基于肤色模型的快速人脸检测技术
基于肤色模型的快速人脸检测技术[20200406105914]
摘要
近几年，随着生物特征识别技术的发展与成本的降低，我们不难发现很多领域都在应用该技术。而人脸识别技术是所有的生物识别方法中应用最广泛的技术之一，而人脸检测又是人脸识别的第一步。
人脸检测主要是对给定的图像或者图片把它们当中存在的人脸给鉴定出来，并且明确那些人脸的位置和大小以被后续工作所采用。人脸检测出现的时间还并不是很长，这是一个充满生机和机会的研究领域，此外，它所涉及的学科也相当广泛，如我们所熟知的模式识别、计算机视觉、生物学和数学等等它都有所涵盖。早先由于技术的限制，该技术并为受到极大的重视，但随着技术的不断成熟，人脸检测技术也被越来越多的研究人士所关注，然而检测问题却是一个极具挑战的课题。首先人脸本身就是一个极不规则且复杂的待测目标，又如脸部带有眼镜、脸上长有胡须或头发遮盖面部等都对识别有很大的影响；另一方则是来自外在的因素，由于大多数的人脸检测都是对图像捕捉设备和视频交流设备中的数字图像序列来进行检测，因此，采集这些图像时光源的方向、光照的强弱、背景颜色等都会对我们处理图像时带来相应的不变与麻烦。
本文所学习的方法主要是利用肤色模型作为前期预处理，从而得到人脸的外轮廓，也就了完成人脸定位，最后则从人脸的内部轮廓来提取单独的鼻子、嘴巴以及眼睛等特征，按照相应的算法和它们存在的几何特性做出相应的定位。我们通过对外轮廓和内轮廓两方面的检测与定位，便实现了基于肤色模型的快速人脸检测。
*查看完整论文请 +Q: 3 5 1 9 1 6 0 7 2
关键字:人脸检测特征点定位
目录
1、绪论 1
1.1研究的背景 1
1.2研究的意义 1
1.3论文的主要学习和了解的问题 1
1.4论文的结构安排 2
2、人脸检测方法综述 3
2.1基于知识的自顶向下的方法 3
2.2基于人脸特征的自底向上的方法 3
2.3模板匹配的方法 4
3、基于肤色的人脸检测算法 5
3.1色彩空间与色彩空间的聚类 5
3.1.1RGB格式（红、绿、蓝三基色模型） 5
3.1.2 HSI格式（色度、饱和度、亮度模型） 6
3.1.3 （YUV）格式 7
3.2肤色模型 7
3.2.1光线补偿处理 7
3.2.2非线性分段色彩变换 8
3.3提取肤色信息 8
3.3.1Visual C++平台上人脸检测仿真 8
3.3.2高斯模型 9
3.3.3高斯模型计算肤色概率 9
3.4人脸区域分割 10
3.4.1系统结构图 10
3.4.2人脸区域分割算法 11
4、人脸特征的检测 15
4.1人脸特征检测流程图 15
4.2双眼的定位与提取 16
4.3嘴巴的定位与提取 17
5、总结与展望 19
参考文献 20
致谢 21
1、绪论
1.1研究的背景
对于传统的信物和证件来检测，存在相对的风险与不确定性，这些物件一旦丢失、遗忘或被伪造，则对我们生活带来极大的麻烦，相对身份检测则就更是天方夜谈了。假如我们选用的是一种自己所特有的，他人还不能模仿的生物特征，比如人脸特征，那么通过人脸识别则可避免以上的麻烦和不变。再者，在很多电影中：调查人员通过摄像头或视频中嫌疑犯得脸部图像，输入电脑中，与数据库中的信息进行对照，则能很快找出嫌疑人的资料和记录。可见人脸识别技术在生活中已有了广泛地运用，而人脸检测作为该技术的第一站，也被受到广泛地关注。
1.2研究的意义
人脸识别技术是一个非常有前景的研究领域，它的推广跟应用是分不开的。而生活中出现的视频会议、人脸考勤机器以及人脸识别仪等都是人脸识别技术的体现。随着研究的不断深入，人脸检测的优势也越来越明显的展现在我们面前：第一点就是很多人都能接受这一方式，毕竟人脸检测不涉及个人隐私；再一个人脸检测的操作相对简单，我们只需获得一张人脸图像即可实施，还有就是检测的速度比较快，只需对图像进行扫描，便能在计算机中完成人脸检测并实施身份上的核对与确认；另外一个就是它不容易作假，防伪性上值得相信，对我们的人生财产安全上有极大的保障；最后就是不会担心遗忘或者是遗失，不论什么地方或者是什么时间我们想用就能用。对此，人脸检测这一技术的推广与发展也就更具有意义。
1.3论文的主要学习和了解的问题
人脸检测技术是基于生物特征的一种检测方式，虽然每个人脸上都是眼睛、鼻子和嘴巴，但每个人的这些特征都是不一样的，这些特征的大小、轮廓便是区分人脸的最好根据。本此论文就是在给你一个静止的场景图片或视频图象上，能在简单背景下定位出它们中存在的人脸。
在论文中我们主要学习和了解人脸检测与定位的几个步骤：
肤色模型：这主要是对选取的图像或图片色彩上的处理，目的是为了后续检测更有效的实施；
人脸区域分割：这里主要涉及到一个人脸域分割算法，通过该算法我们能把图片中存在的人脸外轮廓提取出来；
特征提取：论文中我们着重提取和定位的是眼睛，再通过眼睛和嘴巴的先验知识便能轻松的定位出嘴巴的轮廓，最后根据这两大特征分布的几何特性，便能完成对内部轮廓的定位。
此外，本课题的主要是在Visual C++平台上利用基本的数字图像处理技术实现对人脸的快速检测和特征点的准确定位。为降低问题难度，本课题仅限定于简单背景下的静态图像处理。
1.4论文的结构安排
第一章 绪论，简要讲诉一下人脸检测的背景状况，以及人脸检测在计算机技术与生活中广泛应用，如：公安系统、智能监控、身份识别等诸多领域；强调了人脸检测技术的重要意义；最后给出了人脸检测所需完成的工作和课题的主要内容。
第二章 人脸检测方法的综述，主要是从方法论的角度概要性的总结一下本次论文中可能涉及到的检测思想。分别为：基于传统知识的方法、基于人脸特征的自底向上的方法、模板匹配的方法、基于人脸外观的方法，先对它们做一个简单的介绍，再对这些方法做出相应性能评价。
第三章 基于肤色的人脸检测算法，该章主要是对色彩空间与色彩空间的聚类的选择，肤色模型的建立和人脸区域分割算法，并给出了相应的实物仿真图。
第四章 人脸特征的检测，主要是基于人脸外部轮廓完成的前提下，对人脸内部轮廓的检测。首先根据颜色信息剔除那些伪特征，然后在PCA模板上，通过眼睛和嘴巴在人脸上几何特性对它们进行定位，。
第五章 总结与展望，主要总结全文的内容和工作，最后谈一下人脸技术的前景和一些本论文中未提及的相关技术。
2、人脸检测方法综述
对于能否正确的实现人脸检测，我们该采取怎样的方法，是一种还是多种相结合这些都是值得考虑的，接下来主要是对几种方法的简要介绍。
2.1基于知识的自顶向下的方法
该种方法主要是以先验知识为基础，我们也可以称之为基于传统知识的方法，主要是研究人员通过不断的实验与总结将那些复杂程序由简而繁的归纳成一项项规则。例如：“一般正常人脸都是包含一对眼睛，且双眼的位置都是相互对称、位置大小相近”那么我们便把这叫做对称性规则。这项规则除了适用器官外，人脸也同样具备这样的对称性。所以我们可以通过先确定一只眼睛来对称出另一只眼睛，继而确定双眼的位置与大小，最终通过双眼位置与大小确定出人脸的内部轮廓；还有“在对原图处理过后的灰度图像中，眼睛位置所在区域往往比人脸其他部位的颜色偏暗”等轮廓规则、器官分布规则和运动规则。通过熟练的掌握这些规则，我们就好比装备了一把利剑，使我们可以大胆地在图像的检测中披荆斩棘，快捷的搜索出符合规律的人脸区域。当然这把利剑必然是一把双刃剑，一旦规则制定得太死，那么许多本是人脸的图像就可能丧生在这把利剑之下，我们就不得不面临检测不到人脸的窘境；至于规则制定得太宽泛，又将导致许多非人脸滥竽充数被误判成人脸。
2.2基于人脸特征的自底向上的方法
如果说基于传统知识的方法是一种由顶向下的思考模式的话，那么该节中的方法则正好相反。这种方法主要思路是检测人脸的固有特征，也就是对我们脸上的眼睛、鼻子和嘴巴的定位，因为正常的人脸是既不会多点特征，当然更不会缺少什么特征，对此我们就能够通过这些固定的特征来确定人脸。该方法在本论文中有相当广泛地应用，举个例子,当我们在对经过处理的二值化图像进行人脸区域边界操作时，便是在输入的图片中寻找图形的界限，我们再把这些界限与正常人脸左侧的轮廓线和右侧的轮廓线做一个对比；当然，除了边界处理，我们还能够提取图像中的颜色和纹理信息，把它们与人脸面部的颜色和纹理模型做一个对比，则可辨别是否为人脸区域。因此，巧妙地运用人脸的各种特征能快捷有效的判断人脸区域。
2.3模板匹配的方法
摘要
近几年，随着生物特征识别技术的发展与成本的降低，我们不难发现很多领域都在应用该技术。而人脸识别技术是所有的生物识别方法中应用最广泛的技术之一，而人脸检测又是人脸识别的第一步。
人脸检测主要是对给定的图像或者图片把它们当中存在的人脸给鉴定出来，并且明确那些人脸的位置和大小以被后续工作所采用。人脸检测出现的时间还并不是很长，这是一个充满生机和机会的研究领域，此外，它所涉及的学科也相当广泛，如我们所熟知的模式识别、计算机视觉、生物学和数学等等它都有所涵盖。早先由于技术的限制，该技术并为受到极大的重视，但随着技术的不断成熟，人脸检测技术也被越来越多的研究人士所关注，然而检测问题却是一个极具挑战的课题。首先人脸本身就是一个极不规则且复杂的待测目标，又如脸部带有眼镜、脸上长有胡须或头发遮盖面部等都对识别有很大的影响；另一方则是来自外在的因素，由于大多数的人脸检测都是对图像捕捉设备和视频交流设备中的数字图像序列来进行检测，因此，采集这些图像时光源的方向、光照的强弱、背景颜色等都会对我们处理图像时带来相应的不变与麻烦。
本文所学习的方法主要是利用肤色模型作为前期预处理，从而得到人脸的外轮廓，也就了完成人脸定位，最后则从人脸的内部轮廓来提取单独的鼻子、嘴巴以及眼睛等特征，按照相应的算法和它们存在的几何特性做出相应的定位。我们通过对外轮廓和内轮廓两方面的检测与定位，便实现了基于肤色模型的快速人脸检测。
*查看完整论文请 +Q: 3 5 1 9 1 6 0 7 2
关键字:人脸检测特征点定位
目录
1、绪论 1
1.1研究的背景 1
1.2研究的意义 1
1.3论文的主要学习和了解的问题 1
1.4论文的结构安排 2
2、人脸检测方法综述 3
2.1基于知识的自顶向下的方法 3
2.2基于人脸特征的自底向上的方法 3
2.3模板匹配的方法 4
3、基于肤色的人脸检测算法 5
3.1色彩空间与色彩空间的聚类 5
3.1.1RGB格式（红、绿、蓝三基色模型） 5
3.1.2 HSI格式（色度、饱和度、亮度模型） 6
3.1.3 （YUV）格式 7
3.2肤色模型 7
3.2.1光线补偿处理 7
3.2.2非线性分段色彩变换 8
3.3提取肤色信息 8
3.3.1Visual C++平台上人脸检测仿真 8
3.3.2高斯模型 9
3.3.3高斯模型计算肤色概率 9
3.4人脸区域分割 10
3.4.1系统结构图 10
3.4.2人脸区域分割算法 11
4、人脸特征的检测 15
4.1人脸特征检测流程图 15
4.2双眼的定位与提取 16
4.3嘴巴的定位与提取 17
5、总结与展望 19
参考文献 20
致谢 21
1、绪论
1.1研究的背景
对于传统的信物和证件来检测，存在相对的风险与不确定性，这些物件一旦丢失、遗忘或被伪造，则对我们生活带来极大的麻烦，相对身份检测则就更是天方夜谈了。假如我们选用的是一种自己所特有的，他人还不能模仿的生物特征，比如人脸特征，那么通过人脸识别则可避免以上的麻烦和不变。再者，在很多电影中：调查人员通过摄像头或视频中嫌疑犯得脸部图像，输入电脑中，与数据库中的信息进行对照，则能很快找出嫌疑人的资料和记录。可见人脸识别技术在生活中已有了广泛地运用，而人脸检测作为该技术的第一站，也被受到广泛地关注。
1.2研究的意义
人脸识别技术是一个非常有前景的研究领域，它的推广跟应用是分不开的。而生活中出现的视频会议、人脸考勤机器以及人脸识别仪等都是人脸识别技术的体现。随着研究的不断深入，人脸检测的优势也越来越明显的展现在我们面前：第一点就是很多人都能接受这一方式，毕竟人脸检测不涉及个人隐私；再一个人脸检测的操作相对简单，我们只需获得一张人脸图像即可实施，还有就是检测的速度比较快，只需对图像进行扫描，便能在计算机中完成人脸检测并实施身份上的核对与确认；另外一个就是它不容易作假，防伪性上值得相信，对我们的人生财产安全上有极大的保障；最后就是不会担心遗忘或者是遗失，不论什么地方或者是什么时间我们想用就能用。对此，人脸检测这一技术的推广与发展也就更具有意义。
1.3论文的主要学习和了解的问题
人脸检测技术是基于生物特征的一种检测方式，虽然每个人脸上都是眼睛、鼻子和嘴巴，但每个人的这些特征都是不一样的，这些特征的大小、轮廓便是区分人脸的最好根据。本此论文就是在给你一个静止的场景图片或视频图象上，能在简单背景下定位出它们中存在的人脸。
在论文中我们主要学习和了解人脸检测与定位的几个步骤：
肤色模型：这主要是对选取的图像或图片色彩上的处理，目的是为了后续检测更有效的实施；
人脸区域分割：这里主要涉及到一个人脸域分割算法，通过该算法我们能把图片中存在的人脸外轮廓提取出来；
特征提取：论文中我们着重提取和定位的是眼睛，再通过眼睛和嘴巴的先验知识便能轻松的定位出嘴巴的轮廓，最后根据这两大特征分布的几何特性，便能完成对内部轮廓的定位。
此外，本课题的主要是在Visual C++平台上利用基本的数字图像处理技术实现对人脸的快速检测和特征点的准确定位。为降低问题难度，本课题仅限定于简单背景下的静态图像处理。
1.4论文的结构安排
第一章 绪论，简要讲诉一下人脸检测的背景状况，以及人脸检测在计算机技术与生活中广泛应用，如：公安系统、智能监控、身份识别等诸多领域；强调了人脸检测技术的重要意义；最后给出了人脸检测所需完成的工作和课题的主要内容。
第二章 人脸检测方法的综述，主要是从方法论的角度概要性的总结一下本次论文中可能涉及到的检测思想。分别为：基于传统知识的方法、基于人脸特征的自底向上的方法、模板匹配的方法、基于人脸外观的方法，先对它们做一个简单的介绍，再对这些方法做出相应性能评价。
第三章 基于肤色的人脸检测算法，该章主要是对色彩空间与色彩空间的聚类的选择，肤色模型的建立和人脸区域分割算法，并给出了相应的实物仿真图。
第四章 人脸特征的检测，主要是基于人脸外部轮廓完成的前提下，对人脸内部轮廓的检测。首先根据颜色信息剔除那些伪特征，然后在PCA模板上，通过眼睛和嘴巴在人脸上几何特性对它们进行定位，。
第五章 总结与展望，主要总结全文的内容和工作，最后谈一下人脸技术的前景和一些本论文中未提及的相关技术。
2、人脸检测方法综述
对于能否正确的实现人脸检测，我们该采取怎样的方法，是一种还是多种相结合这些都是值得考虑的，接下来主要是对几种方法的简要介绍。
2.1基于知识的自顶向下的方法
该种方法主要是以先验知识为基础，我们也可以称之为基于传统知识的方法，主要是研究人员通过不断的实验与总结将那些复杂程序由简而繁的归纳成一项项规则。例如：“一般正常人脸都是包含一对眼睛，且双眼的位置都是相互对称、位置大小相近”那么我们便把这叫做对称性规则。这项规则除了适用器官外，人脸也同样具备这样的对称性。所以我们可以通过先确定一只眼睛来对称出另一只眼睛，继而确定双眼的位置与大小，最终通过双眼位置与大小确定出人脸的内部轮廓；还有“在对原图处理过后的灰度图像中，眼睛位置所在区域往往比人脸其他部位的颜色偏暗”等轮廓规则、器官分布规则和运动规则。通过熟练的掌握这些规则，我们就好比装备了一把利剑，使我们可以大胆地在图像的检测中披荆斩棘，快捷的搜索出符合规律的人脸区域。当然这把利剑必然是一把双刃剑，一旦规则制定得太死，那么许多本是人脸的图像就可能丧生在这把利剑之下，我们就不得不面临检测不到人脸的窘境；至于规则制定得太宽泛，又将导致许多非人脸滥竽充数被误判成人脸。
2.2基于人脸特征的自底向上的方法
如果说基于传统知识的方法是一种由顶向下的思考模式的话，那么该节中的方法则正好相反。这种方法主要思路是检测人脸的固有特征，也就是对我们脸上的眼睛、鼻子和嘴巴的定位，因为正常的人脸是既不会多点特征，当然更不会缺少什么特征，对此我们就能够通过这些固定的特征来确定人脸。该方法在本论文中有相当广泛地应用，举个例子,当我们在对经过处理的二值化图像进行人脸区域边界操作时，便是在输入的图片中寻找图形的界限，我们再把这些界限与正常人脸左侧的轮廓线和右侧的轮廓线做一个对比；当然，除了边界处理，我们还能够提取图像中的颜色和纹理信息，把它们与人脸面部的颜色和纹理模型做一个对比，则可辨别是否为人脸区域。因此，巧妙地运用人脸的各种特征能快捷有效的判断人脸区域。
2.3模板匹配的方法
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2358.html
