的参数模板和一个能量函数来描述特征，通过一个非线性最优化方法求得能使能量函数最小的参数模板，此模板即被认为是所求特征的描述。 Yullie 等人提出来基于弹性模板的方法用于人脸的检测。 当用弹性模板进行人脸检 测时，将可调模板在待检测图像中移动并动态的调整其参数，计算能量函数。 当能量函数达到最小值时，根据其位置和参数所决定的可调模板形状应该达到与人脸形状的最佳拟合，由此检测到人脸。 这种方法的优点是由于使用的弹性模板可调，能够检测不同大小 、 具有不同偏转角度的人脸。 但缺点是检测前必须根待测人脸的形状来设计弹性模板的轮廓，否则影响收敛的效果；当对图像进行全局搜索时，由于要动态的调整参数和计算能量函数，计算时间过长 [8]。 基于 adaboost 算法的人脸检测方法 前面我们已经介绍了基于特征和和模块匹配的的方法， 接下来我们介绍有关人脸识别的另一种方法，那就是基于 adaboost算法，来检测人脸位置，真正实现人脸识别的目的。 Adaboost算法是将大量的分类能力弱的弱分类器通过的特定的方法组合起来，构成一个强的分类器。 目前基于 haar特征的 Adaboost算法比较受广大学者的欢迎，关于其具体算法，在这里就不必做详细的说明 [9]。 西安电子科技大学 本 科 毕 业 设 计 论 文 8 3 基于视频的人脸检测研究及其实现 在日常生活中， 基于视频的人脸检测与跟踪作为人脸信息处理中的一项关键技术，在基于内容的图像检索、视频会议、可视电话、远程视频监控以及人机交互 等方面都有着很重要的应用价值。 在实际应用中，由于客观因素的影响，如人脸本身复杂的细节变化、人脸多姿态、各种遮挡、光照不均匀、以及复杂背景时，人脸检测和识别普遍存在计算量大、速度慢、鲁棒性差的弱点 .所以我们可以采用提取视频文件的帧，然后对图像进行肤色检测，再把检测过的图像还原成视频，然后播放视频，以基本上完成了视频下的人脸检测。 matlab图像处理工具箱中的视频操作 图像文件格式有多种，包括 BMP， JPEG 和 PNG 等， MATLAB 都提供支持，可以直接读取这些文件。 视频也有许多种格式 可以从不同 的角度进行分类。 最常见的是没有压缩的视频文件是 YUV，它是由相互关联的若干帧静态图像所组成的图像序列。 由于视频的数据量大，通常以压缩后的形式进行存储和传输，压缩后的视频可以分为两大类：一类是面向存储的，包括 avi mpg mpeg rm 等；另一类是面向流式媒体的，在在线实况和流媒体电影等中应用广泛。 下面我们重点介绍 AVI AVI—Audio Video Interleave，即音频视频交叉存取格式。 1992 年初 Microsoft 公司推出了 AVI 技术及其应用软件 VFW（ Video for Windows）。 在 AVI 文件中，运动图像和伴音数据是以交织的方式存储，并独立于硬件设备。 这种按交替方式组织音频和视像数据的方式可使得读取视频数据流时能更有效地从存储媒介得到连续的信息。 构成一个 AVI 文件的主要参数包括视像参数、伴音参数和压缩参数等。 AVI 文件用的是 AVI RIFF 形式， AVI RIFF 形式由字符串 “AVI”标识。 所有的 AVI 文件都包括两个必须的 LIST 块。 这些块定义了流和数据流的格式。 AVI 文件可能还包括一个索引块。 只要遵循这个标准，任何视频编码方案都可以使用在 AVI 文件中。 这意味着 AVI 有着非常好的扩 充性。 这个规范由于是由微软制定，因此微软全系列的软件包括编程工具 VB、 VC 都提供了最直接的支持，因此更加奠定了 AVI 在 PC 上的视频霸主地位。 由于 AVI 本身的开放性，获得了众多编码技术研发西安电子科技大学 本 科 毕 业 设 计 论 文 9 商的支持，不同的编码使得 AVI 不断被完善，现在几乎所有运行在 PC上的通用视频编辑系统，都是以支持 AVI 为主的。 AVI 的出现宣告了 PC 上哑片时代的结束，不断完善的 AVI 格式代表了多媒体在 PC 上的兴起。 说到 AVI 就不能不提起英特尔公司的Indeo video 系列编码， Indeo 编码技术是一款用于 PC 视频的高性能的、纯软件的视频压 缩 /解压解决方案。 Indeo 音频软件能提供高质量的压缩音频，可用于互联网、企业内部网和多媒体应用方案等。 它既能进行音乐压缩也能进行声音压缩，压缩比可达8:1 而没有明显的质量损失。 Indeo 技术能帮助您构建内容更丰富的多媒体网站。 目前被广泛用于动态效果演示、游戏过场动画、非线性素材保存等用途，是目前使用最广泛的一种 AVI 编码技术。 现在 Indeo 编码技术及其相关软件产品已经被 Ligos Technology 公司收购。 随着 MPEG 的崛起， Indeo 面临着极大的挑战。 下面就简单介绍几种常用的函数 AVIREAD() AVIREAD()函数的功能是读 /写一个 AVI 文件到 MATLAB 视频结构中。 它的使用语法如下。 MOV= AVIREAD(FILENAME) 其中，参数 FILENAME 是生成的 AVI 文件的文件名称，如果没有扩展名，系统将会自动默认其扩展名为 avi，而返回值 MOV 有两个字段： cdata 和 colormap。 ADDFRAME() ADDFRAME()函数的功能是添加单一的视频到 AVI 文件中。 他的使用语法如下。 AVIOBJ= ADDFRAME(AVIOBJ,FRAME) 添加 FRAME 中的数据到使用 FRAME 创建的 AVIOBJECT 中去。 FRAME 既可以是一个索引图像，也可以是一个真彩色图像。 如果 FRAME 不是添加到 AVI 文件的第一帧，它是维数必须和前面的帧一致。 提取 AVI 视频文件的帧 类似地，也可以编写一个简单的函数 avi2bmp(),将 AVI 文件红的视频帧单独存储为 JPG 格式的静止图像。 函数的 MATLAB 代码如下。 mov=aviread() mov=aviread(39。 39。 ) 西安电子科技大学 本 科 毕 业 设 计 论 文 10 mov=aviread mov=aviread(39。 39。 ) temp=size(mov) temp=size(mov) for i=1:20,strtemp=strcat(exmbmp,int2str(i),39。 .jpg 39。 )。 imwrite(mov(i).cdata(:,:,:),strtemp) end imshow imshow(39。 39。 ) clc imshow(f) 效果图如下： 西安电子科技大学 本 科 毕 业 设 计 论 文 11 图 31 为提取出来的 20 张图像 以上为 AVI 文件转换为 JPG 图像 对上述 avi2bmp()函数稍作修改，即可将 AVI 文件中的视频的帧单独存储为 BMP,PNP等格式的静止图像。 对图像进行 肤色特征的人脸检测 色彩空间 及其内容介绍 色彩空间 “色彩空间 ”一词源于西方的 “Color Space”，又称作 “色域 ”，色彩学中，人们建立了多种色彩模型，以一维、二维、三维甚至四维空间坐标来表示某一色彩，这种 坐标系统 所能定义的色彩范围即色彩空间。 我们经常用到的色彩空间主要有 RGB、 CMYK、Lab 等。 本文主要介绍 RGB 色彩空间的相关知识。 RGB 色彩空间 RGB，就是 红、绿、蓝 (red、 green、 blue)的缩写。 RGB 色彩空间 可以表示 所有颜色， 因此 应用十分广泛。 在 RGB 模式 中 ，图像中每一个像素点的 RGB 分量的强度值都可从 0(黑色 )到255(白色 )变化。 三种颜色按照不同的比例混合，将各种色彩表现出来，这一道理十分易于理解。 将图像由 RGB 色彩空间转换到 rgb 色彩空间 rgb 模型的转换公式为 YCbCr色彩空间 对于 YcbCr 色彩空间我们可能不太熟悉，我们下面介绍一下，它 是一种常见的颜色模型 ，在 电视视频传输中 经常用到，它的优势是 占用的带宽及存储资源较少。 YCbCr是 CCIR601 编码方案中采用的彩色表示模型，在电视盒的色彩显示等领域中应用较多。 在此色彩空间中， Y 是亮度，即灰度值， Cb 和 Cr 是色度信息，它同样具有 HIS1)(3 B)GB / ( Rb B )。 GG / ( Rg B )。 GR / ( Rr 西安电子科技大学 本 科 毕 业 设 计 论 文 12 格式中将亮度分量分离的特点。 它可以由 RGB 格式经线性变化得到，因此很少直接应用于物体色彩的聚类分析，而在其基础上的变换模型应用则更为普遍。 RGB 各分量通过线性变换即可得到 YCbCr 色彩空间的系数，如公式 32 所示。 不同于 HSV， YCbCr 的亮度分量并不完全独立于色度信息， Y 不同的情况下，肤色的聚类区域随之呈非线形变化。 BGRCrCbY3 1 2 1 3 2 4 9 1 4 8 9 （ 32） 对图像进行预处理 在现实生活中我们知道 ，获取人脸图像 有着不可变化的复杂性 ， 会受到很多因数的影响，如 光照 ， 时间、地点、设备、 各类 技术参数等变化 ，使得我们 对 获取 图像中的人脸信息造成 影响。 还有一些隐性的因素，如 我们在摄影摄像的过程中经常遇到的饱和度不足、过饱和、偏色等现象都是这种差异干扰的实例。 正是因为这样，为了消除光照等不确定因素对图像中肤色的影响，我们必须在进行人脸检测前进行色彩平衡、光照补偿等预 处理操作。 [9] 对图像进行色彩平衡 首先在检测的图像中，我们要消除来自图像色彩的干扰 ， 就要调整色彩度的变量 ，所以我们要 先对图像进行色彩平衡的处理操作。 色彩平衡处理的实现，是利用输入图像中的 RGB 三个分量的平均值 averR， averG,averB，算出这三个分量的总平均值，公式如下 :  a v e r Ba v e r Ba v e r RW o r ld V a lu e  31 （ 33） 随后，将所有像素的分量值乘以总平均值和相应分量平均值的比值，即完成图像中所 有像素分量值的 统一化，这就很好的的 对。