ubutun及dm3730的人脸检测设计软件开发
信息技术高速发展的同时，也使得人脸检测技术得到了越来越广泛的应用。社会安保、身份识别、影音娱乐等各个应用都会应用到人脸检测技术。人脸检测系统因其具有广泛的实用价值和研究意义，现如今已经成为了一个研究的热点。本文采用的是基于背景消除、肤色分割和几何判别相结合的人脸检测方法，先要将RGB空间转换到Y,Cb,Cr空间；然后将采集到的图像与保存的原始图像背景对比，利用他们之间的差异来对图像进行背景消除，接着就是将整个人体从复杂的图像背景中分离出来；再根据人体各部分的肤色色度的不同，来将人体皮肤区域进行分割，从而得到人脸候选区域；最后再用人脸的几何分布特征不同的方法，排除人脸候选区域中非人脸的部分，得到人脸的最终位置。 这种方法的优点是检测速度快，正确率和通过率高。但是仍有一定的局限性，比如亮度过小时，非肤色区域就会被误判为肤色，亮度过大时，肤色区域就会被判定为非肤色区域。关键词 人脸检测，肤色，椭圆模型，Y Cb Cr 目 录
1 绪论 1
1.1 人脸检测技术的背景和意义 1
1.2 人脸检测技术的国内外研究现状 1
1.2.1国外的研究技术 1
1.2.2 国内的研究技术 2
1.3 人脸检测的基本方法 2
1.3.1 基于特征知识的检测方法 2
1.3.2 基于统计学习的检测方法 3
1.4 人脸检测技术的难点 3
1.5 本课题研究的内容及全文的结构安排 4
1.5.1 研究的内容 4
1.5.2 全文的结构安排 4
2 Ubuntu简介 4
2.1 Ubuntu简介 4
2.2 Ubuntu的安装 5
2.2.1 VMware的安装 5
2.2.2 Ubuntu的搭建 5
3 基于背景消除、肤色分割和几何判别相结合的人脸检测 6
3.1各颜色空间之间的转换 6
3.1.1 常用颜色空间 6
3.1.2 选取颜色空间 8
3.2 消除图像背景 8
3.2.1 基于色度差分图像的背景消除算法原理 8
3.2.2 色度差分图
*好棒文|www.hbsrm.com +Q: ￥3^5`1^9`1^6^0`7^2$
2.2.2 Ubuntu的搭建 5
3 基于背景消除、肤色分割和几何判别相结合的人脸检测 6
3.1各颜色空间之间的转换 6
3.1.1 常用颜色空间 6
3.1.2 选取颜色空间 8
3.2 消除图像背景 8
3.2.1 基于色度差分图像的背景消除算法原理 8
3.2.2 色度差分图二值化 9
3.3 肤色分割 10
3.3.1 基于Y Cb Cr的肤色模型 10
3.3.2三种肤色模型的比较 13
3.4 算法的改进 13
3.4.1 椭圆模型的不足 13
3.4.3 改进前后对比 14
3.5 二值图像的数学形态学处理 15
3.5.1 数学形态学的基本运算 15
3.5.2 人脸二值化图像的形态学滤波 16
3.6 人脸的几何特征判别 16
3.7 算法流程图 17
3.8 本章小结 17
4 实验分析 18
4.1 实验图像 18
4.2 实验分析 18
结 论 19
致 谢 20
参考文献 21
1 绪论
1.1 人脸检测技术的背景和意义
人脸是人与人之间以及人与其他物种之间最具有辨识度和差别的器官，根据人脸我们可以获取有关种族、年龄、性别等一些信息。在人脸自动化检测和识别的系统中，如何利用计算机来对人脸进行高效处理是一个非常重要和现实的课题。尤其是在这最近几年的时间里，人们对人脸识别理论研究的不断深入，人脸检测系统具有可靠性和安全系数高，并且方便、快捷，因此应用的范围也原来越广泛，有非常广阔的应用前景[1-3]。
人脸检测，顾名思义就是在采集得到的图像中准确的找出人脸的位置、大小、姿态的一个过程，在人脸信息处理中扮演着极其重要的角色[4]。因为检测结果的好与坏将会对后续的工作产生一系列的影响。其实，人脸检测就是在判别所给检测区域内是否存在人脸的一个过程。人脸检测的主要工作就是在所给的图像中，利用一定的算法来判断该图像中是否存在人脸。如果在所给的图像中检测到了人脸，那么就返回所检测到人脸的位置、大小以及姿态[5]。
随着人脸检测技术的不断发展，在这过程中也遇到了越来越多的实用性的问题。因此，人脸检测技术也逐渐成为一个独立研究的课题。人脸检测的问题也得到了广泛的关注和长远的发展。国内外的各个研究者提出了很多有关人脸检测的方法，虽然在某种程度上也取得了一定的成就，但是要找到一种针对在复杂环境中的人脸检测技术，还需要走很长的一段路。
1.2 人脸检测技术的国内外研究现状
1.2.1国外的研究技术
国外的人脸检测技术发展比国内要早很多，因此，该技术也比国内成熟很多。从上个世纪六七十年代开始，国外的一些机构和学者就已经开始研究人脸检测技术了。最开始他们研究的是在简单的背景下正面的人脸检测技术，用的方法相对而言还是比较简单的，比如：模板匹配、子空间等[6]。随着人脸检测技术的不断发展，遇到的问题也越来越多，图像的背景再也不是单一的了。早期的研究方法已经不能够满足人脸检测的要求了。其中Yang等[7]提出了一种基于镶嵌图的检测算法，其原理是把人脸的五官划分成等大小的矩形区域，并且分别求出这五个区域的像素均值，再通过验证计算得到的均值是否满足人脸检测的条件。Dai等[8]也提出了一种人脸检测技术——使用空间灰度共生矩阵，其原理是沿着某个方向并计算这个方向上像素点的灰度相关值，并且多找几个不同的方向，也计算出这些方向上像素点的相关值。然后通过这些计算得到的灰度相关值生成一个灰度共生矩阵，用这些矩阵建立一个有关人脸纹理特征的模板。Sakai等人通过脸上的器官，建立一个对其子模板建模，从而来检测出照片中人脸的位置。为了检测出人脸，国外的研究者还提出了很多检测的方法。
1.2.2 国内的研究技术
我国的人脸检测技术虽然起步晚，但是在我国的研究者们努力下，也发现了很多人脸检测方法。虽然我国的研究技术主要在国外现有的技术上进行改进和完善，当然也提出了一些新的检测方法。比如：卢春雨等对Yang的检测方法进行了完善，不是将人的五官分成五个大小相等的矩形，而是将人脸按33的网格划分，而不是单纯的计算像素均值，通过均值来统计灰度和梯度的分布情况[9]。李华胜提出了一种增长人脸图像区域从而分割出人脸，分割出人脸之后，把边缘检测、Hough变换、模板匹配等技术相结合的方法，高效快速的检测出人脸的面部器官，比如眼睛、嘴巴的特征。国内有许多机构大学也在进行这方面的研究[10-12],比如清华大学、中科院计算所等。
1.3 人脸检测的基本方法
1.3.1 基于特征知识的检测方法
人脸是区分人与其他物体的一个重要的特征。因其具有其他物体所没有的近似椭圆的外部轮廓、器官分布的几何特征等面部特征。因此我们可以根据这些特征来对人脸进行检测。即利用特征知识来检测人脸。其原理是将采集到的图像，进行人脸特征知识的提取、编码等工作之后，然后利用之前获得的编码来对采集到的图像进行人脸的比对和分析，最后再根据对比分析的结果判
1 绪论 1
1.1 人脸检测技术的背景和意义 1
1.2 人脸检测技术的国内外研究现状 1
1.2.1国外的研究技术 1
1.2.2 国内的研究技术 2
1.3 人脸检测的基本方法 2
1.3.1 基于特征知识的检测方法 2
1.3.2 基于统计学习的检测方法 3
1.4 人脸检测技术的难点 3
1.5 本课题研究的内容及全文的结构安排 4
1.5.1 研究的内容 4
1.5.2 全文的结构安排 4
2 Ubuntu简介 4
2.1 Ubuntu简介 4
2.2 Ubuntu的安装 5
2.2.1 VMware的安装 5
2.2.2 Ubuntu的搭建 5
3 基于背景消除、肤色分割和几何判别相结合的人脸检测 6
3.1各颜色空间之间的转换 6
3.1.1 常用颜色空间 6
3.1.2 选取颜色空间 8
3.2 消除图像背景 8
3.2.1 基于色度差分图像的背景消除算法原理 8
3.2.2 色度差分图
*好棒文|www.hbsrm.com +Q: ￥3^5`1^9`1^6^0`7^2$
2.2.2 Ubuntu的搭建 5
3 基于背景消除、肤色分割和几何判别相结合的人脸检测 6
3.1各颜色空间之间的转换 6
3.1.1 常用颜色空间 6
3.1.2 选取颜色空间 8
3.2 消除图像背景 8
3.2.1 基于色度差分图像的背景消除算法原理 8
3.2.2 色度差分图二值化 9
3.3 肤色分割 10
3.3.1 基于Y Cb Cr的肤色模型 10
3.3.2三种肤色模型的比较 13
3.4 算法的改进 13
3.4.1 椭圆模型的不足 13
3.4.3 改进前后对比 14
3.5 二值图像的数学形态学处理 15
3.5.1 数学形态学的基本运算 15
3.5.2 人脸二值化图像的形态学滤波 16
3.6 人脸的几何特征判别 16
3.7 算法流程图 17
3.8 本章小结 17
4 实验分析 18
4.1 实验图像 18
4.2 实验分析 18
结 论 19
致 谢 20
参考文献 21
1 绪论
1.1 人脸检测技术的背景和意义
人脸是人与人之间以及人与其他物种之间最具有辨识度和差别的器官，根据人脸我们可以获取有关种族、年龄、性别等一些信息。在人脸自动化检测和识别的系统中，如何利用计算机来对人脸进行高效处理是一个非常重要和现实的课题。尤其是在这最近几年的时间里，人们对人脸识别理论研究的不断深入，人脸检测系统具有可靠性和安全系数高，并且方便、快捷，因此应用的范围也原来越广泛，有非常广阔的应用前景[1-3]。
人脸检测，顾名思义就是在采集得到的图像中准确的找出人脸的位置、大小、姿态的一个过程，在人脸信息处理中扮演着极其重要的角色[4]。因为检测结果的好与坏将会对后续的工作产生一系列的影响。其实，人脸检测就是在判别所给检测区域内是否存在人脸的一个过程。人脸检测的主要工作就是在所给的图像中，利用一定的算法来判断该图像中是否存在人脸。如果在所给的图像中检测到了人脸，那么就返回所检测到人脸的位置、大小以及姿态[5]。
随着人脸检测技术的不断发展，在这过程中也遇到了越来越多的实用性的问题。因此，人脸检测技术也逐渐成为一个独立研究的课题。人脸检测的问题也得到了广泛的关注和长远的发展。国内外的各个研究者提出了很多有关人脸检测的方法，虽然在某种程度上也取得了一定的成就，但是要找到一种针对在复杂环境中的人脸检测技术，还需要走很长的一段路。
1.2 人脸检测技术的国内外研究现状
1.2.1国外的研究技术
国外的人脸检测技术发展比国内要早很多，因此，该技术也比国内成熟很多。从上个世纪六七十年代开始，国外的一些机构和学者就已经开始研究人脸检测技术了。最开始他们研究的是在简单的背景下正面的人脸检测技术，用的方法相对而言还是比较简单的，比如：模板匹配、子空间等[6]。随着人脸检测技术的不断发展，遇到的问题也越来越多，图像的背景再也不是单一的了。早期的研究方法已经不能够满足人脸检测的要求了。其中Yang等[7]提出了一种基于镶嵌图的检测算法，其原理是把人脸的五官划分成等大小的矩形区域，并且分别求出这五个区域的像素均值，再通过验证计算得到的均值是否满足人脸检测的条件。Dai等[8]也提出了一种人脸检测技术——使用空间灰度共生矩阵，其原理是沿着某个方向并计算这个方向上像素点的灰度相关值，并且多找几个不同的方向，也计算出这些方向上像素点的相关值。然后通过这些计算得到的灰度相关值生成一个灰度共生矩阵，用这些矩阵建立一个有关人脸纹理特征的模板。Sakai等人通过脸上的器官，建立一个对其子模板建模，从而来检测出照片中人脸的位置。为了检测出人脸，国外的研究者还提出了很多检测的方法。
1.2.2 国内的研究技术
我国的人脸检测技术虽然起步晚，但是在我国的研究者们努力下，也发现了很多人脸检测方法。虽然我国的研究技术主要在国外现有的技术上进行改进和完善，当然也提出了一些新的检测方法。比如：卢春雨等对Yang的检测方法进行了完善，不是将人的五官分成五个大小相等的矩形，而是将人脸按33的网格划分，而不是单纯的计算像素均值，通过均值来统计灰度和梯度的分布情况[9]。李华胜提出了一种增长人脸图像区域从而分割出人脸，分割出人脸之后，把边缘检测、Hough变换、模板匹配等技术相结合的方法，高效快速的检测出人脸的面部器官，比如眼睛、嘴巴的特征。国内有许多机构大学也在进行这方面的研究[10-12],比如清华大学、中科院计算所等。
1.3 人脸检测的基本方法
1.3.1 基于特征知识的检测方法
人脸是区分人与其他物体的一个重要的特征。因其具有其他物体所没有的近似椭圆的外部轮廓、器官分布的几何特征等面部特征。因此我们可以根据这些特征来对人脸进行检测。即利用特征知识来检测人脸。其原理是将采集到的图像，进行人脸特征知识的提取、编码等工作之后，然后利用之前获得的编码来对采集到的图像进行人脸的比对和分析，最后再根据对比分析的结果判
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/1948.html
