肤色模型和层次滤波技术的人脸检测

计算机工程与设计ComputerEngineeringandDesign2010，31(19)4253·多|睾体技术·基于肤色模型和层次滤波技术的人脸 检测 工程第三方检测合同工程防雷检测合同植筋拉拔检测方案传感器技术课后答案检测机构通用要求培训 赵又东(淮阴工学院，江苏淮安223003)摘要：为了能够实现单幅彩色图像中的人脸检测，提出了基于肤色模型和层次滤波技术的人脸检测算法．它通过基于肤色的鲁帮性进行肤色建模，在图像中精确的提取出肤色区域，再经过方向校正后，检验出一系列的人脸特征、像素亮度的变化以及连通区域的空间排列，可以较好地检测出图像中的脸部区域．实验结果表明，该 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 可以适用于不同光照条件下的人脸检测，即使在脸部特征没有被很好的检测出的情形下也可以较好完成人脸检测。关键词：图像处理；肤色模型；层次滤波；人脸检测；最佳匹配椭圆中图法分类号：TP391．41文献标识码：A文章编号：1000．7024(2010)19-4253-04FacedetectionbasedonskinlocusmodelandhierarchicalfilteringZHAoWen．dong(HuaiyinInstituteofTechnology,Huai’all223003。China)Abstract：Inordertoaccomplishfacedetectionfi'omsinglecolorimages，anewarchitectureforfacedetectionincolorimagesbasedonskinlocusandsuccessivedetectorsisintroduced．ThedetectioniSbasedfillarobustmodelingofskincolor,calledskinlocus，whichisusedtoextracttheskin—likeregions．AfterorientationnormalizationandbasedOilverifyingasetofcriteria(facesymmetry,presenceofsomefacialfeatures，varianceofpixelintensitiesandconnectedcomponentarrangement)，onlyfacialregionsareselected．Resultsshowthatoursystemcandetectfacesanddealwithdifferentconditions(size，orientation,illumination,andcomplexbackground)，everlwhenthesefeaturesalenotwelidefined．Keywords：imageprocessing；skinlocusmodel；hierarchicalfiltering；facedetection；best-fitellipse0引言从单幅图像中完成人脸的检测具有一定的难度，因为尺度的变化，方向的变化，人脸的位姿变化，脸部表情等变化，以及不同的光照条件等因素都会直接影响到检测的结果。近几年来，国内外的学者在这方面也提出了许多人脸检测的方法，总的来说，可以分为两类：基于特征的和摹于整体的方法。基于特征的检测方法主要是从图像中提取出脸部特征，然后处理距离、角度、面积等特征信息，因此脸部的外表特征，如边缘也会被检测出来。和基于特征的检测方法不同的是，基于图像整体的方法是在图像上采用窗121扫描的方法，将子窗口划分为人脸或者非人脸区域。从近期的一篇人脸检测综述来看“】，目前大多数的人脸检测方法只使用图像的灰度值而忽视了图像中的颜色。结果，这些方法中的大多数计算都非常耗时，并且大多数的现有算法只能处理正面端人脸，尺度和方向也只能有很小的变化。为了解决这些问题，基于颜色的检测方法近年来成为一种新的检测方法，并且展现出很好的检测性能。基于颜色的人脸榆测方法首先检测出区域中的具有肤色的像素，然后再检测或者验证这些区域中的脸部特征。已经有好几种方案被提出来了怔l，它们之间主要的不同就在于肤色的建模方法不同。在基于颜色的人脸检测方法中，肤色模型的鲁帮性对于整个系统的性能来说都是至关重要的。肤色模型的鲁帮性是指其在不同光照条件下检测肤色像素的能力。在文献【4】中，提出了一个肤色模型检测方案，该方案对于不同的光照情形都具有很好的检测性能。基于此，我们在该方案的基础上，对肤色模型检测方案进行扩展。虽然，目前大多数的基于肤色的人脸检测算法都要依赖于人脸特征的检测，而我们改进后的算法能够在人脸特征没有被很好检测出来的情形下，比如眼睛闭起来的时候，也可以较好的完成人脸的检测。我们在不同的背景环境下测试了这套算法的性能。l肤色模型的建立‘不同的人可能具有不同的肤色，但是好几项研究都已经证明不同人种之间肤色的差异主要在于亮度M。在不同的颜色空间中，一砦值分布模型也已经有人做了比较Ⅲ。这些肤色模型在一些特定的限定条件F，在提取肤色区域方面也显示了一定的性能。当仅仅考虑色度信息时，也可以获得一些针对亮度信息的鲁棒性。然而，这不能解决所有有关亮度和相机校正等方面的问题，如肤色的色度分布依赖于占绝对优势的光照条件，以及相机校正的光源。这两个光照条件相差越大，对于色度产收稿日期：2009．10-09：修订日期：2009．12．15。基金项目：江苏高校自然科学研究计划基金项目(08KJB520001)。作者简介：赵文东(1972--)，男，硕士，副教授，研究方向为计算机图像处理。E-maihzwa139@163．corn万方数据42542010，31(19)计算机工程与设计ComputerEngineeringandDesign生的偏差就越大，而且，亮度在人脸区域的分布也是不均匀的。为了解决这个问题，我们提出了一个肤色模型方案，该方案能在大多数光照条件下都能取得良好的枪测效果。具体的方法是通过计算肤色的色度相对于可变的光照以及相机校正的比值在 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 的颜色坐空间中的分布。该空间定义为：I—R十G电，设r=R／l，g-司,a，b=BiI，在什b+。g=l时，只要考虑亮度和两个色度坐标就可以定义肤色像素的分布区间。我们考虑采用r’b色度分量来获得对亮度变化，以及由于不同肤色模型之间肤色分布重叠所造成误差的鲁棒性。为此我们使用一个二元函数来定义一个佳能相机的r，b肤色像素分布区域的上边缘。下边缘使用一个五次多项式来描述。用式(1)所示的r,b坐标表达式来判断一个像素是否属于肤色。⋯f16∈(6由的＆rE[rl，r2]⋯跚胪10其它t1)式中：bd——下界，hI——上界，rl卸．0877，r2=o．5645。2改进的人脸检测算法为了检测出人脸，我们首先分割出人脸的候选区域，并且试图提取出相关的特征，如眼睛，眉毛以及连同区域等，以便验证它们之间的空间关系。这样的处理流程可以获得一个速度很快且较为鲁棒的分析，因为人脸在颜色、形状上和背景区域的物体往往有明显的不同。当然也可以通过检测人脸特征来判断是否为人脸。可以用式(1)建立的肤色模型来提取出人脸候选区域。再使用形态学算子减少这些区域的个数。对于每一个候选区域，我们都要验证它是否为人脸。为了增加检测速度和检测的鲁棒性，我们采用多层操作来进行检测。检测流程图如图1所示。脸部候选区域卜_—————叫最佳匹配椭圆FT—T非人脸I1人脸形状和方差验证二I[人脸方向标准化F图1人脸检测流程其次为了能够处理不同方向的人脸，我们首先要求出每一个候选人脸区域的最佳匹配椭圆。我们可以基于这样一个事实：就是其它肤色区域如人手等部位像素的方差要比人脸部位像素方差小，这是因为人脸部位有很多的其它器官，而这些器官的亮度值较小。因此，我们可以设置一个合适的阈值，将区域中像素亮度的方差值小于某一阈值的区域排除。为了提高检测的速度，增强检测的鲁棒性，我们可以检测人脸区域的对称性，若一个区域符合对称性，但是没有检测出人脸器官，则可将这类区域排除。由于人脸位置以及亮度等影响，并不是所有的人脸区域都能够成功的检测脸部器官的。因此，我们构建了一个连通分量特征的空间分布模型予以解决。2．1脸部候选区域分割要想分割出脸部区域，我们首先要做的是提取出肤色候选区域，然后移除背景中的孤立像素点，选取最大的肤色连通区域，作为我们下一步要处理的脸部候选区域。当然，并不是所有连通的肤色区域都包含人脸的，比如说一些区域对应着人手，而另一些区域对应着人身体中的其它部位，这种情况会在我们后续的算法步骤中予以排除。2．2最佳匹配椭圆构造最佳匹配椭圆，缘于我们人脸的整体形状近似于椭圆。为了能够找出这样的最佳匹配椭圆，我们可以采取基于边缘或者基于区域的方法。在具体的实现过程中，我们采用计算出人脸候选连通区域的边缘的方法来计算最佳匹配椭圆。为了到达这个目的，我们结合最小椭圆平方匹配算法，因为它是一个包含了所有点的椭圆，因此，它对于噪声是鲁棒的，并且速度较快。图2显示了最小椭圆平方匹配算法实例过程。原始l墨}像候选人脸边缘检测最佳椭圆结果图2最小椭圆平方匹配算法2．3形状和方差验证在经过最佳椭圆匹配算法步骤后，我们仅仅保留了长轴和短轴的比值在一个合理区间内的椭圆，综合多方面的因素以及反复的验证，这个比值取在1．1l到3．33之间。形状和方差验证的目的是减少错误的人脸候选区域的个数。鉴于人脸区域像素亮度方差总是较人脸的其它部位的方差明显，我们可以设置一个阈值将方差小于该阙值的区域移除。另外人脸器官在红色分量中表现较为明显，因此我们仅仅在这个通道中来计算方差。由于光照变化和其它因素的影响，且我们所设的阈值应在人脸方差附近，以保证不将人脸区域移出，因此会有一些人手区域在本阶段是无法移出的，这有赖于我们进一步的处理工作。2．4人脸方向的标准化通过最小椭圆平方匹配算法为每一个候选区域计算出最佳匹配椭圆之后，再经过形状和方差验证减少了人脸候选区域，接下来我们要对图像进行旋转将人脸方向标准化处理，为后续的人脸对称性验证做准备。若(h峨y。“)表示人脸像素在(x，y)处的旋转坐标，则图像的方向变换 公式 小学单位换算公式大全免费下载公式下载行测公式大全下载excel公式下载逻辑回归公式下载 可用式(2)来表达』‰“2船os争呐枷【y,=,_=yeosO-xsinO运用式(2)将人脸标准化处理的实验过程和结果见图3所示。2．5对称性验证人脸基本上是左右对称的，因此我们可以对通过对称性纂磊Y万方数据赵丈东：基于肤色模型和层次滤波技术的人脸检测2010，31(19)4255原始图像最佳匹配椭圆标准化人脸图3人脸方向的标准化处理验证，判别人脸候选区域是否包含有人脸。另外我们在实验中发现，当人脸的对称性得到验证后，就能够非常容易的进行脸部特征的鉴别，如果一个区域具有对称特性但是却没有检测出人脸器官特征，那么就可以将这样的区域排除。经过方向标准化后，计算出人脸左右两部位的对称性度量值，我们使用一个3*3的不苇叠的窗口模板在人脸区域的左右两边进行扫描，以达到对人脸候选Ⅸ域的对称性验证。对于每一个3·3模板，如果两边对应窗L]中的像素平均值的差值小于8，就可认为这个窗口Ⅸ域具有对称性。而如果具有超过75％的窗口区域满足对称性，就可认为整个脸部区域是满足对称性的。2．6眼睛和眉毛的检测对于经过旋转后的人脸候选区域，我们在实验中发现连通区域内部的绿色分量对我们所要寻找的特征具有较好的鉴别作用。因为人眼和眉毛都定位在人脸的上部，因此我们只要考虑这部分区间。我们首先计算图像在x方向的梯度，然后对计算出的梯度图像，再计算其每一行在Y方向的投影。通过分析Y投影，我们发现最大值对应着人脸的眉毛附近。在获得水平位置后，垂直位置可以通过分析x投影来得到，X投影是通过计算水平位置的3个邻域像素的像素值的平均值得到。对于眼睛来说，我们采用同样的方法对梯度图像的Y方向进行计算。一旦我们获得了眼睛和眉毛的位置，就可以来验证它们之间的空间位置关系。眼睛的水平位置应该在眉毛的水平位置下面，同时眼睛与眉毛的垂直距离和人脸的长度应该在一个合适的比值之内。具体的检测过程和实验结果如图4所示。图4眼睛和眉毛的检测过程2．7连通区域分析连通区域分析只有在眼睛和眉毛检测失败的时候才进行。图5中的人脸图像，运用上述算法在检测脸部特征时是失败的。主要原因是脸部所包含的眼睛、眉毛和嘴唇等部位亮度较其它肤色暗。空的区域应该存在于人脸的大片连通区域的内部。考虑到人的面部在图像中的5种分布情况，我们可通过计算图6所示的5种距离来表达相应的连通分量。当蟓始图像候选M域人脸模型匹配圈图5连通区域分析圉国国囵目l2345图6不同特征的人脸模型距离大于某一设定闽值，并且在特征区域外部，非肤色像素的数目小于某一设定阈值时，我们可以说该区域为人脸区域。3实验为了验证图l所示算法的鲁棒性，我们采用该算法来检测复杂背景中，自然光照条件下的非控环境中的人脸。图7显示了两个人脸候选区域的样例。经过方差和对称性验证，这两个区域都被很好的检测出来了，同时在第一个候选区域中，人的眼睛、眉毛等特征也都被很好的检测出来。在人手区域中特征验证失败后，通过连通分量分析将这个错误区域排除了。图7自然条件下的人脸检测图8显示了在不同条件下该算法的检测结果。分析了不同的检测算子，并且通过对500余幅人脸图像的统计，我们发现在最成功的检测过程中，对称性没有得到验证，但是人脸特征检测出来了，而只有少数的人脸样本检测出了对称性。在26％的样例中，检测时需要进行连通分量分析。图8不同条件下的人脸检测然而，由于碰撞，当肤色被分解成大量的肤色区域碎片时，系统检测就会失败。图9就是这种情况的一个样例，主要原因就在于人脸和手的部位连在了一起。另外当两幅人脸靠图9复杂条件下的人脸检测万方数据42562010，31(19)计算机工程与设计ComputerEngineeringandDesign(上接第4189页)表2命令测试对照表(执行单位：100条时间单位：秒)EVDOCOSxxxCOS序号命令Ⅱ崎S功能描述短数据长数据妞数据长数据lSELECTFILEA43一2一选择文件2S砌ySF2l一4一返回当前 目录 工贸企业有限空间作业目录特种设备作业人员作业种类与目录特种设备作业人员目录1类医疗器械目录高值医用耗材参考目录 信息状态3READBINARYB012214读二进制文件4UPDATEB州ARYD61818315更新_二进制文件5READRECORDB2I423l读记录文件6UPD^TERECORDDC1731332更新记录文件7SEEKA22一2一查找记录9VERIFYCHV202一3一校验CHV10CHANGECHV2436一14一改变CHV1lDISABLECI-IV26去激活CHV181412ENABLECHV28激活CHV13UNBLOCKCHV2C3515解锁CHV14GETRESPONSECO22取响麻数据EVDO卡COS成功地应用到华大微电子CIU51G256芯片上，并且在EVDO终端上稳定的运行，为中国电信向3G方向发展做出了重要贡献。参考文献：【l】QabsUM,AI-NaimaFM．Designandimplementationofasmartcardsimulatorcomputerandcommunicationengino．-ring[J]．In·ternationalConference,2008，5(13)：217-220．【2】李翔．智能卡研发技术与工程实践【M】．北京：人民邮电出版社，2003：7-200．【3】李明．一种基于用户识别模块的智能卡增值业务开发平台设计与实现【D】．北京：北京邮电大学，2007：5．31．【4】胥怡心，张其善．智能IC卡文件系统的设计与实现【J】．微计算机应用，2007，28(1)：83．86．【5】吴瀛，龚育昌，张为民．一种基于Flash的智能卡文件系统【J】．计算机工程，2005，31(6)：55．57．[6】3GPP2C．S0023-C，Removable嗍identitymoduleforspreadspecU'uinsystems[S]．2008．【7】秦保安．动态多应用智能卡中的卡操作系统研究及实现【D】．武汉：华中科技大学，2005：8-19．【8】史肖燕，熊璋，蒲菊华．智能卡操作系统一BHCOS的设计和实现【J】．计算机工程，2003，29(2)：207-209．万方数据基于肤色模型和层次滤波技术的人脸检测作者：赵文东作者单位：淮阴工学院,江苏,淮安,223003刊名：计算机工程与设计英文刊名：COMPUTERENGINEERINGANDDESIGN年，卷(期)：2010，31(19)被引用次数：0次参考文献(8条)1.YangMH,KriegmanD,AhujaN.Detectingfacesinimages:Asurvey[J].IEEETrsnsonPatternanalysisandMachineIntelligence,2001,24(1):34-58.2.韩燕丽,杨慧宇,苏伟.基于分形和肤色模型的自然态人脸检测方法研究[J].计算机工程与设计,2009,30(1):251-254.3.SorianoM,MartinkauppiB,HuovinenS,etal.Skindetectioninvideounderchangingilluminationconditions[C].Barcelona,Spain:15thIntConfonPatternRecognition,2004:839-842.4.PhimoltaresS,LursinsapC,ChanmongthaiK.Facedetectionandfacialfeaturelocalizationwithoutconsideringtheappearanceofimagecontext[J].ImageandVisionComputing,2007,25(5):741-753.5.郑明恩,管业鹏.基于肤色与肤色矩实时视频人脸检测与跟踪[J].计算机工程与设计,2008,29(4):879-881.6.GarciaC,TziritasG.Facedetectionusingquantizedskincolormergedregionsandwaveletpacketanalysis[J].IEEETransMultimedia,2003(3):264-277.7.张继涛,王伟,高君林.基于肤色分割和模板匹配的人脸检测技术研究与实现[J].河南科技大学学报(自然科学版),2009,30(1):41-44.8.谢志鹏,陈锻生.基于肤色与结构特征的人脸检测与跟踪[J].计算机工程与设计,2005,26(11):3135-3137.相似文献(10条)1.学位论文唐好魁基于双肤色模型的肤色分割方法的研究2009肤色模型是生物特征识别的重要的手段，在人脸识别、数字医学等很多方面都有广泛的应用，本文在学习和分析了关于肤色模型的相关文献的基础上，提出了双肤色模型的方法。利用椭圆聚类肤色模型和SGM模型的交互完成对肤色的分割和识别。<br>　　双肤色模型方法分为样本训练和模型参数应用两个步骤。第一步利用样本确定两类肤色模型的初始参数，在对椭圆肤色模型参数确定过程中，采用了最大外接矩形的方法确定椭圆的位置，在满足需要的前提下提高了样本训练的效率。为了增加识别算法的鲁棒性，对图像使用指数-对数的综合亮度平衡方法。在对SGM模型确定参数时，对色度图采用了Fisher阈值确定的方法，能最大限度的分割出肤色区域并确定模型的均值和方差。<br>　　第二步在初始的肤色模型参数的基础上，把分割结果作为一部分样本，进一步对两类肤色模型的参数修正，达到更符合实时环境的要求，利用两类肤色模型的新参数对视频的单帧图像进行分割和识别。在利用两类肤色模型分割时，通过它们之间的交互过程，彼此修正识别结果，进一步达到提高识别率，降低误识率的目的。<br>　　另外，本文对双肤色模型进行了证明，从理论上证明了算法的可行性。最后把该算法应用到手势跟踪系统中，得到了很好的效果。2.学位论文张德锋基于肤色模型和Adaboost算法的人脸检测系统2009人脸检测是指将人脸从图像或视频中检测出来并提取面部特征的过程，它是人脸识别、特征定位的首要环节。同时在监测跟踪、出入检查、医疗领域也有重要应用价值。人脸检测受背景、光线及头部姿势等因素的影响而变的复杂。本文在对人脸检测技术进行深入学习和研究的基础上，主要对图像去噪声，检测特征选取和检测精度提高三方面问题展开研究。<br>　　本研究针对图像噪声问题，采用“参考白”算法、均值滤波算法对图像进行光线补偿和平滑处理，消除了图像中的光线和噪点干扰。采用中值法分离出视频背景，采用帧间差分算法提取出包含人脸的运动前景，去除了冗余视频背景，提高了检测速度。选取肤色作为人脸检测特征，提出了样本提取与Fisher准则结合检测肤色的方法，利用非线性变换改进了肤色在RGB与YCbCr色彩空间的聚类性，求得肤色在RGB与YCbCr色彩空间的样本高斯分布，计算出肤色似然图。利用Fisher准则分析肤色似然图，求出分割阈值，将图像二值化，划分二值化图连通区域得到肤色窗口。针对肤色检测精度不高问题，应用改进的Adaboost算法训练出由三个强分类器组成级联分类器，精检测肤色窗口。各强分类器由haar弱分类器加权构成。提出用图像横向积分与连通域结合法提取出眼睛特征，利用对像素R色彩通道分析提出嘴唇特征。结合改进的肤色提取与Adaboost算法，可以有效滤除干扰，并提高了检测速度，降低了误检率，保证了较高的人脸检测率。研究工作有一定理论意义和应用价值。3.学位论文柯研基于肤色模型的人脸检测算法研究2008人脸检测技术在当今社会生活中扮演着相当重要的角色，如视频监控、人机交互、人脸识别、人脸数据库分类管理等业务，均用到了人脸检测这个关键技术。人脸的检测和识别技术是模式识别、计算机视觉和图像理解系统的研究热点之一，它综合了图像理解、计算机视觉、数据库和人工智能等多方面多学科的知识，应用前景广阔，受到了越来越广泛的重视，并得到了迅速的发展，并取得了很多有价值的研究成果。但是，目前的人脸检测算法一般对光照情况和背景的复杂程度的变化适应性较差，特别是在面对恶劣光照环境时候，人脸的检测率非常低。本文主要研究了基于肤色模型的人脸检测算法的基本理论和关键技术，总结分析了基于肤色模型的人脸检测算法的优势与弱点，讨论了由于恶劣光照条件带来的对人脸检测结果的不利影响的问题。采用针对不同光照环境的光线补偿算法，克服了人脸图像在复杂光照环境下的检测困难，提出了一种从粗到细、从整体到局部的基于不同颜色空间的人脸光照补偿算法。该算法不用估计环境光的方向、强度和光源的性质。针对不同的光照环境情况，采用不同的光线补偿策略，并配合基于混合高斯模型对肤色色度信息进行描述，并采用根据各像素点距肤色中心马式距离来计算与肤色相似度的算法，对很多图像处理都得到了比较好的结果，使得皮肤与非皮肤区域有效的分开。研究表明，本方法能够有效地解决人脸检测和识别中不同复杂光照环境影响的问题，提高肤色区域与非肤色区域的分割准确性，使在不同光照条件下的人脸检测性能得到了很大的提高，而且本方法还具有运算效率高、鲁棒性好的特点。4.期刊论文李莹莹.宋凯.牛慧萍.常瑜亮.郭纯宏基于新的肤色模型的人脸检测方法-电子元器件应用2009,11(11)提出了一种新的肤色检测算法.新算法抛弃了事先通过大量肤色样本统计得到的肤色模型来进行肤色检测的传统方法,而是针对单幅图像中的肤色分布,在空间中进行区域分割,同时结合肤色信息来有效检测出肤色区域.实验证明,这种肤色检测算法的鲁棒性能好,能应用于复杂背景,且对光线变化不敏感.5.学位论文于美菊基于颜色和模板匹配的人脸检测研究与实现2005人脸检测是确定人脸的位置、大小、位姿的图像处理过程。近年来，在模式识别与计算机视觉领域，己经成为一个受到普遍重视、研究十分活跃的方向。本文针对复杂背景下的彩色图像，提出了一种基于肤色模型和模板匹配人脸检测算法。该方法首先建立肤色模型来对原始图像进行肤色区域分割，再根据人脸的面部结构特征对分割区域进行过滤，最后用基于主元素分析的模板匹配算法对候选区域进行判断。实验结果表明该算法能够适应复杂背景人脸的检测，而且检测速度快，能够达到实时检测的目的。6.学位论文杜飞涛人脸识别中的关键技术研究2005本文在人脸识别算法的实用化方面做了大量工作,由于人脸识别的关键技术之一就是人脸的检测与人脸特征的提取,所以本文实现了一个人脸检测与定位系统.该系统主要包括人脸区域的检测与主要器官的定位,出于实用化的考虑,在人脸检测部分采用了两种方法:基于相似度的方法和基于皮肤区域、头发区域的方法.这两种方案的共同特点是速度快,实时性好,同时它们具有互补性.肤色模型对人脸姿态的变化不敏感,但是对光照条件变化敏感且多尺度检测能力较弱.本文还重点介绍了基于神经网络算法的人脸识别技术中的BP网的基本原理和算法及步骤,提出了隐层神经元个数的物理意义和选取原理,讨论了Sigmoid函数的改进形式和网络初始权值的设置原则.最后,在前面对人脸识别技术分析和应用的基础上,对在身份认证系统中实现人脸识别提供了设计方案.7.学位论文韩燕丽多姿态人脸图像处理方法研究2004文章在对传统人脸识别系统图像处理方法及其特点进行分析比较的基础上,针对多姿态人脸识别技术的要求,提出了适合多姿态人脸识别的人脸图像处理方法.对其中的人脸图像标准化方法、归一化处理和由单视图生成多姿态人脸图像等关键技术进行了重点探讨.主要工作如下:(1)人脸图像的标准化方法在传统的积分投影法的基础上,提出了两种改进算法:一是基于小波分解的人脸标准化方法;一是基于肤色模型的人脸标准化方法.(2)归一化处理包含灰度归一化和尺寸归一化两部分.对于灰度归一化,是采用直方图匹配的方法来实现的;对于尺寸归一化,首先定位人眼,其次矫正平面内的旋转,然后以双眼中心为基点,以双眼的距离为标准,进行裁剪得到大小为1.7d×1.7d的图像(其中d是双眼的距离),最后以缩放倍数为1.7d/64对裁剪图像进行缩放(规定标准图像的大小为64×64像素点)从而实现尺寸归一化.(3)由单视图生成多姿态图像首先利用一个特征点集表示人脸,然后基于二元高次多项式函数最小二乘法对人脸各姿态之间的特征点集坐标变化进行拟合,形成全局的变形域,最后由单视图通过变形映射生成多姿态人脸图像.但是在研究的整个过程当中,由于实验条件所限,所有图像的拍摄角度很难精确获得.因而在由单视图生成多视图算法中只能对结果进行定性的分析而无法作定量分析.8.学位论文何为基于肤色的人脸检测与跟踪研究及系统实现2007本文研究人脸检测与人脸跟踪问题。人脸检测与人脸跟踪技术是各种人脸图像处理算法的关键技术。人脸图像处理领域包含有人脸识别、姿态估计、表情识别、视频监控等多个研究方向，而几乎所有这些方向都涉及到人脸的检测与跟踪问题。本文在收集和分析了大量近年来国内外关于人脸检测与人脸跟踪的学术论文及研究报告的基础上，针对人脸自动跟踪系统的建立进行了深入的研究。并根据国际、国内关于人脸检测与人脸跟踪技术研究成果，提出并实现了基于肤色的人脸检测算法，开发出了基于改进的均值漂移目标跟踪算法的人脸自动跟踪系统。该系统借鉴了前人的一些人脸检测与人脸跟踪算法，并针对本文的要求和实验条件，作了一些关键性的改进。其主要研究工作如下：1、提出并实现了基于肤色的人脸检测算法。在参考了大量的人脸检测算法的基础上，提出了基于肤色特征的人脸检测方法。这种方法首先利用肤色特征，从复杂的图像中分割出与肤色相关的区域，再结合边缘信息与形态学方法得到人脸候选区，在人脸候选区上提取人脸特征并根据特征的几何关系确定人脸。实验表明该算法有较快的响应速度、较高的准确率，适合于作为自动人脸处理系统的预处理人脸检测算法。2、提出并实现了人脸跟踪算法。该方法结合了人脸检测与目标跟踪两方面的内容。采用人脸检测算法，以确定跟踪的初始区域；应用了改进的MeanShiR算法以HSV空间的反向投影图，也即肤色概率分布图，进行人脸追踪。该算法简单计算量小，跟踪速度快，并且不受人脸的姿态、角度影响。3、在算法研究设计、实现的基础上，完成了人脸自动跟踪系统平台。论文研究中用到的方法集成到了该平台中。该系统界面友好、可视性强，可以直接作为一个自动人脸跟踪系统的简单应用。9.学位论文魏菁皮肤检测技术的研究及改进2009皮肤检测技术(SkinDetectionTechnology)涉及光学信息处理、数字图像处理、计算机视觉、模式分析与识别等多学科知识，是计算机科学中研究的热点问题之一。是人脸检测与识别、表情识别、手势识别、人体检测等计算机视觉任务的重要组成部分，更是图像与视频索引、色情图像检测的关键步骤，广泛应用于人机交互接口、访问控制、视频监控以及互联网敏感内容过滤等领域。<br>　　近些年来，人们对皮肤检测技术过程中面临的诸多问题已做了较为广泛的研究，也取得了一些较为丰富的科研成果(如色彩空间转换问题、数学模型问题等)，为正确认识肤色信息检测的本质问题奠定了基础。本文主要研究静态图像中的皮肤检测技术。<br>　　从分类的观点出发，皮肤检测与识别技术是一个二值分类问题，即从一幅图像中标记出皮肤像素和非皮肤像素。一个优秀的肤色分类器的建立需要考虑颜色空间的合理选择和肤色建模技术等问题，并能够适应光照条件变化、成像设备特性的不同以及范围广泛的肤色样本差异、个体性差异等。<br>　　本文对人体肤色信息检测过程中的一些关键技术做了深入研究，较为全面地讨论了肤色信息获取过程中需要重点关注的不同方面。由于许多皮肤检测方法只考虑了像素级别上的颜色信息，而未较好地利用图像空间上的其他信息，因此考虑在SPM方法的基础上进行一定的改进，提出一种自动对偏色图像进行颜色校正，并综合纹理信息的皮肤检测方法。<br>　　主要研究工作包括：<br>　　①对已有的研究方法进行分类和概括，讨论了皮肤检测技术中常见的颜色空间，各种颜色空间的优缺点以及是否存在最优颜色空间等。介绍了现有的几种肤色模型的建立方法以及各自的特点。<br>　　②对CIELab颜色空间的直方图进行分析，判断待检图像是否存在色偏现象，对不存在色偏的图像不做色彩校正。<br>　　③引入“灰色世界”算法(GrayWorldalgorithm)对因非标准光照所产生的颜色改变(存在色偏现象的图像)进行校正，有效提高了正检率。<br>　　④对SPM方法的输出部分通过灰度共生矩阵提取图像的纹理信息，利用纹理信息进一步过滤颜色信息为皮肤而纹理信息为非皮肤的像素区域，提高了检测性能。10.期刊论文于玲.张健.牛芳琳.YULing.ZHANGJian.NIUFang-lin利用双重彩色空间肤色模型实现快速人脸检测-辽宁工业大学学报（自然科学版）2008,28(3)在单独采用HSI彩色空间或YCbCr彩色空间肤色高斯模型进行人脸检测的基础上将二者结合起来,提出了一种利用双重彩色空间肤色模型实现快速人脸检测的方法.这种方法利用了在不同肤色模型之下都可以大致检测出人脸区域,并且所误检测的背景范围差异较大,同时被两种肤色模型都误检测为人脸的可能性较小,所以取其检测结果的共同点,就是大致的人脸区域,而误检测为人脸的背景区域就被去掉了.之后采用较为简单的算法,就可以从这个大致的人脸区域中定位真正的人脸区域.该方法不需要建立极为精确的肤色模型,也不需要在人脸检测得到二值化结果后,采用较为复杂的算法,从二值化结果中定位人脸.该方法适合于在特征提取前使用,去除多余的背景信息,提高图像处理和识别的速度和准确度.本文链接：http://d.wanfangdata.com.cn/Periodical_jsjgcysj201019032.aspx授权使用：河北大学(hebeidx)，授权号：32db421a-2390-4ffb-8857-9e5b011e3354下载时间：2010年12月29日