图像处理在人脸识别中的应用.doc

《图像处理在人脸识别中的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、图像处理在人脸识别中的应用2016-2017学年第二学期《数字图像处理》课程设计  所在学院：学生姓名：学生学号：任课老师：年月日一、实验目的查阅并消化有关人脸识别文献所提出的算法，综合使用所学数字图像处理的有关知识实现单张图像的人脸识别。二、实验原理随着新的信息技术和信息媒介的普及，在人机交互方面越来越多的高效友好的方法被开发出来，这些方法不依赖于传统的设备，比如说键盘、鼠标和显示器。而且，计算机性价比持续下降，近来视频设备成本下跌，预示着计算机视频系统能够在台式机和嵌入式系统中开发。人脸处理研究的快速发展是基于假设的，即关于用户身份、状态、意图的信息能够从图像中抽

2、取出来，然后计算机做出相应相应，比方说观察一个人的面部表情。任何一个人脸处理系统的第一步是人脸在图像中的位置。然而，从单张图片中检测出人脸是一项具有挑战性的工作，因为人脸在大小、位置、方向、姿势方面是可变的。人脸表情、牙齿相接触的方式、光照也会改变人脸的整体外观。我们队对人脸检测下一个定义：给定任意图像，人脸检测的目的是确定图像中是否有人脸，如果有人脸，则返回人脸在图像中的位置和范围。即给定一张图像，人脸检测的目的是确定所有包含人脸的图像区域，而不管人脸的三维位置、方向和光照条件。人脸检测面临的挑战可以归结为以下因素：（1）姿势。人脸图像会因为摄影机一人脸的相对位置（

3、正面，成45度角，侧面，上下颠倒）以及象独眼、鼻子部分或全部闭合等一些人脸特性而不同。（2）组成部件的有和无。像胡子、眼镜等面部特征，有些人有，有些人没有，而他们在形状、颜色和大小方面也有很大的差别。（3）面部表情。人的面貌直接收受面部表情的影响。（4）遮挡。人脸可能被其他物体部分遮挡。在有一群人的图像里，有些人的脸会被其他人的脸部分遮挡。（5）图像的方位。人脸图像直接受视频光轴的不同旋转角度影响。（6）成像条件。当图像形成的时候，光照（光谱、光源分布、光密度）、摄像头特性（感应器、镜头）等因素会影响人脸的外观。（7）人脸检测有很多相关的问题。人脸定位的目标是确定单张

4、人脸在图像中的位置。这是一个简单的检测问题，它假设输入的图像只包含一张人脸。人脸特征检测的目的是检测人脸特征的有无和位置，比如说眼睛、鼻子、鼻孔、眉毛、嘴巴、嘴唇、耳朵等的有无和位置，其前提同样是假设图像中只有一张人脸。人脸识别是将输入图像与数据库中的人脸图像进行比较，如果有匹配的，则报告匹配情况。人脸验证的是在输入图像中验证单个人的方位。人脸表情识别涉及确认人的感情状态（包裹高兴、悲伤、厌恶等）。显然，在任何解决以上问题的自动化系统中人脸识别是第一步。目前，人们提出用来在单张黑白或彩色图像中检测人脸的方法已经有10多种。对单张图像的检测分为四类，但有些方法明显同时属

5、于多于一个类：（1）基于知识的方法。这些基于先验知识的方法对组成典型人脸的知识进行编码。通常，先验知识包含了这些人脸特征之间的相互关系。此类方法主要用于人脸定位。（1）特征不变方法。这些算法的目标是找出存在的一些结构特征。这些算法的目标是找出存在的一些结构特征，这些特征在姿势、观察点、光照改变的情况下保持不变。然后使用这些特征来定位人脸。这些方法主要用于人脸定位。（2）模板匹配法。这种方法首先是存储一张人脸的几个标准模板，用来描述整张人脸或人脸的部分特性。然后通过计算输入图像与已经存储模板之间的相关度来进行检测。这些方法既可用于人脸检测也可用于人脸定位。（3）基于外观

6、的方法。与模板匹配不同的是，这里的模板是从一组训练图像经过学习而得来的，这些图像应该包括人脸外观的具有代表性的变化元素。这些方法主要用于人脸识别。下面我们将简介本实验中选用的基于特征不变量——人类肤色的研究目标和大体方法。人类的特征肤色已被使用，并在从人类检测到跟踪的许多应用中被证明是有效的特征。虽然不同的人有不同的肤色，有几个研究已经表明肤色的主要差别不是在于她们的色度而是主要在于其亮度。已经有几个颜色空间被用来标记作为人类的像素，包括rgb、标准化RGB、HSV（或HSI）、YCrCb、YIQ、YES、CIEXYZ或CIE LUV。至今，人们已经提出了许多方法来建

7、立肤色模型。最简单的模型是使用Cr、Cb值，例如从肤色像素样本得到Cr、Cb值R(Cr、Cb)，来定义肤色色调像素区域。选择适合的阈值[Cr1,Cr2]和[Cb1,Cb2]，如果一个像素的颜色值[Cr,Cb]落入该区域，即Cr1<= Cr <=Cr2及Cb1<= Cb<= Cb2，则认为该像素点有肤色色调。在假定皮肤是由像素组成的前提下，Crowley和Coutaz使用一个直方图h(r,g)获取得到精确RGB向量的可能性，其中h(r,g)是在标准RGB颜色空间中的(r,g)值。换句话说，如果h(r,g)>=n,其中n是根据经验从直方图样本中选择的阈值