人脸识别.docx

人脸识别.docx

《人脸识别.docx》由会员分享，可在线阅读，更多相关《人脸识别.docx（11页珍藏版）》请在冰豆网上搜索。

人脸识别

课程大作业实验方案

人脸的识别

课程名称：

数字图像处理

目录

1大作业要求1

2开发环境1

3系统分析1

3.1系统的主要功能分析1

3.1.1脸部定位1

3.1.2五官定位1

3.2系统的关键问题及解决方法1

3.2.1肤色提取1

3.2.2眼睛、鼻子、嘴巴的定位2

4系统设计8

4.1程序流程图及说明8

4.2程序主要模块（或功能）介绍8

5心得体会……………………….……………………………………8

一、大作业要求

1．对含有人脸的图像，做到提取人脸区域----人脸识别；

2．对识别出来的人脸图像，做到五官定位----主要是找到左右眼睛、鼻子、嘴巴的位置，并用方框圈出来。

3．连接视频头，提取人脸头像，并对人脸五官进行定位（用方框表示）。

二、开发环境

软件：

CVI软件、win7操作系统。

硬件设备：

IntelPentiumM处理器、1.40GHz、2.0G内存。

三、系统分析

3.1系统的主要功能分析

3.1.1脸部的定位模块

脸部的定位的任务是找出脸的位置。

将脸部从图像中提取出来。

3.1.2五官识别模块

从脸部图像中定位五官位置。

3.2.系统的关键问题及解决方法

3.2.1肤色提取

图1实验图像

1．将RGB空间转换为YCbCr空间：

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达到这个目的。

颜色空间的转换常用的颜色模型主要有：

YCrCb、HSV、YIQ等。

在本文的实验中选用YCrCb空间作为肤色分布统计的映射空间，该空间的优点是受亮度变化的影响较小，而且是两维独立分布，能较好地限制肤色分布区域。

使用函数为：

YCBCR=rgb2ycbcr（RGB）;

2．将彩色图像转换为灰度图像，实验证明，不同的肤色具有相同的2D模型G（m,V^2）。

灰度值对应属于皮肤区域的可能性，同过设定门限，就可以转换为二值图像，1,0分别表示皮肤和非皮肤区域。

皮肤颜色在ycbcr色度空间的分布范围为:

100<=cb<=127,138<=cr<=170，可以将彩色图像转换为二值图像。

3．转换后不可避免出现了噪声，有背景的噪声影响，以及人的衣服和裤子引起的噪声点，使用开闭运算的方法消除噪声。

4．人脸候选区筛选时,由于头部部分重合,以及头部与其他部分,例如衣服等的连接,对筛选造成了困难,故应先利用闭运算操作,断开连接,再进行处理。

5.利用边缘检测,检测出人脸;利用得到的边缘,对原图像进行处理,就可以在原图中画出人脸区域的框图.可以看出,由于人手交叉放置,所以不管从肤色还是形状以及面积比上,都很难将其识别和删除,所以出现了两个错误检测，这也是本程序应改进的地方。

图2肤色提取

3.2.2眼睛、鼻子、嘴巴的定位

解决办法：

采用类似于确定脸宽度提取的方法。

这里我们采用水平灰度投影。

再将图像进行高低灰度分离，设定一个阈值，将灰度值小于阈值点的灰度设成255，大于阈值的点不变，这样做是为了突出脸部特征位置的边缘（如眼睛，鼻子等），然后进行边缘检测，再把边缘检测完的图像进行水平灰度投影，如图2所示。

图3水平灰度投影

同样道理，我们将曲线做平滑后再进行差分处理，如图3所示。

黄色的直线是曲线中所有正值的平均值加上修正值，蓝色的直线是曲线中所有的负值的平均值加上修正值。

我们再做了一个预处理：

将差分后曲线正值减去所有正值的平均值，突出波峰；将差分后曲线负值减去所有负值的平均值，突出波谷。

经过我们的大量实验观察，我们得到以下找特征值的算法：

1．在200到240之间找一个低谷且该低谷到下一个低谷的距离（鼻子）大于上一个低谷（眉毛下边界）到该低谷距离的两倍，为眼睛下边界；

2.向左找最邻近一个波峰，为眼睛上边界；

3.向右找一个低谷，为鼻子水平位置；

4.再向右找一个低谷，为嘴巴水平位置；

5.再向右找一个低谷，为下巴水平位置。

在多次实验中我们发现了有时会出现一些位置误判的情况，所以再根据人脸的一些规律，有上面的方法的基础上对程序进行改进，加入一些判断条件，使其准确性大大地提高了。

定位后图像如图4所示。

图4人脸特征水平定位差分图像

图5脸部特征参数定位

3.2.3脸部特征参数的提取

解决办法：

根据上一步的定位，将眼睛，鼻子，嘴巴的图像单独提取出来。

然后利用垂直灰度投影曲线，分别将眼睛，鼻子，嘴巴的特征参数提取出来。

下面演示眼睛参数的提取，其他参数的提取类似于眼睛参数的提取。

图6提取眼睛图像

得到独立的眼睛的图像后，经过分离高低灰度和边缘检测，再对其进行垂直灰度投影，得到如下的直方图。

图7眼睛垂直灰度投影

差分后曲线：

图8眼睛差分后曲线

同样将曲线进行预处理，突出波峰波谷，经过实验观察，我们又总结了如下规律：

1.从脸宽中间向左找一个波谷，为左眼右边缘；

2.从脸宽中间向右找一个波峰，为右眼左边缘；

3.从左眼右边缘向左找一个邻近波峰，如果眼部宽度大于1/6脸宽，则判断为左眼左边缘，否则继续向左找波峰，再判断；

4.从右眼左边缘向右找一个邻近谷峰，如果眼部宽度大于1/6脸宽，则判断为右眼右边缘，否则继续向右找波谷，再判断；

根据这个规律，只要分离灰度和边缘检测处理比较好，基本上能准确定位眼睛的位置。

定位鼻子和嘴唇的原理与定位眼睛类似，只是在对差分后图像的波峰波谷寻找算法上略有不同。

定位结果如图7所示。

图9脸部特征参数的精确定位

为了建立数据库，我们将其特征值提取并计算出来，显示在面板上，如图8所示。

图10脸部特征参数的提取

四、系统设计

a）程序流程图及说明

上面列出的流程图只是主要的部分，一些在程序中出现的由于太过具体就没画出来。

各部分的功能也在上面已经详细介绍。

在此不重复。

b）程序主要模块（或功能）介绍

各模块的实现方法及主要思想已经在上面的“系统的关键问题及解决方法”中介绍，由于程序也比较长，在此不列出。

为了满足我们的处理要求，我们自定义了几个函数，并封装成两个头文件，分别为“find.h”与“curve_process.h”，分别是进行寻找计算和数据曲线处理。

其详细程序请看两个头文件。

五、心得体会

在没做大作业之前对这门课程还是没有什么深刻的体会，在课堂上的讲的东西虽然有用，但是要是不能将在课堂上的学的东西结合到实践中，那终归是纸上谈兵。

而这次的大作业就给了我们一个自己动手的机会，将理论与实践完美的结合起来，让我们对以前学的理论知识有了更深刻的体会。

在做大作业之前，由于有了老师布置的5个实验，使得我们对CVI这个软件有了初步的理解，对我们在做大作业时起到了很大的帮助。

其实在做大作业时，很多函数都是在我们做实验的时候遇到过，由于有了前面实验的铺垫，做起来也比较顺手。

但是大作业还是不同于实验，大作业设计的面比较广，这就要求我们得学会将实验接触过的一些函数融会贯通，此外，在参考了一些论文之后，还涉及到未知函数的使用。

所以，对我们来说，大作业的难点就是要将以前实验学过的函数融会贯通，此外还得具有自学新函数的能力。

由于新函数的说明都是英文，这对于我们工科的学生还是挺棘手的，使得我们对新函数的理解不够彻底，这样就直接导致了新函数不能正确使用，结果就是我们拿着词典一个一个的查单词，一次又一次的改进新函数，直到成功为止。

在做大作业时，我们就用到了很多新的函数。

导致我们走了很多弯路！

不过，这样我们就对新函数的认识很熟悉了！

由于要针对我们的方法，所以也自编了很多函数，虽然适应性不是很广，但是对整个工程的成功实现起了很大的作用，经过这次的锻炼，我们的C语言编程能力也有了很大的提高。

总的来说，我们选的题目是人脸识别，这个项目的难度还挺大的，中间遇到了很多问题，但是都被我们一一迎刃而解了，总之，我们是痛并快乐着！

对本门课的意见：

上课时可以加多点cvi实验的讲解；大作业可以设一个中期考核。

六、参考文献

[1]彩色图像中主要人脸特征位置的全自动标定

[2]彩色图像中的正面人脸检测的研究

[3]人脸识别技术的比较与结合

[4]人脸识别技术的研究

[5]人脸识别技术综述

[6]人脸图像定位与标准化算法

[7]一种基于肤色和几何特征的人面部识别方法

[8]一种基于颜色信息的人脸检测方法