基于MATLAB的肤色分割和匹配的人脸识别研究.docx

基于MATLAB的肤色分割和匹配的人脸识别研究.docx

《基于MATLAB的肤色分割和匹配的人脸识别研究.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的肤色分割和匹配的人脸识别研究.docx（57页珍藏版）》请在冰豆网上搜索。

基于MATLAB的肤色分割和匹配的人脸识别研究

毕业设计（论文）

题目：

基于肤色分割和匹配的人脸识别算法研究

系别信息工程系

专业名称通信工程

班级学号098204233

学生姓名张翀

指导教师李忠民

二O一三年五月

毕业设计（论文）任务书

I、毕业设计（论文）题目：

基于肤色分割和匹配的人脸识别算法研究

II、毕业设计（论文）使用的原始资料（数据）及设计技术要求：

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

的可靠肤色模型。

基于肤色分割和匹配的人脸识别算法研究主要运用Matlab软件编程

实现对人脸图像进行图像转换、消除噪声、填孔处理、图像重构和边缘检测，从而实

现基于肤色分割和匹配的人脸识别算法。

具体要求如下：

1、基于肤色分割和匹配的人脸识别的一般过程；

2、采用Matlab实现图像转换、消除噪声、填孔处理、图像重构和边缘检测等相

关算法；

3、比较各种算法的处理效果；

4、采用Matlab实现基于肤色分割和匹配的人脸识别算法；

5、翻译一篇相关的英文资料。

III、毕业设计（论文）工作内容及完成时间：

第01～03周：

资料查找、方案论证、英文资料翻译、开题报告撰写；

第04～11周：

基于肤色分割和匹配的人脸识别算法设计；编写程序、仿真测试；

第12～15周：

对比测试；

第16～18周：

毕业论文撰写，答辩。

Ⅳ、主要参考资料：

[1].[美]恩格尔WK.DigitalSignalProcessingUsingMATLAB[M].西安:

西安交

通大学出版社，2002

[2].[美]NakamuraS.NumericalAnalysisandGraphicVisualizationwith

MATLAB（SecondEdition）[M].北京:

电子工业出版社，2002

[3].[美]冈萨雷斯.数字图像处理（MATLAB版）[M].北京：

电子工业出版社，2005

[4].[美]冈萨雷斯.数字图像处理（第二版）[M].北京：

电子工业出版社，2007

2007

[5].张化光,刘鑫蕊,孙秋野.MATLAB/SIMULINK实用教程[M].北京:

人民邮电出版社,

2011

[6].刘文达,胡荣强.基于肤色和模板匹配模型的人脸识别新方法研究[J].信息科技,2008：

144-145

[7].谢毓湘,王卫威,栾悉道等.基于肤色与模板匹配的人脸识别[J].计算机工程与科学,2008,30（6）:

54-56,69

信息工程系电子信息工程专业类0982042班

学生（签名）：

填写日期：

2013年1月10日

指导教师（签名）：

助理指导教师（并指出所负责的部分）：

电子信息工程系主任（签名）：

学士学位论文原创性声明

本人声明，所呈交的论文是本人在导师的指导下独立完成的研究成果。

除了文中特别加以标注引用的内容外，本论文不包含法律意义上已属于他人的任何形式的研究成果,也不包含本人已用于其他学位申请的论文或成果。

对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式表明。

本人完全意识到本声明的法律后果由本人承担。

作者签名：

日期：

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

本人授权南昌航空大学科技学院可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

作者签名：

日期：

导师签名：

日期：

基于肤色分割和匹配的人脸识别算法研究

学生姓名：

张翀班级：

0982042

指导老师：

李忠民

摘要：

人脸识别技术是生物特征识别技术中应用最广的一项技术,也是计算机视觉和模式识别领域研究得最多的一个课题。

随着科技的发展，传统的身份验证已很难适应人们的需求。

基于虹膜和指纹的生物特征验证对采集条件要求高，很难大范围推广。

同其他生物特征识别技术相比（比如虹膜、指纹），人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性。

因此，人脸识别技术在信息安全、刑事侦破、公共事业等领域具有广泛的应用前景。

人脸识别技术就是通过计算机提取人脸的特征，并根据这些特征进行身份验证的一种技术。

它涉及模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识，是当前研究的热点之一。

本文提出了一种基于肤色与模板匹配的人脸识别算法。

本文首先利用颜色空间特性，对人脸肤色的聚类特性进行了研究，基于不同的颜色空间肤色聚类结果的对比，本文选择YCbCr颜色模型来进行肤色分割。

依据人的肤色信息，在YCbCr空间进行肤色映射生成二值图像，然后根据人脸的形状特征确定人脸所在位置。

并对灰度图象进行剪切提取，为后续识别做好准备。

其次，文章研究了滤波器，填空处理，图像重构和边缘检测从而实现基于肤色分割和匹配的人脸识别算法。

关键词：

人脸识别，肤色分割,模板匹配

指导老师签名：

Researchonfacerecognitionalgorithmbasedonskincolorsegmentationandmatching

Studentname:

ZhangChongClass:

0982042

Supervisor:

LiZhongmin

Abstract：

FacerecognitionisoneofthemostwidelyusedTechnologiesinthefieldofbiometricsrecognition,anditisThefamoustopicincomputervisionandpatternrecognition.Thebiologiccharacteristicbasedidentityrecognitionsuchasirisanddactylogramneedsverystrictinformationcollectionconditions,whichmakesitdifficulttobeusedpractically.Comparedtootherbiometrics（suchasiris,fingerprint）,facerecognitiontechniqueissimpler,moreintuitive,andhavingmorehiddencapability.Therefore,facerecognitionhavegreatpotentialinawiderangeofapplicationsininformationsecurity,criminalinvestigation,publicutilitiesandotherfields.Thefacerecognitionisatechniquethatextractsvisualfeatures,anddistinguishesonefacefromanotherbasedonthesefeatures.Itisaresearchareaspanningseveraldisciplinessuchasimageprocessing,patternrecognition,computervision,physiologyandpsychology.Nowitisoneofthekeyissues.Thispaperpresentsanalgorithmforfacerecognitionusingskincolorandtemplatematching.

First,westudiedtheclusteringcharacteristicsoffaceskincolorundersomecolorspaces,andthenwechooseoneofthemnamelyYCbCramongthemodelsforskinsegmentation.Bythestudy,getafacebasedontheskincolorandtheshapefeature.Thenpick-upthefaceareasfromthegrayimage,prepareforfacerecognition.

Thispaperalsoresearchesthefilter,fillintheblankprocessing,imagereconstructionandedgedetectionsoastorealizethefacerecognitionalgorithmbasedonskincolorsegmentationandmatching.

Keywords：

facerecognitionskincolorsegmentationtemplatematching

SignatureofSupervisor:

1绪论

2算法理论与实现原理

2.1.4YIQ色彩空间...............................................12

3系统设计

3.2.1肤色建模..................................................18

3.2.2肤色模型在人脸检测的后期验证中的应用......................19

3.3数学形态学操作..................................................19

3.4系统的概要设计..................................................21

3.5具体算法设计....................................................23

3.7肤色分割步骤....................................................26

3.8图象的边缘检测和锐化处理........................................27

3.9人脸检测........................................................29

4基于MATLAB的实现步骤及分析

4.6相关匹配........................................................35

4.9边缘检测........................................................39

5总结与展望

参考文献.....................................................................44

致谢.....................................................................46附录.....................................................................47

1绪论

1.1研究背景与意义

人脸识别技术是一种生物识别技术。

生物识别技术，就是指通过获取和分析人的身体或行为特征来实现身份的自动鉴别或验证，这些特征包括先天遗传的生理特征，如指纹、虹膜等，也包括后天习惯形成的行为特征，如手写签名、步态等。

人脸识别技术，就是通过计算机获取人脸的特征，然后根据这些特征进行身份识别或验证的一种技术。

人脸识别技术涉及到图像处理技术、计算机视觉技术、模式识别技术等众多领域。

相较与其它基于生物特征的识别方法,它具有它特有的优势。

首先，人脸识别采用的是非接触性采集,方法友好而方便,使用者不会有任何心理障碍,亦不会造成任何侵犯性,容易被人们所接受。

其次,人脸识别的结果可以提供许多其它识别方法不能提供的信息,如性别、表情、年龄等,这一特点也大大地扩展了人脸识别的应用前景。

随着计算机技术的飞速发展,人脸识别技术飞速发展也扩散到了各个领域。

如计算机安全、机器视觉、门禁系统、医学诊断系统、智能监控系统以及三维动画等。

其中最为常见的应用有:

（l）视频监控。

在银行、公园、停车场等许多公共场到处都装有视频监控,当有异常情况或有陌生人闯入时,需要实时跟踪、监控、识别和报警等。

（2）证件验证。

在海关、机场等场所,都需要检验人的身份。

一般身份证和护照上都会有持有人的照片,使用人脸识别,就可以由机器代替人来完成验证识别的工作,实现自动化的智能管理。

（3）刑侦破案。

通常情况下公安部门的系统里存储有嫌疑犯的照片,当通过作案现场或其他途径获得嫌疑犯的照片或其面部特征描述之后,可以从数据库中迅速查找确认,大大提高刑侦破案的准确性的效率。

（4）入口控制。

入口控制的范围比较广,包括楼宇、住宅等入口处的安全检查,也包括了进入计算机系统或情况系统前的身份验证等。

（5）表情分析。

人脸识别可以判断出人脸图像中的面部变化特征,识别和分析人的情感状态,如高兴、生气等。

此外,人脸识别技术还在医学、档案管理、人脸动画、人脸建模、视频会议等方面有着巨大的应用前景。

由此看出，计算机人脸识别技术的应用将带来显著的社会效益和经济效益。

因此，进行计算机人脸识别方法和技术的研究对社会生活具有重大意义。

1.2国内外研究现状

1.2.1人脸识别的发展过程

人脸识别的研究已经有很长的历史，最早可以追溯到上个世纪法国人Galton的工作，但真正有发展还是近40年的事。

1973年Kanade的工作起至今，大多数人脸识别研究工作的对象为正面或接近正面的人脸图像。

国内外对于人脸识别的研究发展，技术趋势分别经历了三个阶段:

传统的人机交互式阶段、机器自动识别初级阶段、机器自动识别高级阶段。

第一阶段是以Bertlioin为代表的传统人机交互式阶段,，主要研究人脸识别所需要的面部特征，该阶段的识别依赖于人的操作。

这些人脸识别方法都需要利用操作员的某些先验知识，仍然摆脱不了人的干预。

第二阶段主要是自动识别初级阶段，其采用机器自动识别的手段进行识别，20世纪90年代以来，随着高速度高性能计算机的出现，人脸识别方法有了重大突破，进入了真正的机器自动识别阶段，人脸识别研究也得到了前所未有的重视。

国外有很多大学在此方面取得了很大进展，他们研究涉及的领域很广，其中有从感知和心理学角度探索人类识别人脸机理的，如美国TxeasDallas大学的Abdi和Toole小组，主要研究人类感知人脸的规律，如漫画效应、性别识别与人脸识别的关系、种族效应等;由Srtilnig大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组，主要是研究人类大脑在人脸认知中的作用，并在此基础上建立了人脸认知的两大功能模型，他们对熟悉和陌生人脸的识别规律以及图像序列的人脸识别规律也进行了研究。

也有从视觉机理角度进行研究的，如英国Aberdeen大学的Carw小组，主要研究人脸视觉表征方法，他们对空间频率在人脸识别中的作用也进行了分析;荷兰Groningne大学的Pektov小组，主要研究人类视觉系统的神经生理学机理并在此基础上发展了并行模式识别方法。

更多的学者则从事利用输入图像进行计算机人脸识别的研究工作。

国内关于人脸识别的研究始于20世纪80年代，主要是在国际上流行方法基础上作了发展性工作。

中国科技大学杨光正等提出一种基于镶嵌图的人脸自动识别方法，清华大学张长水等对特征脸的方法做了进一步发展，南京理工大学杨静宇等主要是采用奇异值分解方法进行人脸识别研究，上海交通大学李介谷等则专门研究了人脸斜视图像的集合特征提取与恢复，东南大学何振亚等，采用对称主元分析神经网络，用去冗余和权值正交相结合的方法对人脸进行特征提取和识别，与此同时还有许多科研院校及科研机构也进行人脸识别的研究，并取得了一些成果。

但相比之下，国内对人脸识别的研究和重视程度很不够，研究成果与国际还有一定的差距。

第三阶段是机器自动识别高级阶段，真正利用机器进行对人脸的自动识别。

根据输入图像的性质，人脸识别方法分为静止图像的识别方法和图像序列的识别方法两大类。

由于图像序列的计算远比静止图像的计算复杂和耗时，静止图像的识别方法是人脸识别领域中主要的研究方向，研究成果也更为成熟，而基于图像序列的人脸识别还处于起步阶段。

早期研究较多的两种静态人脸识别方法为:

基于几何特征的人脸识别方法和基于相关匹配的人脸识别方法。

目前，静止图像的人脸识别方法主要有三个研究方向:

一是基于统计的识别方法，包括特征脸（Eigenfaces）方法和隐马尔可夫模型（HiddenMarkovMode）方法;二是基于连接机制的识别方法，包括一般的神经网络方法和弹性图匹配（ElasticGraphMatching）方法;三是其他一些综合方法或处理非二维灰度图像的方法。

图像序列中的人脸识别是人脸识别领域中最富有挑战性的课题，己经吸引了越来越多的研究人员。

图像序列中利用整个跟踪序列来识别人脸的关键是进行运动估计和人脸跟踪。

由于人脸跟踪的重要性，目前它己经逐渐发展成为一个独立于人脸识别的研究领域，除了应用于人脸识别外，它在视频通信、人机交互以及唇读等方面都有着广泛的应用。

1.2.2目前的主流识别方法

在过去近40年的时间里,出现了许多人脸识别的方法。

由于人脸识别的应用领域广而且实用性非常强,许多知识背景不同的研究者都对这项技术做过相应的工作,这些研究者来自诸如生物学、模式识别、神经网络、计算机视觉、计算机图形学等领域,这种知识背景的差异也导致了不同类型的人脸识别方法。

在众多识别方法中,大部分可以归纳成三大类别:

基于统计的方法,基于特征结构的方法以及混合方法。

（l）基于统计的方法。

这一类别方法的特点是使用整个面部图像作为识别系统的输入。

其中,基于主成分分析的方法占绝大多数,如Craw和Cammeron、Kirby和Sirovich、Turk和Pentland提出的基于特征脸的工作,Moghaddam和Pentland基于概率特征脸的工作,Belhumeur、Swets和weng、zhao基于Fisher脸和LDA子空间的工作,Phillips基于支撑向量机（SVM）的工作,Liu和Wechsler基于演化跟踪的工作,Li和Lu基于特征线方法的工作,Bartllett基于ICA的工作等。

除了这些基于主成分分析理论的工作外,还有部分基于LDA/FLD和PDBNN（ProbabilisticdecisionbasedNN）的识别方法。

（2）基于特征的方法。

也叫基于结构的方法,在这类方法中,输入的数据不是整张脸部,而是一些局部特征,如眼睛、鼻子、嘴等局部的位置或其它统计量。

其中比较有代表性的工作有Kanade和Kelly等基于几何的方法,Okada和Wiskott等基于动态链接体系的方法,Nefian等基于隐式马尔科夫的方法,Lawrence基于神经网络的方法等。

（3）混合方法。

混合方法是一种将基于统计和基于特征的方法同时使用的方法,这一特点和人类的识别过程非常相似,有时我们可能通过人脸图像的某个部分来辨识对象,有时又通过整体图像来识别。

具有代表性的工作有Pentland等提出的模态特征脸方法,Penev等提出的混合局部特征方法（HLFA）,Lanitis等基于形状正则化的方法,Huang等基于脸部成分的方法等。

目前,这些方法都在各种人脸识别场合发挥着非常重要的作用,并且还不断的有新的方法出现。

1.2.3尚待解决的问题

虽然人脸识别拥有着其他生物特征识别技术无法比拟的优点,但人脸识别技术中还存在以下诸多需要完善的地方：

人脸识别的复杂性使得单独使用一种现有的方法不可能取得很好的识别效果，利用先验知识，多种方法综合使用是今后研究的必然趋势；不同人脸描述方式有不同特点，多特征融合方法也是改善识别性能的一个手段；在一些高级信息安全的应用中，需要研究人脸与指纹、虹膜、语音等识别技术的融合方法，如何与基于其他生物特征的鉴别系统结合也是一个有意义的研究方向；三维图像比二维图像更能提供完整而真实的内容，如何对三维人脸参数进行建模和有效利用三维信息进行识别，将是今后一个具有挑战性的研究课题。

1.3本文的研究重点及内容安排

本文主要探讨了基于matlab的在彩色图像皮肤区域中，采用分割算法以肤色作为人脸检测核心的一种新方法和新思路。

人脸检测系统要求实现对输入的可能包含人脸的图像进行处理,并输出图像中是否存在人脸以及人脸的数目、位置、尺度、位姿等参数信息。

传统的人脸检测方法大多是在亮度空间内进行,利用灰度的变化做多尺度空间的全搜索,计算量非常大、效率极低,而在人脸区域中,肤色一定是占主导地位的像素色彩值，虽然肤色因人而异,但经过研究可以发现肤色在色彩空间中的一定范围内是呈聚类特性的,特别是在排除了光照亮度和在经过变换的色彩空间中，利用肤色这一特征可以排除掉在灰度图像中的非皮肤区域，这对人脸检测起到了积极的作用。

本文共分为五章,其内容如下:

第一章是绪论,阐述了本文的研究背景和意义、国内外人脸研究概况及发展趋势。

介绍了常用的人脸识别方法以及本文的主要工作和章节安排。

第二章是算法理论与实现原理，介绍了肤色分割和分类识别的各种算法及其原理。

第三章是系统设计，对基于Matlab的肤色分割和匹配的人脸识别方法的算法原理和分析过程进行了详细的描述以及系统设计。

第四章根据第二章中描述的肤色分割原理和第三章中详细分析的人脸识别方法，构建了本文的人脸识别系统，对系统的框架用基于Matlab的实现步骤进行了描述。

第五章是本文工作的总结及对未来工作的展望。

2算法理论与实现原理

2.1常见色彩空间比较

谈到使用颜色检测，就不得不从色彩空间说起，不同的色彩空间对于人脸检测的结果有直接的影响，这是因为不同的应用场合和不同的物体需要使用不同的色彩空间进行检测。

色彩空间，通俗一点讲，就是各种色彩的集合，色彩的种类越多，色彩空间越大，能够表现的色彩范围即色域越广。

色彩空间也称为色彩系统或色彩模式，建立色彩空间的主要目的是提供一个可接受的指定色彩标准。

对于有关彩色视觉系统的设计开发而言，研究颜色是相当重要的。

图像中的颜色不仅给我们的感觉更愉悦，而且能获得更多的视觉信息。

人的视觉对彩色相当敏感。

人眼一般能区分的灰度等级只有二十多个，但是能区分有不同亮度、色度和饱和度的几千种颜色。

可以察觉的颜色属性包括亮度、色度和饱和度。

亮度反映了能察觉的明视度（luminance）；色度指红色、绿色等颜色，对单色光源而言，色度的不同以波长的不同显示；饱和度是可以察觉的白色光加入单色光的比。

在数字图像中利用彩色信息可以提高图像的可鉴别性，使图像细节更容易辨认，目标更容易识别。

在进行数字图像处理时，人们并不是对所有颜色一一处理，而是根据