基于圖像處理的人眼識別方法的研究

1、 基于圖像處理的人眼識別方法的研究摘要人臉的識別是人類視覺最杰出的能力之一，人臉也具有和指紋一樣的唯一性,也可以用來鑒別人的身份。眼睛與人臉其他部分相比有著灰度變化十分明顯的特征，作為人臉部重要組成部分，眼睛的檢測定位對于人臉信息的處理具有重要的作用與意義。首先為了在一定程度上消除圖像的噪聲，并降低光照變化對人眼識別的影響，運(yùn)用幾種常用的圖像的預(yù)處理方法來對所采集來的圖像進(jìn)行預(yù)處理，并且詳細(xì)描述了它們的計(jì)算過程，展示具體的預(yù)處理效果。其次通過對幾種常用于人臉的色彩空間的膚色識別算法的學(xué)習(xí)研究以及對比分析，從圖像中分離出人臉。在實(shí)現(xiàn)正確人臉檢測的基礎(chǔ)上，利用積分投影算法實(shí)現(xiàn)人眼兩個(gè)中心點(diǎn)的定位，

2、完成人臉圖像的歸一化處理。為更準(zhǔn)確的定位中心點(diǎn)，采取了適當(dāng)?shù)膱D像預(yù)處理技術(shù)，包括圖像增強(qiáng)技術(shù)和圖像的二值化處理技術(shù)，使得積分投影曲線在一定程度上免除噪聲的干擾。關(guān)鍵詞：圖像預(yù)處理，人臉檢測，人眼識別，色彩空間，積分投影StudyofHumanRecognitionMethodBasedonImageProcessingABSTRACTFacerecognitionisoneoftheoutstandingabilityofhumanvision.Thefaceisauniqueasfingerprints,canalsobeusedtodistinguishtheidentityofthepe

3、rson.Eyescomparedwithotherpartofthefacewiththegrayscalechangeisveryobvious,asanimportantpartofhumanfacedetectionandlocationofeyes,playsanimportantroleandsignificancefortheprocessingoffaceinformation.Firstofall,inordertoeliminatetheimagenoisetoacertainextent,andreducetheinfluenceofilluminationchangeo

4、nhumanrecognition,thepretreatmentmethodsofimagetotheimagepre-processing,andadetaileddescriptionofthecalculationprocessofthem,showingtheeffectofpretreatmentofconcrete.Secondly,throughthecolorrecognitionofseveralcommonlyusedinthefaceofthecolorspacealgorithmstudyandcomparativeanalysis,separatingtheface

5、fromtheimage.Whenthecorrectfacedetection,localizationusingintegralprojectionalgorithmtwoeyecenters,completenormalizationoffaceimage.Asthelocationcenterpointsmoreaccurately,theimagepreprocessingtechnologyisappropriate,includingimageenhancementtechnologyandthetwovaluesimageprocessingtechnology,interfe

6、rencemakesintegralprojectioncurvefromthenoiseinacertainextent.KEYWORDS:ImagePreprocessing,FaceDetection,IdentificationofHumanEye,ColorSpace,Integralprojection前言第1章1.11.21.3第2章2.12.22.32.42.5第3章3.1目錄TOC o 1-5 h z1緒論3論文背景和意義3 HYPERLINK l bookmark10 國內(nèi)外發(fā)展現(xiàn)狀和趨勢3 HYPERLINK l bookmark12 1.2.1國內(nèi)現(xiàn)狀3 HYPERLI

7、NK l bookmark14 1.2.2國外現(xiàn)狀41.2.3發(fā)展趨勢5 HYPERLINK l bookmark16 本文研究內(nèi)容及結(jié)構(gòu)6 HYPERLINK l bookmark18 1.3.1研究內(nèi)容6 HYPERLINK l bookmark20 1.3.2論文結(jié)構(gòu)7圖像預(yù)處理8灰度變換法8 HYPERLINK l bookmark76 2.1.1線性變換9 HYPERLINK l bookmark84 分段線性變換102.1.3非線性變換11 HYPERLINK l bookmark86 直方圖均衡化法12濾波法142.3.1高斯濾波14 HYPERLINK l bookmark90

8、 2.3.2中值濾波162.3.3均值濾波18圖像二值化19本章總結(jié)21人臉檢測22人臉檢測的方法22基于特征的方法223.1.2基于模板匹配的方法23基于統(tǒng)計(jì)的方法233.1.4方法論證24 HYPERLINK l bookmark130 3.2基于膚色的顏色空間的理論基礎(chǔ)25 HYPERLINK l bookmark132 3.2.1RGB色彩空間253.2.2歸一化的rgb色彩空間26 HYPERLINK l bookmark144 3.2.3HSV顏色空間27 HYPERLINK l bookmark162 3.2.4HSI顏色空間28 HYPERLINK l bookmark172

9、3.2.5YCbCr顏色空間29 HYPERLINK l bookmark174 3.3歸一化rgb顏色空間下的人臉檢測303.3.1獲取膚色在rgb顏色空間下的聚類范圍30 HYPERLINK l bookmark180 3.3.2獲取圖像中的人臉區(qū)域32 HYPERLINK l bookmark182 3.5本章總結(jié)34 HYPERLINK l bookmark196 第4章人眼定位35 HYPERLINK l bookmark198 4.1積分投影方法35灰度積分投影35 HYPERLINK l bookmark204 方差積分投影36方差積分投影37 HYPERLINK l bookm

10、ark228 4.2人眼中心點(diǎn)的定位374.2.1人臉左右邊界的定位37 HYPERLINK l bookmark230 4.2.2人眼水平位置的定位384.2.3人眼中心點(diǎn)的精確定位39 HYPERLINK l bookmark237 本章總結(jié)39 HYPERLINK l bookmark239 第5章總結(jié)及展望41 HYPERLINK l bookmark241 5.1人臉檢測41 HYPERLINK l bookmark243 人眼定位41 HYPERLINK l bookmark245 5.3展望41謝辭43參考文獻(xiàn)44外文資料翻譯錯(cuò)誤!未定義書簽。 -LX.1前言人眼檢測定位是計(jì)算機(jī)

11、視覺和模式識別研究領(lǐng)域的熱點(diǎn)，具有廣泛的應(yīng)用前景，人眼檢測定位配合上人臉檢測技術(shù)，在國家軍事安全，如公安刑偵，軍用追蹤偵查；民政，如司法鑒定；金融保險(xiǎn)，如金融支付；民用，如醫(yī)學(xué)應(yīng)用、視覺監(jiān)控、視頻會議等眾多領(lǐng)域都有其廣闊的應(yīng)用前景。本文擬采用多種圖像預(yù)處理技術(shù)對圖形進(jìn)行預(yù)處理，再對比多種人臉識別方法，選取一種合適的算法進(jìn)行人臉識別，然后在此基礎(chǔ)上進(jìn)一步利用一定的算法識別出人眼，力求達(dá)到精、準(zhǔn)、快的目的。在我國關(guān)于人眼識別定位的研究起步比較晚。國內(nèi)許多研究所和高等院校在人臉檢測、人眼定位等技術(shù)方面投入很大的精力、財(cái)力，并取得良好的進(jìn)展。近些年來，國內(nèi)的學(xué)者對人眼的檢測和定位研究也取得了很大的進(jìn)展

12、，提出了許多比較實(shí)用和有效的算法。國外對人臉識別技術(shù)的研究比較早，始于上世紀(jì)50年代。人臉技術(shù)進(jìn)入自動機(jī)器識別階段實(shí)在上世紀(jì)70年代。到90年代，人臉識別潛在的商業(yè)價(jià)值逐漸被人們重視起來，并伴隨著監(jiān)控應(yīng)用系統(tǒng)的重要性與日俱增和計(jì)算機(jī)實(shí)運(yùn)算能力的增強(qiáng)，人臉識別和人眼定位技術(shù)的發(fā)展進(jìn)入高峰期。二十世紀(jì)末，如何使一個(gè)系統(tǒng)自動化的運(yùn)行起來成為人臉識別技術(shù)的主要研究方向，以解決對輸入的視頻或圖像中人臉和人眼的檢測與定位，以及面部器官特征提取。但也存在許多亟待解決的問題，人眼檢測依賴于人臉檢測技術(shù)的發(fā)展，眉毛、頭發(fā)等臉部特征與眼部色彩相近，如何有效區(qū)分眼睛與這些區(qū)域成為制約眼睛檢測發(fā)展的重要問題，當(dāng)前研究

13、大多針對人臉正面圖圖像，當(dāng)人臉出現(xiàn)偏移和旋轉(zhuǎn)時(shí)檢測精度不高等問題，這些都是以后需要努力解決的方向。本文主要依據(jù)人臉色度不隨姿態(tài)改變而改變的思想，先識別出人臉，再依據(jù)灰度投影的人眼檢測及定位方法，利用人臉特征的灰度值差別和人臉的幾何分布關(guān)系確定人眼的位置。這種方法對于背景較為簡單、臉部特征比較規(guī)整的圖像，能夠有效地檢測到眼睛。但由于眉毛、睫毛、眼睛等諸多因素干擾，以及灰度信息分布隨不同的人臉差異很大，因此該方法定位準(zhǔn)確度不穩(wěn)定，容易陷入局部最小進(jìn)一步導(dǎo)致定位失敗。同時(shí)，從灰度投影算法的原理可以了解到，灰度投影算法是建立在圖像只做平移運(yùn)動的假設(shè)之上，所以當(dāng)圖像間存在尺度或旋轉(zhuǎn)變化時(shí)，灰度投影的穩(wěn)像

14、算法就會失效，這樣就大大限制了灰度投影算法的應(yīng)用。人眼定位識別是一項(xiàng)極富挑戰(zhàn)性，多學(xué)科交叉的課題。若只采用一種方法是很難得到令人滿意的結(jié)果的。因此需要將多種技術(shù)算法相結(jié)合，充分利用不同算法各個(gè)的優(yōu)點(diǎn)，彌補(bǔ)不足之處，提高識別率，提高識別速度減少計(jì)算量，增強(qiáng)系統(tǒng)對外界條件變化的魯棒性等，都是該領(lǐng)域研究和發(fā)展的最終目標(biāo)。第1章緒論1.1論文背景和意義人臉圖像識別研究具有很大的使用價(jià)值。和人的指紋一樣，人臉也具有唯一性，也可用來鑒別人的身份。人們更多的是在電影中看到這種技術(shù)的神奇應(yīng)用：警察將拍到的嫌疑犯的臉部照片，輸入到電腦中，與警方數(shù)據(jù)庫中的資料進(jìn)行比對，并找出該嫌犯的詳細(xì)資料和犯罪記錄。這并非虛構(gòu)

15、的情節(jié)。在國外，人臉識別技術(shù)早已被大量使用在國家重要部門以及軍警等安防部門。在國內(nèi)，對于人臉識別技術(shù)的研究始于上世紀(jì)90年代，目前主要應(yīng)用在用在機(jī)關(guān)單位的安全和考勤、網(wǎng)絡(luò)安全、銀行、海關(guān)邊檢、物業(yè)管理、軍隊(duì)安全、智能身份證、智能門禁、司機(jī)駕照驗(yàn)證、計(jì)算機(jī)登錄系統(tǒng)等領(lǐng)域。眼睛與人臉部其他部分相比具有灰度變化十分明顯的特征，作為臉部特征的重要組成部分，眼睛的檢測對于人臉信息的處理具有重要的意義，不僅可以提高識別和檢測的速度，而且能夠降低識別算法的復(fù)雜度。在臉部器官定位方面，只要人眼被精確定位，眉毛、鼻子、嘴巴等其他特征就可以通過潛在的分布關(guān)系比較準(zhǔn)確地進(jìn)行定位。眼睛的定位還可以使人臉較好的歸一化，

16、預(yù)處理的效果也更加明顯。另外，眼睛在感情以及輔助語言交流中也發(fā)揮著巨大的作用。例如：高速公路上發(fā)生的交通事故50%以上是由于長時(shí)間駕駛造成的疲勞或者是所看見的目標(biāo)單調(diào)而形成的注意力不集中、瞌睡犯困等造成的。駕駛員在車輛行駛過程中是否疲勞駕駛可以從眼睛的狀態(tài)反映出來。所以，人眼檢測識別是很有價(jià)值和市場空間的。國內(nèi)外發(fā)展現(xiàn)狀和趨勢1.2.1國內(nèi)現(xiàn)狀國內(nèi)關(guān)于人眼識別定位的研究起步比較晚，始于上世紀(jì)90年代。國內(nèi)許多研究所和高等院校在人臉檢測、人眼定位等技術(shù)方面投入很大的精力、財(cái)力，并取得良好的進(jìn)展。梁路宏提出的一種基于多個(gè)模板匹配的單個(gè)人臉檢測方法。先使用雙眼模板大概選定一些候選區(qū)域進(jìn)行初步篩選，再

17、采用不同長寬比的人臉模板進(jìn)一步的檢測定位，最后利用人臉器官的邊緣特征進(jìn)行驗(yàn)證。G.Yang提出一種在復(fù)雜背景中定位人臉的方法，即將人臉分成若干個(gè)低分辨率的馬賽克塊，利用臉部各子塊的關(guān)系進(jìn)行檢測，將檢測系統(tǒng)分為三個(gè)層次。第一層研究對象是低分辨率的圖像，該層集中用來掃描圖像看起來像什么，這些約束規(guī)則可以粗略定位后選人的人臉部區(qū)。第二層做圖像處理工作，如對候選區(qū)完成邊緣檢測、進(jìn)行局部直方圖均衡化等。第三層輸入的圖像的分辨率最高，可以提供許多面部信息，經(jīng)過第二層后依然存在的候選區(qū)中運(yùn)用面部細(xì)節(jié)特征的規(guī)則，如對嘴、眼進(jìn)行檢查和驗(yàn)證，完整計(jì)算馬賽克局部統(tǒng)計(jì)量，采用約定的模型規(guī)則最終確定人臉的位置。近些年來

18、，國內(nèi)的學(xué)者對人眼的檢測和定位研究也取得了很大的進(jìn)展。楊彬等人采用紅外光源主動檢測技術(shù)來監(jiān)測駕駛員的疲勞狀況，人眼視網(wǎng)膜對于波長不同的紅外線的反射量是不同的，依據(jù)人眼這一最基本的生理特征信息，對獲取到的紅外序列圖像進(jìn)行差分處理，就可以進(jìn)一步在圖像中精確定位眼睛。該方法定位準(zhǔn)確性高、速度快、魯棒性強(qiáng)，只是需要紅外攝像頭硬件支持，且對光照及攝像頭與臉部的距離十分敏感。以上列出的算法只是其中一部分，除了這些外，一些其他領(lǐng)域成熟方法也被應(yīng)用到人眼定位識別，如基于地形特征的方法。將人臉看作為一個(gè)三維的地標(biāo)，用地形表示面部特征時(shí)可以發(fā)現(xiàn)雙眼區(qū)域會呈現(xiàn)一些本征特點(diǎn)。用對地表特征的地形分類器，對每一幅人臉圖像

19、都能產(chǎn)生一個(gè)用來提取人眼候選點(diǎn)的地形圖，定義兩個(gè)地表相似度自適應(yīng)函數(shù)不斷更新雙眼的精確位置。這種方法很好的解決了復(fù)雜背景下的定位和面部姿態(tài)變化的問題，缺點(diǎn)是計(jì)算量過大，且對圖像去噪要求很高1。國外現(xiàn)狀國外對人臉識別技術(shù)的研究始于上世紀(jì)50年代。人臉技術(shù)進(jìn)入自動機(jī)器識別階段實(shí)在上世紀(jì)70年代。研究者們將人臉識別看作一個(gè)二維的模式識別問題，因而在那一時(shí)期，典型的識別技術(shù)大都是采用一些課測量的特征屬性。到90年代，人臉識別潛在的商業(yè)價(jià)值逐漸被人們重視起來，并伴隨著監(jiān)控應(yīng)用系統(tǒng)的重要性與日俱增和計(jì)算機(jī)實(shí)運(yùn)算能力的增強(qiáng)，人臉識別和人眼定位技術(shù)的發(fā)展進(jìn)入高峰期。二十世紀(jì)末，如何使一個(gè)系統(tǒng)自動化的運(yùn)行起來成

20、為人臉識別技術(shù)的主要研究方向，以解決對輸入的視頻或圖像中人臉和人眼的檢測與定位，以及面部器官特征提取。同時(shí)用來識別出人臉身份的分類器也被設(shè)計(jì)出來。在基于表象的方法中，由Belhumiur提出的Fisher判別法和Pentland、Turk提出的特征臉法最為出名，有效性在大型人臉庫中都得到驗(yàn)證?；谔卣鞯姆椒ㄒ搏@得了很大的成功，此方法對光照和視角變化相對來說不很敏感，但此時(shí)的特征提取技術(shù)還不是很成熟。比如大部分的眼睛定位方法都是基于一些紋理模型或者幾何模型的假設(shè)，不適用于閉眼的情況。發(fā)展趨勢綜合分析國內(nèi)外人臉識別和人眼定位的技術(shù)，還有很多制約著人眼檢測技術(shù)發(fā)展的因素。目前在現(xiàn)有技術(shù)條件下，人臉識

21、別和人眼定位在理想約束條件下，比如正面圖像、理想光照、無遮擋等的準(zhǔn)確識別率已經(jīng)很高了，結(jié)果也令人滿意。但眾所周知，要想投入市場，僅僅理想條件下是遠(yuǎn)遠(yuǎn)達(dá)不到客戶使用要求的，在非理想條件下，比如表情、光照、化妝、有無遮擋物、姿態(tài)、年齡、圖像分辨率等等，要達(dá)到實(shí)用性強(qiáng)、魯棒性高的人眼定位系統(tǒng)還尚未取得長足進(jìn)步。所以今后人眼定位技術(shù)領(lǐng)域主要由以下幾個(gè)發(fā)展趨勢：基于多種信息融合的人眼檢測方法將表情、膚色、光照等信息進(jìn)行融合，必將提高檢測的準(zhǔn)確度。人眼正面圖像的研究已經(jīng)取得較大的成果，但只研究正面圖像沒有太大應(yīng)用價(jià)值和應(yīng)用范圍。在將來的研究中，有一定旋轉(zhuǎn)、側(cè)面、傾斜的圖像將成為人臉識別、人眼定位的主要方向

22、?；诨旌戏椒ǖ娜搜蹤z測每種人眼檢測方法都有其自身的優(yōu)勢與不足，綜合兩種或多種方法，使用一種方法的優(yōu)點(diǎn)去彌補(bǔ)另一個(gè)方法的缺點(diǎn)，從而可能形成更準(zhǔn)確和魯棒性的人眼檢測系統(tǒng)2。改進(jìn)算法，使之抗干擾能力更強(qiáng)針對圖像質(zhì)量比較差、外在干擾因素比較多的情況進(jìn)行重點(diǎn)研究。實(shí)際情況中，有的攝像頭可能像素不夠高，采集來的圖像干擾因素比較多，不夠清晰。增強(qiáng)算法的抗干擾能力才能更好地適應(yīng)應(yīng)用的需要，也必將成為一大研究課題。動態(tài)跟蹤識別系統(tǒng)單純的基于靜態(tài)圖像的人眼識別已經(jīng)不能滿足應(yīng)用的需求和社會的發(fā)展，尤其是最近幾年國際恐怖事件頻頻發(fā)生，為增強(qiáng)防范能力，盡可能減少恐怖威脅等，人們對具有實(shí)時(shí)跟蹤的圖像處理系統(tǒng)的性能需求大

23、大提高。(5)算法的國際化隨著經(jīng)濟(jì)全球化，對于人眼信息處理技術(shù)，突破人種差異是一個(gè)亟待解決的為題。由于不同人種有不同的膚色，且臉部特征也有各種差異，要想實(shí)現(xiàn)算法的通用性，還是有很大難度。總之，人眼定位識別是一項(xiàng)極富挑戰(zhàn)性，多學(xué)科交叉的課題。若只采用一種方法是很難得到令人滿意的結(jié)果的。因此需要將多種技術(shù)算法相結(jié)合，充分利用不同算法各個(gè)的優(yōu)點(diǎn)，彌補(bǔ)不足之處，提高識別率，提高識別速度，減少計(jì)算量，增強(qiáng)系統(tǒng)對外界條件變化的魯棒性等，都是該領(lǐng)域研究和發(fā)展的最終目標(biāo)。本文研究內(nèi)容及結(jié)構(gòu)1.3.1研究內(nèi)容1：人臉圖像預(yù)處理。在人眼識別定位前期，先通過一些常用的預(yù)處理方法對圖像進(jìn)行預(yù)處理，因?yàn)閳D像在獲取過程中

24、往往由于多種因素使其與原始的圖像中的信息產(chǎn)生某些差異，經(jīng)適當(dāng)處理后有助于改善圖像的視覺效果，提高圖像成分的清晰度，達(dá)到比較理想的狀態(tài)，為后續(xù)的人臉識別和人眼定位做好準(zhǔn)備。2：人臉識別。通過比較論證幾種常用的人臉檢測方法，采用基于膚色的算法，根據(jù)人臉膚色在色彩空間中的聚類特性，運(yùn)用歸一化RGB顏色空間的方法將人臉從圖像中與其它背景分離出來，得到人臉區(qū)域圖像。3：人眼定位。在準(zhǔn)確識別人臉區(qū)域的基礎(chǔ)上，根據(jù)眼睛區(qū)域的灰度值比其周圍區(qū)域灰度值第，變化率大的特點(diǎn)，對人臉圖像二值化處理后，再在水平和垂直方向上對圖像灰度值進(jìn)行積分投影，對得到的投影曲線綜合分析后粗略定位出人眼區(qū)域。論文結(jié)構(gòu)本文分為5個(gè)章節(jié)，

25、每個(gè)章節(jié)主要內(nèi)容如下：第1章主要簡述了人眼定位的應(yīng)用背景，并對國內(nèi)為研究的現(xiàn)狀和發(fā)張趨勢作了簡要闡述。簡要概括了本文的研究內(nèi)容和結(jié)構(gòu)安排。第2章詳細(xì)描述了幾種常用的圖像預(yù)處理的算法，主要介紹了灰度變換法、直方圖均衡化法、濾波法和圖像二值化法，對圖像進(jìn)行灰度處理和噪聲濾除。第3章簡要描述幾種常用的人臉檢測方法，詳細(xì)介紹了基于膚色的算法，對圖像進(jìn)行歸一化變換后繪出直方圖得到膚色聚類范圍，最后定位出人臉區(qū)域。第4章在第3章識別出的人臉區(qū)域的基礎(chǔ)上，對圖像二值化處理，然后在水平和垂直方向上進(jìn)行灰度積分投影，分析得到的投影曲線，得出人眼區(qū)域。第5章對前邊人臉識別和人眼定位進(jìn)行總結(jié)，進(jìn)一步展望了今后的人眼

26、檢測定位工作。第2章圖像預(yù)處理一個(gè)圖像處理系統(tǒng)包括三個(gè)處理階段，一是獲取原始圖像的預(yù)處理階段；二是特征提取階段；三是識別分析階段。圖像預(yù)處理階段尤其重要，此階段處理不好，將會給后續(xù)工作帶來麻煩。圖像預(yù)處理技術(shù)就是在對圖像進(jìn)行正式處理前所做的一系列操作，因?yàn)閳D像在傳輸和存儲過程中難免會受到某種程度的破壞和各種各樣的噪聲的污染，導(dǎo)致圖片喪失了本質(zhì)或者偏離了人們的需求，而這就需要一系列的預(yù)處理操作來消除圖像受到的影響?？偟膩碚f圖像預(yù)處理技術(shù)分為兩大方面，即圖像增強(qiáng)和圖像復(fù)原技術(shù)。圖像增強(qiáng)技術(shù)在圖像預(yù)處理中占有較大的比重，是圖像處理所必須的步驟，它與圖像復(fù)原的不同之處在于圖像復(fù)原是以恢復(fù)圖像原來的本質(zhì)

27、為目的，而圖像增強(qiáng)是以突出人們需要的特征并且弱化不需要的特征為原理的。圖像增強(qiáng)的方法很多，有灰度變換、直方圖修正、圖像平滑去噪、偽彩色處理等等。灰度變換是圖像增強(qiáng)技術(shù)中的一種簡單的點(diǎn)運(yùn)算處理技術(shù)而直方圖修正則是基于灰度變換而來的能夠更好的顯示和處理圖像，然而上述兩種只能夠處理一些要求不高的圖像，去噪功能很弱。而圖像平滑減噪則是圖像增強(qiáng)的主要方面，是以對圖像進(jìn)行平滑和去噪為目的的最常用的預(yù)處理方法，在現(xiàn)代社會圖像預(yù)處理研究中有著舉足輕重的作用。圖像增強(qiáng)技術(shù)有頻率域法和空間域法兩種。頻率域增強(qiáng)是將原空間的圖像以某種形式轉(zhuǎn)換到頻率域空間，然后利用該空間的特有性質(zhì)進(jìn)行圖像處理，最后再轉(zhuǎn)換回原空間中，從

28、而得到處理后的圖像?？臻g域是指像素組成的空間，空間域增強(qiáng)是直接在圖像所在的空間進(jìn)行處理。2.1灰度變換法灰度變換是基本的圖像點(diǎn)運(yùn)算，是圖像增強(qiáng)處理中的一種空間域圖像處理方法?；叶茸儞Q是指根據(jù)某種目標(biāo)條件按照一定的變換關(guān)系去逐點(diǎn)改變原圖像中每一個(gè)像素灰度值，目的是為了改善畫質(zhì)，以便讓圖像的顯示效果更佳清晰，因此灰度變換還被稱為圖像的對比增強(qiáng)。經(jīng)過灰度變換后的圖像動態(tài)范圍變大，對比度會增強(qiáng)，圖像會變得更加清晰，特征也更加明顯?；叶茸儞Q主要利用點(diǎn)運(yùn)算來改變圖像像素點(diǎn)的灰度值，不改變圖像內(nèi)的空間關(guān)系，除了根據(jù)某種特定的變換函數(shù)進(jìn)行變換之外，灰度變換可以認(rèn)為是對像素進(jìn)行簡單的復(fù)制?；叶茸儞Q的表達(dá)式如式(

29、2-1):g(x,y)Tf(x,y)(2-其中函數(shù)T是灰度變換函數(shù)，它定義了輸入圖像灰度和輸出圖像灰度之間的變換條件。所以如果灰度函數(shù)確定了，那么灰度變換就被完全確定。如圖2-1為原始圖像，圖2-2為經(jīng)過灰度變換后的圖像。圖2-1原始彩色圖像圖圖2-2灰度化的圖像灰度變換的方法有很多種，比如圖像灰度求反、灰度拉伸、灰度切分、灰度動態(tài)范圍調(diào)整及灰度級修正等等。以上幾種方法對圖像的處理效果各不相同，但是它們處理過程中都必須用到點(diǎn)運(yùn)算。點(diǎn)運(yùn)算通?？梢苑譃榫€性變換、分段線性變換以及非線性變換這三大類。2.1.1線性變換設(shè)輸入圖像f(x,y)的灰度值范圍為a,b，變換后的輸出圖像g(x,y)的灰度值范圍

30、擴(kuò)展至c,d，則圖像的任一點(diǎn)的灰度值，其表達(dá)式如式(2-2)所示：dc(2-2)g(x,y)=-xf(x,y)a+cba若原圖像大部分的像素灰度級在區(qū)間a,b之內(nèi)，maxf為原圖像灰度最則為了改善圖像增強(qiáng)效果，令：g(x,y)二vcdc-xf(x,y)a+cbad0f(x,y)aaf(x,y)b(2-3)式(2-2)和式(2-3)表示的關(guān)系可用圖bf(x,y)maxf2-3和圖2-4表示：大值，只有個(gè)別部分的灰度級不在區(qū)間內(nèi)圖2-3灰度線性變換關(guān)系圖2-4線性變換關(guān)系因此線性變換適合那些曝光不足或過度的圖像，它們的灰度可能會分布在一個(gè)很小的范圍內(nèi)，這時(shí)得到的圖像是一個(gè)比較模糊、沒有灰度層次的圖

31、像。采用上述線性變換對圖像的每一個(gè)像素進(jìn)行灰度線性拉伸，抑制圖像中不重要的部分，擴(kuò)展重要部分的對比度，從而有效的增強(qiáng)圖像的質(zhì)量。分段線性變換分段線性變換是為了突出圖像中感興趣的灰度區(qū)間，相對抑制不需要的灰度區(qū)間，進(jìn)行分段線性變換，它對圖像灰度區(qū)間進(jìn)行兩段至多段的分段。假設(shè)f(x,y)的灰度范圍為0,M,g(x,y)的灰度范圍是0,N,對圖像中0,a)和(b,M區(qū)域壓縮，a,b范圍進(jìn)行擴(kuò)展，計(jì)算公式如式(2-4):g(x,y)=c-xf(x,y)ad-xf(x,y)a+cba0Jf(x,y)aaf(x,y)b(2-4)xf(x,y)b+dbf(x,y)90%)或很低(10%)時(shí)，色調(diào)分量將失去意

32、義。另外，飽和度的定義通常為RGB分量的線性組合，當(dāng)R+G+B的數(shù)值較小時(shí)，飽和度的變化也較大。HSI顏色空間從人的視覺系統(tǒng)看，色彩可用色調(diào)、飽和度和亮度來描述。人眼看到的任一彩色光都是這三個(gè)特性的綜合效果，這三個(gè)特性可以說是色彩的三要素。HSI色系坐標(biāo)系就是基于色調(diào)H(Hue)、飽和度S(Saturation)和亮度I(Intensity)三坐標(biāo)軸構(gòu)成的三維顏色空間。HSI色彩模型是一種應(yīng)用很廣泛的一種色彩空間，它是基于視覺原理的彩色模型，有三個(gè)正交的分量S和115。從RGB(假設(shè)已經(jīng)歸一化到0,1)到HSI的變換公式如式(3-8)、(3-9)、(3-10)所示：I=(R+G+B)/3S=1

33、-3xMinR,G,B/(R+G+B)TempH=arccos(RG)+(RBL2x(R-G)2+(R-G)(G-B)H，(3-7)、(3-7)(3-8)(3-9)TempH當(dāng)BG(3-10)2n-TempH當(dāng)BG變換后的HEI空間團(tuán)像（aJRGB空間團(tuán)像圖3-3RGB轉(zhuǎn)HSI效果圖圖3-3為RGB轉(zhuǎn)HIS效果圖，其中當(dāng)R=G=B時(shí)，即圖像為灰度時(shí)，色度不存在，飽和度為零。研究表明，在HSI空間上膚色信息具有如下的特點(diǎn)：在色調(diào)信息上，它包括一個(gè)比較寬的閾值范圍，從紅色到棕黃色都有可能是膚色；亮度信息上，由于人的膚色是略顯黃白色，因而具有較高的亮度值；在飽和度信息上，膚色的飽和度值占據(jù)一個(gè)更寬的

34、閾值范圍。此外，H空間具有不隨亮度、對比度而發(fā)生變化的優(yōu)點(diǎn)，這一點(diǎn)對于膚色提取是很有用的。325YCbCr顏色空間YCbCr色彩格式被廣泛應(yīng)用在電視顯示等領(lǐng)域中，也是許多視頻壓縮編碼，如MPEG，3PEG等標(biāo)準(zhǔn)中普遍采用的顏色表示格式。YCbCr顏色空間來源于國家電視標(biāo)準(zhǔn)委員會（NTSC）制彩色電視信號的傳輸，它也將色彩表示為三個(gè)分景，即亮度Y，藍(lán)色色度Cb和紅色色度Cr16。RGB空間Y-0.29900.58700.11400一一RCb-0.1687-0.33130.50000.5GCr0.5000-0.4187-0.08130.5B1_00011(3-11)的圖像和YCbCr空間的圖像可用

35、式（3-11）轉(zhuǎn)換:洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文）洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） RG日原始團(tuán)變化B7CBCR空間團(tuán)圖3-4RGB轉(zhuǎn)YCbCr效果圖圖3-4為RGB轉(zhuǎn)YCbCr效果圖。YCbCr空間具有將色度與亮度分離的特點(diǎn)，在YCbCr色彩空間中膚色的聚類特性比較好，受亮度變化的影響較小，而且是Cb-Cr兩維獨(dú)立分布，能較好地限制膚色分布區(qū)域，并且受人種的影響不大，因此廣泛應(yīng)用于膚色檢測。3.3歸一化rgb顏色空間下的人臉檢測從計(jì)算量的角度來說，RGB和歸一化的rgb顏色空間最為簡單，容易實(shí)現(xiàn)快速性。從檢測的效果來看，其它幾種的檢測效果相仿。因硬件采集系統(tǒng)采集到的圖像原始數(shù)據(jù)是RGB形式的，故決

36、定以歸一化rgb顏色空間檢測以避免向其他幾種顏色空間轉(zhuǎn)換的相對復(fù)雜的計(jì)算過程。3.3.1獲取膚色在rgb顏色空間下的聚類范圍若從圖像中將人臉與其它背景分離出來就必須找到歸一化rgb顏色空間中人臉膚色的聚類范圍，在此假定背景的聚類與膚色的聚類有明顯的不同17。事實(shí)上，絕大多數(shù)場景均滿足這種假設(shè)。這里我們需要一些皮膚素材，借助于Matlab得到膚色的聚類范圍。實(shí)現(xiàn)的步驟如下圖3-5所示：皮膚顏獲取原始?xì)w一化變換色RGB數(shù)據(jù)繪直方圖-得到范圍圖3-5獲取聚類范圍的方法圖3-6和圖3-7為待處理的皮膚素材。圖3-6待處理的皮膚素材（暗）圖3-7待處理的皮膚素材（亮）歸一化處理后效果為將亮度去除，如圖3

37、-8所示。圖3-9為r和g的直方圖。圖3-8歸一化后的素材0.3圖3-9素材中r與g的直方圖通過以上方法對大量素材進(jìn)行分析所得到的歸一化rgb色聚類范圍為：gg0.28030.3604rg0.35230.44483.3.2獲取圖像中的人臉區(qū)域顏色空間的膚3-10所示。首先利用膚色的聚類范圍將膚色與背景分離出來，如圖圖3-10人臉區(qū)域圖3-10中，白色為符合膚色范圍的圖像區(qū)域，黑色則是不符合范圍的區(qū)域。由圖可見，用歸一化rgb顏色空間的方法處理效果不錯(cuò)。圖3-11加上坐標(biāo)系后的人臉區(qū)域建立如圖3-11所示的坐標(biāo)系，網(wǎng)格化圖像后，現(xiàn)規(guī)定白色的像素點(diǎn)為1，黑色的像素點(diǎn)為0，這樣，圖中所有白色點(diǎn)的和為

38、sum。pLThresh為低門限，pHThresh為高門限。確定人臉區(qū)域在X軸方向的起始和結(jié)束位置。假設(shè)X軸的坐標(biāo)范圍為0到a，Y軸的坐標(biāo)范圍為0到b，首先獲取X坐標(biāo)為0的白點(diǎn)的個(gè)數(shù)和SumTemp（第一列），判斷SumTemp/sum的值是否大于pLThresh，如果大于或者等于pLThresh，則將此次作為人臉區(qū)域在X軸方向的起始區(qū)域，如果小于，則將此時(shí)的SumTemp值與下一列的白點(diǎn)個(gè)數(shù)相加并保存在SumTemp中，再次判斷SumTemp/sum的值是否大于pLThresh，處理方法與之前一樣，直到找到第一個(gè)大于或者等于pLThresh的列坐標(biāo)，然后開始依此法尋找第一個(gè)等于或者大于pHT

39、hresh的坐標(biāo)作為X軸方向的終點(diǎn)位置。使用相同的方法確定人臉區(qū)域在Y軸方向的起始和結(jié)束位置。找到邊界后的效果如圖3-12所示。圖3-12加上坐標(biāo)系后的人臉區(qū)域3.5本章總結(jié)本章介紹了幾種人臉識別常用的算法，簡單介紹了每種算法的原理。通過比較論證幾種常用的人臉檢測方法，采用基于膚色的算法，根據(jù)人臉膚色在色彩空間中的聚類特性，運(yùn)用歸一化RGB顏色空間的方法將人臉從圖像中與其它背景分離出來，得到人臉區(qū)域圖像。第4章人眼定位人的雙眼在面部所占的位置比較固定，是臉部非常突出的特征。兩眼的間距是人臉大小的特征，可作為人臉識別中尺度歸一化的重要依據(jù)，因而對眼睛的定位在人臉識別領(lǐng)域是一項(xiàng)重要課題，許多人臉識

40、別算法對眼睛的定位都有很大幫助作用。一旦人臉范圍被確定下來，那么人眼的位置的范圍就大大縮小了，面部其他特征器官，包括眉毛、鼻子、嘴巴等，都比較容易地由人臉器官分布特點(diǎn)得到。在正向人臉識別過程中，人臉方位變化在各種情況下都對識別效果有著顯著的影響，無論采用局部或者全局特征，圖像統(tǒng)計(jì)或幾何特征，對人臉方位的統(tǒng)一地調(diào)整使其規(guī)范化能有效提高人臉識別率。雙眼的中心距離幾乎不受表情變化、光照強(qiáng)度的影響，對雙眼的精確定位在方位調(diào)整中是非常重要的一個(gè)環(huán)節(jié)。兩只眼睛的中心連接線隨著面部旋轉(zhuǎn)而旋轉(zhuǎn)，當(dāng)面部微標(biāo)準(zhǔn)正向時(shí)，兩眼的中心連線是水平的，因而它可用于幫助判斷圖像是否處于旋轉(zhuǎn)狀態(tài)。并且，當(dāng)以雙眼眼球之間的距離對

41、人臉識別過程中提取到的各種特征值進(jìn)行歸一化運(yùn)算時(shí)，被處理后的特征值具有平移、旋轉(zhuǎn)和尺度不變性。眼睛區(qū)域有兩個(gè)顯著的特征18：1：眼睛區(qū)域的灰度值比其周圍區(qū)域的灰度值低。2：眼睛區(qū)域的灰度值變化率較大。因此，綜合考慮這兩個(gè)因素才能更精確定位眼睛。本文首先利用圖像預(yù)處理技術(shù)對人臉圖像進(jìn)行灰度變換和濾波，然后識別出人臉區(qū)域，再進(jìn)行二值化處理，進(jìn)行灰度積分投影來劃分出眼睛區(qū)域。4.1積分投影方法4.1.1灰度積分投影洛陽理工學(xué)院畢業(yè)設(shè)計(jì)(論文)洛陽理工學(xué)院畢業(yè)設(shè)計(jì)(論文) 積分投影是根據(jù)圖像在某些方向上的投影分布特征來進(jìn)行檢測的。這種方法在本質(zhì)上是一種傳統(tǒng)方法，主要由水平投影和垂直投影。設(shè)G(x,y)

42、表示圖像(x,y)處的灰度值在圖像y1,y2和X,x2區(qū)域的水平積分投影Mh(x)和垂直投影Mv(y)表示為式(4-1)和式(4-2)19:(4-1)(4-2)H(x)的值上反應(yīng)M(y)=1藝G(x,y)hx-x21x1M(x)=h1藝G(x,y)y-y當(dāng)圖像某一列像素灰度值發(fā)生變化時(shí)，這種變化會再21y1出來，當(dāng)圖像某一行像素灰度均值發(fā)生變化時(shí)，這種變化會再V(y)的值上反應(yīng)出來。因此可以通過對灰度積分投影函數(shù)值的分析，提取圖像中的特征。方差積分投影積分投影函數(shù)只考慮均值的變化情況，但如果在均值相同的情況下則無法放映灰度的變化。方差積分投影采用方差代替均值，避免了這種情況的發(fā)生。設(shè)G(x,y

43、)表示圖像(x,y)處的灰度值在圖像y1,y2和x1,x2區(qū)域的水平方差積分投影函數(shù)a2(y)和垂直方差積分投影函數(shù)a2(x)表示為式(4-3)hv和式(4-4):(4-3)a2(y)=藝G(x,y)-M(y)2hx-xih21x-=xia2(x)=vG(x,yi)-Mv(x)2(4-4)當(dāng)圖像某一列像素灰度方差發(fā)生變化時(shí)，這種變化會在a2(x)的值上反v應(yīng)出來，當(dāng)圖像某一行像素灰度方差發(fā)生變化時(shí)，這種變化會在a2(y)的值h上反應(yīng)出來。因此同樣可以利用方差積分投影法對圖像特征進(jìn)行分析。但該方法只考慮灰度方差，在方差相同情況下，也無法反應(yīng)灰度的變化。積分投影函數(shù)和方差投影函數(shù)在一定程度上有互補(bǔ)

44、性，故引進(jìn)一種新的方式:混合積分投影。4.1.3方差積分投影混合積分投影包括垂直混合積分投影Hv(x)和水平混合投影函數(shù)Hh(y),分別定義為式(4-5)和式(4-6)：H(x)=vb2(x)+M2(x)2v2v(4-5)(4-6)其中b2(x),b2(y),M(x),M(y)分別是b(x),b(y),M(x),M(y)TOC o 1-5 h zvhvhvhvh規(guī)范化到0,區(qū)間后的結(jié)果：b(x)-min(b(x)b(y)-minQ(y) HYPERLINK l bookmark218 Cj(x)vvCj(y)hhvmax(b(x)-min(b(x)hmax(b(y)-min(b(y) HYPE

45、RLINK l bookmark220 vvhhM(x)min(M(x)“，()M(y)min(M(y) HYPERLINK l bookmark224 M(x)vvM(y)hhvmax(M(x)-min(M(x)hmax(M(y)-min(M(y) HYPERLINK l bookmark226 vvhh混合投影20的值反應(yīng)圖像在某個(gè)方向上灰度均值和方差變化的綜合情況，所以具有更強(qiáng)的適應(yīng)性。不論是在積分投影函數(shù)失效的情況下，還是在方差投影函數(shù)失效的情況下，混合投影函數(shù)均能反應(yīng)出水平方向上不同區(qū)域的變化。人眼中心點(diǎn)的定位4.2.人臉左右邊界的定位由前面第3章可以得到圖像中人臉區(qū)域，把該人臉區(qū)域

46、部分從原圖像中截取出來。再進(jìn)行圖像二值化，將二值化的圖像灰度垂直積分投影，如圖4-為原圖像二值化后效果圖，圖4-2為截取的人臉區(qū)域二值化后的效果圖，圖4-3為原圖像積分投影效果圖，圖4-4為截取的人臉區(qū)域積分投影效果圖。從積分投影圖中可以看出，人臉區(qū)域是兩個(gè)比較大的波谷之間的區(qū)域。洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文）洛陽理工學(xué)院畢業(yè)設(shè)計(jì)(論文) 圖4-1原圖像二值化后效果圖圖4-2人臉區(qū)域圖像二值化后效果圖圖4-3原圖像積分投影效果圖4-1人臉區(qū)域積分投影后效果圖4.2.2人眼水平位置的定位對定位后的人臉二值化圖像進(jìn)行水平積分投影21,如圖4-5所示。圖4-5人臉區(qū)域水平積分投影效果圖從此投影曲線可以

47、看出，曲線中的較大波谷是同人臉的各器官特征相對應(yīng)的，如從下往上觀察，最為明顯的是四個(gè)波谷，最下邊對應(yīng)嘴巴，往上一個(gè)波谷對應(yīng)著鼻子，第三個(gè)應(yīng)該是眼睛，第四個(gè)是眉毛以上。因此需要在此曲線中定位第三和第四個(gè)波峰點(diǎn)，找到其在二值化圖像中對應(yīng)的y3軸坐標(biāo)k1及k2。以y=k2為中心軸，在原圖像中截取y=k-_(k-k)和122125213y=k+-(k-k)區(qū)域內(nèi)的部分，即可把眼睛區(qū)域從原圖像中截取出來22，22521如圖4-6所示。如此既完整截取了眼睛部位，又消除了眉毛對眼睛的影響，為下面精確定位做好準(zhǔn)備。圖4-6截取的眼睛區(qū)域4.2.3人眼中心點(diǎn)的精確定位對剪切出的左右眼區(qū)域分別進(jìn)行處理，由于眼睛區(qū)

48、域灰度變化較為復(fù)雜，故對重新二值化后的眼睛圖像進(jìn)行混合積分投影，利用水平積分投影確定眼睛中心點(diǎn)縱坐標(biāo)N，通過垂直積分投影確定中心點(diǎn)的橫坐標(biāo)M，則(M,N)就是所要定位的眼睛的中心點(diǎn)23。由于時(shí)間關(guān)系和個(gè)人能力有限，只實(shí)現(xiàn)了人臉檢測和后續(xù)人眼粗定位，最后的人眼精確定位沒有實(shí)現(xiàn)。4.3本章總結(jié)本章利用積分投影的方法實(shí)現(xiàn)了正面人臉圖像中人眼的精確定位，分析對比幾種積分投影方法的優(yōu)劣，提出了一種合理的處理方法。為了更好的得到積分投影的結(jié)果，對圖像進(jìn)行了一些預(yù)處理，包括圖像對比度增強(qiáng)和圖像二值化處理。但是由于時(shí)間和個(gè)人能力有限，最后只實(shí)現(xiàn)了人臉檢測和人眼粗定位。洛陽理工學(xué)院畢業(yè)設(shè)計(jì)(論文)洛陽理工學(xué)院畢

49、業(yè)設(shè)計(jì)(論文)洛陽理工學(xué)院畢業(yè)設(shè)計(jì)（論文） # 第5章總結(jié)及展望5.1人臉檢測本文首先通過對灰度變換法、直方圖均衡化、高斯濾波、中值濾波、均值濾波等幾種圖像預(yù)處理的效果的對比，并考慮想要得到的效果，選取線性灰度變換和高斯濾波的方法對人臉圖像進(jìn)行預(yù)處理，盡可能較小光照和噪聲對后續(xù)處理的影響，提高圖片質(zhì)量。其次通過對比基于特征、模板匹配、基于統(tǒng)計(jì)的三種人臉識別方法，并考慮算法復(fù)雜度、可行性，采用特征方法中的基于膚色的算法來進(jìn)行人臉識別，達(dá)到計(jì)算量小，算法相對簡單，易于實(shí)現(xiàn)快速的目的。基于膚色的顏色空間也有好幾種處理方法，比如RGB色彩空間、歸一化RGB色彩空間、HSV顏色空間、HIS顏色、YCbC

50、r顏色空間等，它們各自有各自的有點(diǎn)和不足，綜合考慮采用在歸一化的RGB顏色空間下進(jìn)行人臉檢測。最終實(shí)現(xiàn)比較理想的人臉檢測功能。人眼定位本文人眼定位主要針對正面人臉圖像，根據(jù)眼睛區(qū)域的灰度值比其他周圍區(qū)域灰度值低，變化率大的特點(diǎn)，首先根據(jù)前文中圖像預(yù)處理技術(shù)和檢測出的人臉，將圖像二值化后，再對圖像灰度值進(jìn)行水平和垂直方向上的積分投影，根據(jù)投影曲線的特征，分割出眼睛區(qū)域，并精確定位出眼睛。但是由于時(shí)間和個(gè)人能力有限，只實(shí)現(xiàn)了人臉檢測和后續(xù)人眼粗定位，最后沒能實(shí)現(xiàn)人眼精確定位，檢測實(shí)時(shí)性不好。5.3展望綜合分析當(dāng)前國內(nèi)外的人眼檢測技術(shù)，仍有許多問題亟待解決，已實(shí)現(xiàn)的方法還存在訓(xùn)練時(shí)間較長、檢測率不夠

51、完美，實(shí)時(shí)檢測速度不夠快等問題。所以今后人眼檢測的研究和發(fā)展趨勢應(yīng)該是多種方法混合型的，具有增強(qiáng)的抗干擾能力的算法，應(yīng)該多信息融合，形成非剛性模式識別的普適方法，并達(dá)到算法國際化。今后應(yīng)該圍繞以下幾方面展開研究工作24嘗試尋找更有效更簡單的人臉圖像特征提取方法，更好的實(shí)現(xiàn)人臉圖像的稀疏表示。進(jìn)行多姿態(tài)的人眼檢測系統(tǒng)的研究，增加多姿態(tài)的人臉訓(xùn)練樣本，如左右半側(cè)面人臉，各偏轉(zhuǎn)角度的側(cè)面人臉等。訓(xùn)練相應(yīng)的各個(gè)分類器，實(shí)現(xiàn)實(shí)時(shí)的多姿態(tài)人臉檢測和人眼定位。增加更多不同的訓(xùn)練樣本，比如光照的不一樣，有遮擋的樣本。可以訓(xùn)練多種分類器，如性別分類器，表情分類器等。進(jìn)一步加強(qiáng)對分類器的研究，將更多的分類器設(shè)計(jì)算法引入到人臉檢測盒人眼定位中來，以解決各種各樣的人臉圖像的檢測問題及加快人眼檢測速度。加快訓(xùn)練和檢測的速度是今后的一個(gè)重要為題。隨著應(yīng)用的深入，以后可能將人臉檢測