数字图像处理在人脸识别中的应用

《数字图像处理在人脸识别中的应用》由会员分享，可在线阅读，更多相关《数字图像处理在人脸识别中的应用（27页珍藏版）》请在装配图网上搜索。

1、基于肤色的人脸检测摘要本文介绍了人脸图像识别中所应用 MATLAB对图像进行预处理，应用该工 具箱对图像进行经典图像处理，通过实例来应用matlab图像处理功能，对某一特 定的人脸图像处理，进而应用到人脸识别系统。本文在总结分析人脸识别系统 中几种常用的图像预处理方法基础上，利用MATLAB实现了一个集多种预处理 方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块 可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识 别判定。关键词：脸部定位，特征提取，图像处理，MATLABAbasractThis paper introducesthe applicatio

2、n of MATLAB in face image recognition of image preprocessing, the application of the toolkit for classical image processing, application MATLAB image processing function through instance, for a particular face image processing, and then applied to the face recognition system. In face recognition sys

3、tem basedon the summary analysisof severalcommonly usedimage preprocessing method based on the MATLAB implements a collect a variety of pretreatment method for the integration of the universal facial image preprocessing simulation system,the system as the image preprocessingmodule can be embedded in

4、 a face recognition system, and use the gray histogram of the image matching to realize the face image recognition.Key words: face positioning, feature extraction, picture processing,MATLAB目录1绪论1.1.1 研究背景1.1.2 人脸识别技术的研究现状 1.1.3 人脸识别的应用前景3.2基于肤色的人脸检测技术研究4.2.1 人脸检测技术概述4.2.2 肤色检测技术4.2.3 人脸识别系统的构成5.2.4

5、基于肤色的人脸检测5.2.4.1 人脸图像预处理5.2.4.2 色彩空间转换6.2.4.3 RG项色模型6.2.4.4 YCbCr 颜色模型6.3图像处理的 Matlab实现8.3.1 MATLAffi 介8.3.2 数字图像处理及过程 8.3.2.1 图像处理的基本操作 8.3.2.2 图像类型的转换8.3.2.3 图像增强8.3.2.4 边缘检测9.3.3 图像处理功能的Matlab实现实例94基于肤色的人脸检系统设计.144.1 系统结构设计1-44.2 人脸检测系统算法分析144.2.1 光线补偿1.44.2.2 肤色建模1.54.2.3 去掉非人脸区域.174.2.4 人脸区域标定1

6、.74.3 系统实现1.95总结与展望20致谢22参考文献231绪论1.1 研究背景自70年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐 渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领 域，.这一领域除了它的重大理论价值外，也极具实用价值。在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一 样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行 为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制， 并努力将这些机制用于实践，如各种智能机器人的研制。人脸图像的机器识别 研究就是在这种背景下兴起的，因为人们发现许

7、多对于人类而言可以轻易做到 机事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理 解等。如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人 类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样， 人脸也具有唯一性，也可用来鉴别一个人的身份。现在己有实用的计算机自动 指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动 识别系统出现。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际 意义更大。并且与指纹图像

8、不同的是，人脸图像受很多因素的干扰：人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同 一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别， 给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别，也就更具 有挑战性。国外对于人脸图像识别的研究较早，现己有实用系统面世，只是对于成像 条件要求较苛刻，应用范围也就较窄，国内也有许多科研机构从事这方而的研 究，并己取得许多成果。1.2 人脸识别技术的研究现状近10多年来，计算机人脸识别技术有了很大的进展，各种人脸识别方法层出 不穷。根据人脸表征方式的不同，通常将人脸正面识别技术分为三大类基于几何

9、特征的识别方法、基于代数特征的识别方法和基于连接机制的识别方法。基于 几何特征的人脸正面图像识别方法是通过人脸面部拓扑结构几何关系的先验知 识，利用基于结构的方法在知识的层次上提取人脸面部主要器官的特征，将人脸用一组几何特征矢量表示，识别归结为特1征矢量之间的匹配，基于欧式距离的判 决是最常用的识别方法。基于代数特征的人脸识别方法主要有特征脸法（PAC）和隐马尔科夫模型(HMM)法特征脸法是基于变换的人脸识别方法。隐马尔可夫 模型是用于描述信号统计特征的一组统计模型。它使用马尔可夫链来模拟信号 统计特征的变化，而这种变化是间接的通过观察序列来描述的。基于连接机制的 人脸识别方法包括一般的神经网

10、络方法 (ANN)和弹性图匹配(DLA)方法神经网 络的方法在人脸识别上比其他类别的方法有独特的优势，它避免了复杂的特征提取工作,可以通过学习的过程获得其他方法难以实现的关于人脸识别的规律和规 则的隐性表达。但是该方法神经元数目多，训练时间长。基于弹性图匹配的人脸 识别方法采用树形拓扑图来表述人脸模式，通常情况下，属性拓扑图为二维稀疏 网络。属性拓扑图上的每一个顶点均包含一特征矢量，记录了人脸在该顶点位置的分布信息。属性拓扑图可以采用各种描述局部信息的特征，如小波特征，形态特 征和统计特征等。所以，它应该是介于基于人脸图像部件特征和基于人脸图像整 体特征之间的一种人脸识别方法。它不仅提取了描述

11、人脸图像的局部特征，保留了人脸图像的空间信息，而且在一定程度上可以容忍人脸从三维到二维投影引起 的变形，因此它在众多的人脸识别方法中占有重要的地位。综合比较这些方法，每种方法都各有优缺点。国外研究机构从事人脸识别的研究与实践较早，在美国、德国、日本等发达 国家已经有相关产品问世。1996年美国的FERET研究机构对现有的各种人脸 识别算法进行了测试，结果表明，比较成熟的识别算法对于数千人的图像进行识 别检索，识别率可达到90%以上。1998年德国西门子公司成功开发了 人像及视 觉访问控制系统(FaceVACS)川于保安系统的访问控制，对几十人的人像库进行 识别检索，识别率接近100%。2001

12、年日Esolutio本公司推出的 面孔验证安全系 统”最多可容纳1000人登录。国内关于人脸识别技术的研究虽然起步较晚，但近年来发展很快，已经成武汉理工大学硕士学位论文为研究的热点。目前，国内人脸识别理论和方法的研究 水平已经达到或接近国际水平，相关的人脸识别产品也开始问世。国内生产人脸 识别产品的企业，主要有四川成都的银晨公司和吉林长春的当代公司，具产品主要应用于安全防范、访问控制、治安管理和信息安全等领域。清华同方和东大 阿尔派也都分别推出了用于犯罪嫌疑人计算机画像的人像合成系统并且，清华大学电子工程系于2005年1月研制成功一套大型人脸识别系统并通过了公安 部组织的专家鉴定，达到国内领先

13、水平和国际先进水平。然而，人脸识别技术本身还有待进一步发展，现有的人脸识别方法对于人脸 姿态变化、光照、表情、遮挡、年龄、模糊等一系列实际情况的鲁棒性还需进 一步提高。另外，由于人脸识别技术的实际应用实时性要求比较高，因此需要设计 更高效的识别算法。还有，在计算机人脸识别系统中，人脸库的存储也是一个必须 考虑的问题。从提高人脸识别系统实用性能的角度，人脸识别技术有以下发展方向：(1)进 一步研究面部特征抽取和识别算法，提高识别精度；(2)3D形变模型可以处理多种 变化因素,具有很好的发展前景；(3)提高系统的鲁棒性，降低对环境的条件限制；(4) 多特征融合和多分类器融合的方法；(5)提高系统的

14、识别速度，研究对海量人像数 据的分布式检索比对方法；(6)采用DSP或嵌入式硬件和软件平台，研制开发便携 的应用产品；(7)研究海量数据的存储、压缩和加密技术。在一些高级信息安全的应用中，还需要研究人脸识别与指纹、虹膜、语音等 识别技术融合的方法，这也是生物特征识别技术的发展趋势。1.3 人脸识别的应用前景人脸图像识别除了具有重大的理论价值以及极富挑战性外，还具有许多潜 在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样 本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或 相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。人脸识别可应用在公安、国防

15、、金融、部队、政府部门等需要高度保密的 行业，这些行业需要对进出人员进行严格的管理和控制。在这些行业使用人脸识 别系统后，其管理效率可以得到最大限度的提高，能更好的保障企业安全。而对于 普通的企业来说，基于人脸识别技术的门禁和考勤系统，可彻底杜绝以往他人冒 用门禁卡、盗用密码等手段冒充本人代考勤或者进出入的方式，真正实现行政管 理工作的安全性和准确性。人脸识别还可应用于视频会议、图形检索、人机交互等领域。随着软件和硬件技术的不断发展，人脸识别系统的应用领域将会变得更加广 泛,服务的行业也会越来越多。232基于肤色的人脸检测技术研究2.1 人脸检测技术概述人脸检测是指在输入图像中确定人脸如果存在

16、的位置、大小和姿态的过程。人脸检测系统的输入是可能包含人脸的图像，输出是图像中是否存在人脸和人脸 数目、位置、尺度等信息的参数化描述。人脸检测任务的完成涉及从复杂背景 中分割、抽取、验证人脸区域和可能用到的人脸特征如眼睛、嘴唇等。成功的 人脸检测系统应能处理实际存在的光线、人脸方向和距照相机远近变化等各种 情况.人脸检测的基本思想是用知识或统计的方法对人脸建模 ，比较所有可能的待 检测区域与人脸模型的匹配度，从而得到可能存在的人脸区域。其方法大致可分 为基于统计和基于知识两类。前者将人脸图像视为一个高维向量，将人脸检测问题转化为高维空间中分布信号的检测问题后者则利用人脸知识建立若干规则，从而将

17、人脸检测问题转化为假设/验证问题。2.2 肤色检测技术肤色检测是指在图像中选取对应于人体皮肤像素的过程。随着视频图像采 集设备的普及，近年来对图像中肤色区域分割的研究日趋活跃。肤色在人脸检测和跟踪中是一种有效的特征。尽管对于不同的人肤色差异 可能很大,但是差异主要存在于亮度上，而不是颜色上。在色彩空间中，肤色只是其 中很窄的一部分频带，因此可以根据颜色信息来检测像素点是否具有肤色特征。 通过边通量分析和区域增长，对肤色像素点归类并且找到可能的人脸区域。基于 颜色的系统可以在不同的视角中均能检测到人脸，不受人脸姿态变化的影响。根 据颜色进行人脸检测的问题在于人所感知到的颜色与到达视网膜的光线的频

18、率 并不是一样的。在同一天中的不同时候，同一个物体所反射出的光的频率是不一 样的，这使得在彩色图像中的像素有着不同的颜色值。而且，不同的摄像机得到的图像也有着不同的色彩偏差，这样当使用不同的成像设备时，就需要对颜色信息 进行重新校准。在与人有关的各种机器视觉系统中，肤色检测技术正得到越来越多的应用 具有巨大的市场潜力。目前比较典型的应用包括人脸检测与识别、表情识别、 手势识别、基于内容的图像与视频检索、人机接口技术、肌体检测等方面也包 括视频监控、皮肤病诊断等。可见，肤色检测不仅是人脸或手势等身份、情感和 行为识别系统的重要组成，而且在安全防范、反恐、医疗保健、人脸的化装和整 容的检测中的应用

19、也日趋重要。2.3 人脸识别系统的构成人类似乎具有 与生俱来”的人脸识别能力，赋予计算机同样的能力是人类 的梦想之一，这就是所谓的 人脸识别”系统。假设我们把照相机、摄像头、扫 描仪等看作计算机的 眼睛”，数字图像可以看作计算机观察到的影像”，那么AFR赋予计算机根据其所 看到”的人脸图片来判断人物身份的能力。广义的讲，自动人脸识别系统具有如图所示的一般框架并完成相应功能的 任务。人脸图像的获取一般来说，图像的获取都是通过摄像头摄取，但摄取的图像可以是真人， 也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像， 而是直接给定要识别的图像。(2)人脸的检测人脸检测的任务是判断静态

20、图像中是否存在人脸。若存在人脸，给出其在 图像中的坐标位置、人脸区域大小等信息。而人脸跟踪则需要进一步输出所检 测到的人脸位置、大小等状态随时间的连续变化情况。(3)特征提取通过人脸特征点的检测与标定可以确定人脸图像中显著特征点的位置(如 眼睛、眉毛、鼻子、嘴巴等器官)，同时还可以得到这些器官及其面部轮廓的形 状信息的描述。根据人脸特征点检测与标定的结果，通过某些运算得到人脸特征的描述(这 些特征包括：全局特征和局部特征，显式特征和统计特征等)。(4)基于人脸图像比对的身份识别讪人脸识别(Faceldentfication)问题。通过将输入人脸图像与人脸数据库中 的所有已知原型人脸图像计算相似

21、度并对其排序来给出输入人脸的身份信息。 这包括两类识别问题：一类是闭集(Close Set)人脸识别问题，即假定输入的人脸 一定是人脸库中的某个个体；另一类是开集(OpenSet)识别，即首先要对输入人 脸是否在已知人脸库中做出判断，如果是，则给出其身份。(5)基于人脸图像比对的身份验证即人脸确认(FaceVerfication)问题。系统在输入人脸图像的同时输入一个用 户宣称的该人脸的身份信息，系统要对该输入人脸图像的身份与宣称的身份是 否相符作出判断。2.4 基于肤色的人脸检测2.4.1 人脸图像预处理在对人脸图像进行特征提取和分类之前一般要作预处理，主要包括几何归 化和灰度归一化。几何归

22、一化是指根据人脸定位结果将图像中人脸变换到同一位置和同样大小。灰度归一化是指对图像进行光照补偿等处理，光照补偿能够在 一定的程度上克服光照变化的影响而提高识别率。几何预处理包括图像平移、 图像旋转、图像缩放；灰度预处理包括图形平滑、灰度拉伸、光纤补偿。2.4.2 色彩空间转换为了把人脸区域从非人脸区域分割出来，需要使用适合不同肤色和不同光照 条件的可靠的肤色模型。常用的RGB表示方法不适合于皮肤模型，在RGB空间, 三基色（R、G、B）不仅代表颜色，还表示了亮度。由于周围环境光照的改变，亮度 可能使人脸的检测变得更加复杂，在皮肤的分割过程中是不可靠的。为利用肤色 在色度空间的聚类性，需要把颜色

23、表达式中的色度信息与亮度信息分开，将R、G、 B转换为色度与亮度分开的色彩表达空间可以解决这个问题。常见的颜色模型：RGB颜色模型；XYZ颜色模型；HSV颜色模型；YCbCr 颜色模型。2.4.3 RG的色模型RGB色彩系统用R,G,B三种基本颜色分量来表示数字图像像素的颜色值。我们非常熟悉的计算机屏幕的显示通常采用 RGB色彩系统。这是最常见的色彩 系统，RGB色系坐标中三维空间的三个轴分别与红、绿、蓝三基色相对应，原点对应于黑色，离原点最远的顶点对应于白色，其他颜色落在三维空间中由红、绿、 蓝三基色组成的彩色立方体中。其他的色彩系统常以RGB色彩系统为基础，其分量可以描述为RGB三色的线性

24、或非线性函数。RGB色彩系统通过色彩的相 加来产生其他颜色，通常称为加色合成法。2.4.4 YCbCr颜色模型YCbCr颜色模型也是一种常见的色彩模型，它是从YUV模型衍生出来的。 其中Y是指亮度，而色度信息则组合在Cr、Cb中，其中Cr代表了光源中的红色分量,Cb代表了光源中的蓝色分量RGB模型与YCbCr模型的变换公式如下Y / 0.299Cb = -0,1687 jCrJ 0.S0.S8703313-0.41870.114 0,5|-0.0813/0+ 0505(2 1)R= Y 4- 1.402(Cr - 0.5)(2-2)G = Y - 03441 式Cb 0.5) - 0.7141

25、4(Ct - 0.5)(2 - 3)B = Y-F 1.772(Cb- 05)(2-4)后面加上0.5使得Cr、Cb总为正数，便于处理.后面加上0.5使得Cr、Cb总为正数，便于处理.分析发现,YCbCr空间、HSV空间都具有将色度与亮度分离的特点，但是空 问HSV存在两个缺点：（1）彩色分量H,S,V是由三基色R,G,B经过非线性变换 得到的，计算复杂度高；（2）样本肤色点在HSV空间不如在YCbCr空间中聚得 紧密。因此本文最终选择了 YCbCr颜色空间作为肤色分布统计的映射空间YCbCr颜色空间具有如下一些优点：具有与人类视觉感知过程相类似的构成原理；YCbCr色彩空间格式被广泛地应用在

26、电视显示等领域中，也是许多视频压缩编码，如MPEG, JPEG等标准中普遍采用的颜色表示格式；在YCbCr颜色空 间中，Y分量给出所有的亮度信息，而 Cr和Cb分量不 受亮度影响，有效地将亮度分量分离出来；YCbCr色彩空间格式的计算过程和空间坐标表示形式相比于 HSV等其他 一些色彩空间格式比较简单；彩色分量 Y,Cr,Cb,可由三基色R,G,B经过线性变 换得到，因此有较高的计算效率；在YCbCr色彩空间中肤色的聚类特性比较好。YCbCr色彩空间可直接由RGB色彩空间通过线性变换得到，所以其亮度分 量Y并不是完全独立于色度信息而存在的，所以肤色的聚类区域也是随 Y的不同 而呈非线形变化的趋

27、势。YCbCr空间的这些特点符合本文肤色模型建立的条件。3图像处理的 Matlab实现3.1 MATLAB由Math Work公司开发的Matlab语言语法限制不严格，程序设计自由度大, 程序的可移植性好。Matlab还推出了功能强大的适应于图像分析和处理的工具 箱，常用的有图像处理工具箱、小波分析工具箱及数字信号处理工具箱。利用这 些工具箱,我们可以很方便的从各个方面对图像的性质进行深入的研究。Matlab图像处理工具箱支持索引图像、RGB图像、灰度图像、二进制图像并能操作.bmp、.jpg、.tif等多种图像格式文件。3.2 数字图像处理及过程图像是人类获取信息、表达信息和传递信息的重要手

28、段。利用计算机对图 像进行去除噪声、增强、复原、分割、提取特征等的理论、方法和技术称为数 字图像处理。数字图像处理技术已经成为信息科学、计算机科学、工程科学、 地球科学等诸多方面的学者研究图像的有效工具。数字图像处理主要包括图像 变换、图像增强、图像编码、图像复原、图像重建、图像识别以及图像理解等 内容。3.2.1 图像处理的基本操作读取和显示图像可以通过imread()和imshow()来实现；图像的输出用 imwrite()函数就可以很方便的把图像输出到硬盘上；另外还可以用imcrop()、imrisize()、imrotate()等来实现图像的裁剪、缩放和旋转等功能。3.2.2 图像类型

29、的转换Matlab支持多种图像类型，但在某些图像操作中，对图像的类型有要求，所以 要涉及到对图像类型进行转换。Matlab7.0图像处理工具箱为我们提供了不同图 像类型相互转换的大量函数，如mat2gray()函数可以将矩阵转换为灰度图 像,rgb2gray()转换RGB图像或颜色映像表为灰度图像。在类型转换的时候，我们还经常遇到数据类型不匹配的情况，针对这种情况，Matlab7.0工具箱中，也给我们 提供了各种数据类型之间的转换函数，如double()就是把数据转换为双精度类型 的函数。3.2.3 图像增强图像增强的目的是为了改善图像的视觉效果，提高图像的清晰度和工艺的适 应性，以及便于人与

30、计算机的分析和处理，以满足图像复制或再现的要求。图像增 强的方法分为空域法和频域法两大类，空域法主要是对图像中的各个像素点进行操作;而频域法是在图像的某个变换域内对整个图像进行操作，并修改变换后的系数，如傅立叶变换、DCT变换等的系数，然后再进行反变换，便可得到处理后的 图像。下面以空域增强法的几种方法加以说明。(1) .灰度变换增强有多种方法可以实现图像的灰度变换，其中最常用的就是直方图变换的方法 即直方图的均衡化。这种方法是一种使输出图像直方图近似服从均匀分布的变 换算法。Matlab7.0图像处理工具箱中提供了图像直方图均衡化的具体函数 histeq(),同时我们可以用函数imhist(

31、)函数来计算和显示图像的直方图。(2) .空域滤波增强空域滤波按照空域滤波器的功能又可分为平滑滤波器和锐化滤波器。平滑 滤波器可以用低通滤波实现，目的在于模糊图像或消除噪声；锐化滤波器是用高 通滤波来实现，目的在于强调图像被模糊的细节。在 Matlab中，各种滤波方法都 是在空间域中通过不同的滤波算子实现，可用fspecial()函数来创建预定义的滤波 算子，然后可以使用imfilter()或filter2()函数调用创建好的滤波器对图像进行滤 波。3.2.4 边缘检测数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分 析领域十分重要的基础，也是图像识别中提取图像特征的一个重要属

32、性。边缘检 测算子可以检查每个像素的邻域并对灰度变化率进行量化，也包括对方向的确定其中大多数是基于方向导数掩模求卷积的方法。常用的有Sobel算子,Prewitt算子,Roberts算子,Log算子等。Matlab7.0工具箱中提供的edge()函数可以进行边 缘检测，在其参数里面，可以根据需要选择合适的算子及其参数。3.3 图像处理功能的Matlab实现实例本文通过运用图像处理工具箱的有关函数对一人脸的彩色图像进行处理。1)图像类型的转换因后面的图像增强，边缘检测都是针对灰度图像进行的，而我们的原图是RGB图像，所以首先我们要对原图类型进行转换。结果如图 3-1和3-2所示：图3-1原图图3

33、-2将原图转换为tif格式的灰度图像2)图像增强(1)灰度图像直方图均衡化通过比较原图和直方图均衡化后的图像可见，图像变得更清晰，而且均衡化 后的直方图比原直方图的形状更理想。结果如图3-3和3-4所示：图3-3灰度图像图3-4原直方图和均衡化后的直方图(2)灰度图像平滑与锐化处理平滑滤波器的目的在于模糊图像或消除噪声，Matlab7.0图像处理工具箱提供了 medfilter2()函数用于实现中值滤波，wiener2()实现对图像噪声的自适应滤 波。在本文实例中，为了使滤波效果更明显，我们事先为图像认为增加滤波，然后用 自适应滤波方法对图像进行滤波。锐化处理的目的在于强调图像被模糊的细节在本

34、实例中采用了预定义高斯滤波器的方法对图像进行锐化滤波。结果如图3-5和图3-6所示：图3-5平滑滤波效果图图3-5锐化滤波效果图3)边缘检测Matlab7.0图像处理工具箱提供了 edge()函数实现边缘检测，还有各种方法算 子供选择，在本实例中采用了 canny算子来进行边缘检测，结果如图3-7所示：图3-7边缘检测效果图4基于肤色的人脸检系统设计4.1 系统结构设计该系统设计的目标是实现复杂背景下 RGB图像的人脸检测，通过基于肤色 信息的图像分割方法利用肤色建模的知识进行人脸区域检测以及区域标定。本系统的结构分为人脸图像输入、人脸图像预处理（光线补偿）光线补偿、人 脸区域检测和人脸区域标

35、定等四大模块。4.2 人脸检测系统算法分析4.2.1 光线补偿当光照条件发生变化时，人脸的颜色也会发生一定的变化。实验表明，当待检 测的图像亮度高于训练图像的亮度时，人脸大部分区域的颜色不会超过正常光照 条件下人脸颜色的变化范围。但当待检测的人脸图像的亮度低于训练样本图像 的亮度时，人脸颜色很可能超出正常光照条件下人脸颜色的变化范围。为了解决 这一问题，就要对待检测的人脸图像进行光线补偿。精确的人脸光线补偿需要建立复杂的颜色恒常性模型，考虑到人脸检测在实 际应用中的实时性要求，本文给出一种简单又有效的自适应亮度补偿算法 ，步骤 如下：计算训练样本图像中各点的R、G、B分量的平均值小京、小后、血

36、用,方差年、 与、论和亮度的平均值mHifif7nl TTl TTiS计算待检测图像中各点的R、G、B分量的平均值 后、异，方差反、气和亮度平均值 5若工 工则进行高度补偿；分别表示点A补偿方案：对待检测图像中的每一点 A,令应、鱼、邑补偿前的R、G、B值，* &E、电f分别表示补偿后的r、g、B值，则其补偿方式如下所示：%; = & + （mR -啊）* （喉）G以 = G/+展心）* （部/年）（4-1）耳匚=玛+ （% 一%）* （%勺）光线补偿对于画面较暗的图像很有效，能极大提高后续肤色建模的效果。对 人脸图像进行光线补偿前后，人脸肤色建模的效果对比图。从以上图片可以看出 对于光线较暗

37、的图片进行光线补偿可以很好地提高人脸肤色建模的效果4.2.2 肤色建模肤色分布模型大致可分为两类简单阀值分割和概率模型。简单阀值分割用 一组阀值建立一个相应区域，区域内的像素点被判为肤色概率模型假设肤色的数 学分布模型，有直方图模型，高斯模型等。概率模型精度较高，但速度较慢。还有一些人脸检测方法采用计算相似度的方法来提取肤色区域。通过采用 大量的肤色标本来训练系统，得到一个肤色分布中心，之后考虑要考察的像素距 离该中心的远近得到一个相似度，一个像素一个相似度，最终得到一个待检测图 像的相似度分布图，再按照一定规则和阀值对该分布图二值化，将肤色区域置白 背景区域置黑。结果如图3-83-10所示：

38、RG8图3-8 原RGB图像YCbCr图3-9 将RGB图像YCbCr图像图3-10肤色建模效果为了消除光照的影响，本文采用YCbCr空间作为肤色分布统计的映射空间 对输入的彩色图像进行颜色空间转换，将其从相关性较高的RGB空间转换到颜 色分量互不相关的YCbCr空间，其转换公式如下：Y / 0.2990.5870.114 pi。=(-04667 -033130,5(4-2)Crl 05-0.4187 -0.0813/ W实验证明不同人的肤色在色度上的差异远小于亮度上的差异，即不同人的肤色在色度上往往很接近，只是在亮度上差异较大。4.2.3 去掉非人脸区域通过肤色建模，得到人脸二值分割图。但在

39、这样的分割图中，有大量微小的区 域，而且在面积较大的连通区域中还有一些微小的空洞 ，这是图像中包含的噪声。 因此要对皮肤区域进行腐蚀或膨胀处理，以除去图像中的噪声。然后对人脸肤色 区域的统计特征进行分析，对分割出来的肤色进行预处理，得到最为可能的人脸 区域。下面介绍一种最为常用的预处理方案，该方案的处理步骤为：(1)在一幅多人脸的照片中，所有人脸的大小基本相同。经过肤色分割的人 脸图像，由于存在眼睛、嘴巴、眉毛等非肤色区域，因此在人脸区域中会存在一个 或者多个“孔”(非人脸区域)。首先检测出有“孔”区域的尺寸大小，求出平均 值，便得到整幅图像中人脸的大小，再根据这一数值除去尺寸过大或过小的肤色

40、 区域。(2)通过计算肤色区域的方差，可以进一步除去手和胳膊等非人脸区域。 人 脸区域由于存在眼睛、嘴巴、鼻子等非肤色区域，具方差比颜色统一的手和胳膊 等非人脸区域要大一些。(4)对余下的肤色区域作进一步处理，对人脸来说，其长宽之比一般为1左右。首先求出肤色区域的质心及其偏离垂直方向的角度 K并将肤色旋转e使其垂 直于水平方向，计算此区域的长宽比。在这里，取人脸的长宽比为0.81.2,长宽 比不满足此范围的区域，被认为是非人脸区域而被除去。4.2.4 人脸区域标定去掉非人脸区域后，就提取出了人脸区域，接下来就要在原始图像上对人脸 区域进行标注，实际上就是根据“再次腐蚀”后得到的人脸区域用一个矩

41、形包络 起来，该矩形区域实际上就记录着人脸的位置信息。标注的方法是对每一个人脸 区域计算每一列白色像素点的个数，找出最大值所在的列并以此列为中，自向左 右两边分别寻找人脸的左右边界之后再在左右边界与区域边界限定的范围内寻 找人脸的顶部位置最后根据适当的人脸长宽比例来确定人脸的底部位置。人脸 区域标定结果如图3-113-14所示。图3-11原真彩图图3-12灰度转换后的效果图图3-13肤色建模后的效果图图3-14人脸定位后的效果图4.3 系统实现本系统可以实现复杂背景下 RGB图像的人脸检测，对其进行测试的图片全 部来自互联网，因为目前己有的人脸数据库中，大部分缺少完整的彩色人脸图像 库。因此用

42、于测试的人脸图像全部来自于互联网上搜集的不同背景、不同姿态 下的人脸图像，对系统性能作初步的测试。通过俄实验我们可以看出，人本身的肤色和光源的影响，都会使人脸检测的 结果受到影响.不过,由于人脸检测受到复杂背景和复杂照明条件的影响，并且肤色有时会与周围环境物品的颜色相近，还有不同人种或个人的肤色也会不一样，所以使人 脸检测工作具有相当的挑战性。所以要使人脸检测系统达到完美的检测效果是 不现实的，只能逐步提高系统的检测率。本章研究了基于肤色的人脸检测系统的算法设计与实现 ，包括光线补偿、肤 色建模、闭运算处理、去除非人脸区域和人脸区域标定等几个主要步骤。实验 证明,该系统可以实现复杂背景下RGB

43、图像的人脸检测功能，并且对于光照、表 情变化等具有较高的鲁棒性。5总结与展望图像是人类获取和交换信息的主要来源，囚此，图像处理的应用领域必然 涉及到人类生活和工作的方方面面随着科学技术的不断发展，数字图像处理技 术的应用领域也将随之不断扩大数字图像处理技术未来应用领域主要有以下七 个方面：(1)航天航空技术方面：数字图像处理技术在航天航空技术方面的应用， 除JPL对月球、火虽照片的处理之外，另一方面是在飞机遥感和卫星遥感技术 中。图像在空中先处理(数字化，编码成数字信号存入磁带中。在卫星经过地 面站上空时，再高速传送下来，然后由处理中心分析判读。这些图像无论是在 成像、存储、传输过程中，还是在

44、判读分析中，都必须采用很多数字图像处理 方法。现在世界各国都在利用各类卫星所获取的图像进行资源调查、灾害检测、 资源勘察、农业规划、城市规划。在气象预报和对太空其它星球研究方面，数 字图像处理技术也发挥了相当大的作用。(2)生物医学工程方面：数字图像处理技术在生物医学工程方面的应用十 分广泛，且很有成效。除了 CT技术之外，还有一类是对医用显微图像的处理 分析，如染色体分析、a细胞识别等。此外.在x光肺部图像增晰、超声波图像 处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理 技术。(3)通信工程方面：当前通信的主要发展方向是声音、文字、图像和数据 结合的流媒体通信。其中以图

45、像通信最为复杂和困难，因为图像的数据量十分 巨大，如传送彩色电视信号的速率达100M/S以上。要将这样高速率的数据实时 传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压 缩是这些技术成败的关键。(4)工业工程方面：在工业工程领域中图像处理技术有着广泛的应用，它 大大提高了工作效率，如自动装配线中质量检测，流体力学图片的阻力和升力 分析，邮政信件的自动分拣，在一些恶性环境内识别工件及物体的形状和排列 状态，先进设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备 视觉、听觉和触觉功能的智能机器人将会给上农业生产带来新的面貌，目前已 在工业生产中的喷漆、焊接，装配中得到了

46、有效的利用。(5)军事公安方面：在军事方面图像处理和识别主要用于导弹的精确制导， 各种侦察照片的判读，具有图像传输、存储和显示的军事动化指挥系统和模拟 训练系统等。公安方面主要用于指纹识别、人脸鉴别、不完整图片的复原以及 交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的 车辆和车牌的自动识别就是图像处理技术成功应用的例子。(6)文化艺术方面：目前这类应用有电视画面的数字编辑、动画的制作、 电子图像游戏、纺织工艺品设计、服装设计与制作、发型设计、文物资料照片 运复制和修复、运动员动作分析和评分等等。目前正在形成一门新的艺术一计 算机美术。(7)其它方面的应用：数字图像处理技术

47、已经渗透到社会生活的各个领域， 如地理信息系统中二维、三维电子地图的自动生成、修复等 ；教育领域各种辅助 教学系统研究、制作中；流媒体技术领域等等。致谢本次设计及进行过程中得到王燕妮老师的悉心指导。对报告的书写格式及 内容，老师多次帮助我分析思路，开拓视角。在我遇到困难的时候，老师给予 我最大的支持和鼓励。指导老师严谨求实的治学态度，踏实坚韧的工作精神， 值得我学习。在此，谨向王燕妮老师致以诚挚的谢意。同时还要感谢我的同学， 尤其是我们同一班的几个同学，我们花费了很多的时间和精力。相互之间帮忙 协作，上网搜索相关资料，到图书馆查阅相关文献，遇到难题，共同商讨。解 决不了的问题，我们就像老师和其

48、他同学虚心请教。最终，我们一起解决了一 个又一个难题，虽然，我们有过争吵，但是在真理面前，我们的行动是一致的。 在本次设计过程中，在遇到技术难题时，我和同学会到图书馆广泛查阅相关资 料。当然，我也要再次感谢老师，感谢他给我提供这次实习的机会。采取把理 论知识与实践相结合教学模式，让学生的知识源于课堂而走出课堂，真正做到 了 “为了学生的一切，一切为了学生。最后我要再次感谢的是我亲爱的学院 以及学院的每一位老师和同学，是你们和我一起快乐成长！总之，感谢每一位关心过我，爱护过我的人。滴水之恩，当涌泉相报。最 后，再次感谢所有帮助过我的老师和同学！参考文献1田展宏等编著.基于MATLAB的图像处理案

49、例教程.清华大学出版社,2011.04.2邹长安编著.数字图像处理、分析及应用.大象出版社，2008.9.3陈书海傅录祥编著.信息与通信工程研究生系列教材实用数字图像处理.科学出版社，2005年06月第1版.4郭文强，侯勇严编著.数字图像处理.西安电子科技大学出版社，2009.05.5王积分，张新荣.计算机图像识别.北京：中国铁道出版社， 19886夏良正.数字图像处理.南京：东南大学出版社，19997宋余庆.数字医学图像.北京：清华大学出版社，20038王育坚，鲍泓，袁家政编著.图像处理与三维可视化.北京邮电大学出版 社,2011.07.9邹柏贤，林京壤.图像轮廓提取方法研究，计算机工程与应

50、用，2008,44(25): 161 16510祁有祥，赵廷宁，杨建英著.若干生态参数数字图像测量方法的研究.中 国林业出版社,2011.04.11王忆勤主编.中医面诊与计算机辅助诊断.上海科学技术出版社,2010.11.12雅罗斯拉夫斯基.数字图像处理.施有秋，等译.北京：电子工业出版 社，199013祝磊，朱善安.人脸识别的一种新的特征提取方法J.计算机学报，2007, 34 (6) : 122-125114何东风，凌捷.人脸识别技术综述J.计算机学报，2003, 13 (12) 75-7815 ,YounusFazl-e-BasitJaved和 UsmanQayyunf 采用直方图的人脸识别 和处理”笫三阶段仅相关新兴技术研报告。16何国辉，甘俊英.PCA-LDA算法在性别鉴别中的应用J.中国图像图 形学报，2006, 32 (19): 208-211.17王聃，贾云伟，林福严.人脸识别系统中的特征提取J.自动化学报， 2005, 21 (7-3).6张俭鸽，王世卿，盛光磊.基于小波和DFB-PCA的人脸识别算法研究J. 自动化学报，2007, 23 (2-1).