基于膚色的人臉分割方法研究所有專業-資料下載頁

【導讀】人臉識別技術是模式識別和計算機視覺研究的一個重要領域。視頻監控、邊防安全等方面都有重要的應用價值。人臉識別系統主要分為三個步。壓縮等應用的重要環節都有用到它。本文首先介紹了人臉檢測技術的意義、應用技術以及現階段國內外研究現狀，并對本為所做的工作進行了綜述。識別人臉，檢測識別率高等優點，結果顯示該方法具有一定的實用性。

　　

【正文】 理，此時 是對膚色區域的寬度進行調整。 本章小結 本章主要討論了 5 方面的內容 ，圖像的預處理、自適應閾值選取、二值圖像處理、形態學處理 及 人臉區域定位 。 光線補償算法改善了晦暗或高光造成的圖像偏色情況 ,尤其圖像整體偏紅或偏黃等的情況 ,對于后續膚色建模的效果有很大優化 。 關于選取顏色空間的標準 ,一般要考慮以下幾點從顏色空間轉換的復雜度顏色分布與人感知特性的一致性皮膚顏色在空間的分布情況等 。 同時 ,顏色空間的選擇又與膚色建模的方式密切相關 。 通過對各種顏色空間的介紹與對比 ,選擇顏色空間作為本文的膚色建模空間 。 4 人臉檢測界 面及結果分析 近幾十年來計算機技術的發展可以說是突飛猛進，技術的提高使人們對人機交互的要求也越來越高。而人臉檢測的研究就是讓計算機實現類似于人類的非精確的交互方式。人臉的檢測與特征定位是人機智能接口的重要交互通道，對于人臉識別系統的實現具有決定性意義。前面章節中介紹了色彩空間的選擇、膚色模型的建立、膚色分割、人臉區域 的定位，那么 本章是 在此的基礎上對實驗的代碼實驗的結果進行分析和 本科畢業設計說明書（論文） 第 17 頁 共 28 頁 講解。 代碼 實驗分析 因彩色圖像的人臉檢測沒有一個統一的圖像測試集，沒有固定的 標準來衡量檢測算法。為了驗證上述檢測算法，本文建立一個彩色人臉圖像庫，其中彩色人臉圖像的主要來源是互聯網和數碼相機。圖像庫包括不同背景、不同光照、不同尺寸大小、不同年齡、不同性別的人臉圖像，有 500 幅共計 693 個人臉。下面給出部分圖像的人臉檢測結果，如圖 至圖 。最后，通過檢測結果對彩色圖像的人臉檢測算法進行評判。 圖 實驗運行結果圖 1 圖 實驗運行結果圖 2 本章小結 從檢測結果可以看出，采用本文算法實現彩色圖像的人臉檢測，不僅能夠正確檢測出正面的人臉圖像，也能夠 檢測具有一定旋轉角度的人臉圖像；不僅能夠檢測出色光較正的人臉圖像，對具有色彩偏差的人臉圖像也能夠正確檢測；不僅能夠檢測單人臉圖像，對多人臉圖像的檢測也具有一定的準確率。實 驗表明，該算法具有計算量小、易于實現、抗噪能力強、魯棒性好的特點。 本文算法主要是對單人臉正面的圖像進行檢測和特征定位，從統計結果也可以看出， 本科畢業設計說明書（論文） 第 18 頁 共 28 頁 單人臉圖像的檢測效果較多人臉的檢測效果好。但該算法仍然有其局限性，只能檢測正面和傾斜角度較小的人臉圖像， 而且 要求圖像面部特征較為明顯。本文人臉誤檢測的情況主要是受類膚色區域的干擾，當所獲得的類膚色區域 滿足人臉區域初步定位和面部特征定位的要求時，就會產生誤檢測。而人臉漏檢測的情況主要是在進行人臉區域初步定位和面部特征定位時出現的，受光照等因素的影響，人臉圖像在進行膚色 分割時若分割不完全，就會產生人臉區域初步定位中部分漏檢或全部漏檢的情況 。 結 論 膚色是人體所固有的生理特征，其顏色信息對方向不敏感，利用膚色可以對旋轉 本科畢業設計說明書（論文） 第 19 頁 共 28 頁 或側轉的人臉進行檢測，因此基于膚色分割的人臉檢測與跟蹤就成為一種處理彩色圖像視頻的常用方法 。本文提出應用復合高斯模型在 YCbCr色彩空間建立膚色模型， 自適應閾值法進行膚色分割的基于膚色分割的人臉檢測方法研究。 首先，選定色彩空間，建立高斯膚色模型，并對彩色圖像進行膚色分割，將膚色區域從背景區域中分離出來。本文提出一種直方圖與最大類間方差法相結合的自適應閾值分割方法，從而較準確地將膚色區域分割出來。 當然在分割之前要先對圖像進行預處理，如對圖像的光線補償等。 其次，采用數學形態學方法和先驗知識對分割后的二值圖像進行處理，根據人臉長寬 、 圓形度 、歐拉數和區域面積等理論提取出人臉候選區域。 實驗表明，該算法檢測效率較高、計算量小、易于實現、抗噪能力強、魯棒性好。尤其是 對單人臉圖像的檢測正確率可達 92%，但對多人臉圖像的檢測效率還需要提高。 本文的研究雖然取得一些成果，但由于時間和能力有限，研究的范圍和深度都還不夠，今后還有許多工作要做。首先，本文研究的彩色圖像是從互聯網上下載的和數碼相機攝取的，背景較為簡單，這給本文的人臉檢測算法提供了很多方便。但在實際生活中，大多數人臉圖像背景較為復雜，無用的圖像信息較多，這就給研究工作帶來了一定的困難，因此，對復雜圖像的人臉檢測研究應該成為今后的重點。其次，雖然國內外很多研究機構和大學實驗室都在對彩色人臉檢測進行研究，但到目前為止， 還沒有一個統一的能夠用于人臉檢測的彩色圖像庫，這就無法對各種人臉檢測算法進行比較。最后，人臉檢測研究多是在特定條件下進行的，若要使檢測算法對任意條件下的圖像均有效，如何提高算法的通用性也是需要解決的問題。 致 謝 本科畢業設計說明書（論文） 第 20 頁 共 28 頁 參 考 文 獻 [1] 盧春雨 ,張長水 ,聞芳 ,閻平凡 .基于區域特征的快速人臉檢測法 [J].清華大學學報 (自然科學版 ),1999,21(01):115118. [2] 山世光 ,高文 ,陳熙霖 .基于紋理分布和變形模板的面部特征提取 [J].軟件學報 , 2020,34(04):2427. [3] 艾海舟 ,梁路宏 ,徐光祐 ,張鈸 .基于膚色和模板的人臉檢測 [J].軟件 學 報 ,2020，17(12):5658. [4] 王航宇 .基于 YCbCr 高斯膚色模型 人臉檢測技術研究 [J].現代電子技術 , 2020，4(22):911. [5] 王金庭 ,楊敏 .基于 YCbCr 空間的亮度自適應膚色檢測 [J].計算機系統應用 , 2020,33(06):261263. [6] 朱正平 ,孫傳慶 ,王陽萍 .基于膚色與模板匹配的人臉檢測方法研究 [J].自動化與儀器儀表 ,2020,18(06):7980. [7] 孫繼平 ,陳偉 ,唐亮 ,劉曉陽 ,林海濤 .有 限空間低照度低分辨率圖像中人臉檢測 本科畢業設計說明書（論文） 第 21 頁 共 28 頁 [J].中國礦業大學學報 ,2020,42(03):155157. [8] 張會森 ,王映輝 .人臉識別技術 [J].計算機工程與設計 ,2020,11(06):6667. [9] 劉艷麗 ,趙躍龍 .人臉識別技術研究進展 [J].計算機工程 ,2020,7(02):255257. [10] 周 杰 ,盧春雪 .人臉自動識別方法綜述 [J].電子學報 ,2020,28(04):4244. [11] Miao J， Yin B C， Wang K Q， et a1． A Hierarchical System For Human Face Detection In A ComplexBackground Using Center Template[J].Pattern Recognition,1999， 32(07):647650. [12] 劉正光 ,劉潔 .基于膚色分割的人臉檢測算法研究 [J].計算機工程， 2020， 33（ 04）： 152155. [13] 湯秋艷 ,王琰 .一種基于膚色分割的彩色圖像 人臉檢測方法 [J].沈陽理工大學學報 ,2020,26(05):6366. [14] 沈常宇 ,許潘園 .膚色建模和膚色分割的人臉定位研究 [J].中國計量學院，光電子技術研究所 ,2020,34(09):3233. [15] AW Anderson,P of the middle fusiform‘ face area39。increases with expertise in recognizing novel neuroscience[J],1999,33(05):871874. [16] 張翠平 ,蘇光大 .人臉識別技術綜述 [J].中國圖象 圖形學報 ,2020,5(11):1719. [17] Lu X G,Zhotl J,Zhang C algorithm for rotated human face :Proc IEEE Conference on Computer Visionand Pattern Recognition,Hilton Head Island,SouthCarolina[M],USA,2020,7(34):436439． [18] 孫寧，鄒采榮，趙力．人臉檢測綜述 [J]．電路與系統學報， 2020， 11(6)： 101～107. [19] 魏冉，姜莉，陶霖密．融合人臉多特征信息的表情識別系統 [J]．中國圖像圖形學報， 2020， 4(5)： 792～ 780. [20] 劉正光，劉潔．基于膚色分割的人臉檢測算法研究 [J]．計算機工程， 2020， 33(4)：179～ 180. [21] 王建國，王江濤，楊靜宇．復雜背景彩色圖像中多角度人臉檢測 [M]．計算機工程， 2020， 34(3)： 210～ 212. [22] 吳彩虹，陳金明．復雜背景下具有偏轉角度的正面人臉檢測 [J]．計算機工程與 本科畢業設計說明書（論文） 第 22 頁 共 28 頁 應用， 2020， 44(4)： 245～ 248. [23] ChinChiang， ChiJang Huang． A Robust Method for Detecting Arbitrarily tilted human faces in colorimages[J]． Science Direct， 2020： 2518～ 2536. [24] 喬曉芳，吳小俊，王士同．一種改進的人臉檢測算法 [M]．計算機應用， 2020，28(4)： 986～ 989. [25] 田源，于鳳芹．人臉檢測方法綜述 [J]．計算機安全， 2020， 11(5)： 76～ 79. [26] 范小九，彭強，夏旭．一種改進的 AAM 人臉特征點快速定位方法 [J]．電子與信息學報， 2020， 31(6)： 1354～ 1358. [27] Rowley H A， Baluja S， Kanade T． Neural workbased face detection[J]． IEEE Trans Pattern Analysis andMachine Intelligence， 1998： 23～ 38.