基于肤色相似度的人脸检测与定位
一种基于肤色特征的人脸特征点定位方法
关 键词 ： 人 脸 特 征 点 ；多 色彩 空 间 ；人 脸 检 测 ； 特 征 区 域 ；自动 定位 中图法分 类 号 ： Ｔ Ｐ ３ ９ １ 文献标 识码 ： Ａ
Ａ ｆ ａ ｃ ｉ ａ ｌ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｐ ｏ ｉ ｎ ｔ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎｉ ｎｇ ｍｅ ｔ ｈ ｏ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｓ ｋ ｉ ｎ ｃ ｏ ｌ ｏ ｒ ｆ ｅ ａ ｔ ｕ ｒ ｅ
ｐ ｒ ｅ ｔ ｒ ｅ ａ ｔ ｉ ｎｇ ｔ ｈｅ ｆ ａ ｃ ｅ ｉ ｍａ ｇｅ ． Ｎｅ ｘ ｔ，ｔ ｈｅ ｆ ｅ ａ ｔ ｕｒ ｅ ｒ ｅ ｇｉ ｏ ｎｓ ｗｅ ｒ ｅ ｐｏ ｓ ｉ ｔ ｉ ｏ ｎｅ ｄ ｕ ｓ ｉ ｎｇ ｃ ｏ ｌ ｏ ｒ ｍ ｏｄ ｅ ｌ ｆ ｕｎ ｃ —
ｔ ｉ ｏ ｎ Ｓｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅｎ ｇｉ ｎｅ ｅ ｒ ｉ ｎｇ， Ｈ ｅ ｎａ ｎ Ｕｎｉ ｖｅ ｒ ｓ ｉ ｔ ｙ ｏｆ Ｔｅ ｃ ｈｎ ｏ ｌ ｏ ｇｙ，Ｚｈ ｅ ｎｇ ｚ ｈ ｏｕ ４５ ００ ０１，Ｃｈｉ ｎａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｃｏ ｎｓ ｉ ｄｅ ｒ ｉ ｎｇ ｔ ｈｅ ｈ ｉ ｇ ｈ ｃ ｏ ｍ ｐｕ ｔ ａ ｔ ｉ ｏｎ ａ ｌ ｃ ｏｍ ｐｌ ｅ ｘ ｉ ｔ ｙ， ｐ ｏ ｏｒ ｒ ｏ ｂｕ ｓ ｔ ｎｅ ｓ ｓ ａ ｎ ｄ ｌ ｏ ｗ ａ ｃ ｃ ｕｒ ａ ｃ ｙ
人脸识别技术的定位与对齐方法
人脸识别技术的定位与对齐方法人脸识别技术是现今信息安全和智能监控领域中一种重要的技术手段。
其主要目标是通过对人脸图像的分析和比对，实现对个体的身份识别。
而在整个人脸识别过程中，人脸定位与对齐是一项关键的预处理环节。
本文将探讨人脸识别技术的定位与对齐方法，并讨论相关应用与挑战。
首先，人脸的定位是指通过对图像进行分析，将图像中的人脸区域准确定位出来。
这个过程对于后续的特征提取和匹配是非常重要的。
目前广泛应用的人脸定位方法有基于颜色信息的定位和基于特征的定位。
基于颜色信息的定位方法通过提取人脸部分的肤色信息，然后进行阈值处理和形态学运算，最终得到人脸区域。
这种方法简单高效，对于光照变化较小的图像效果较好。
而基于特征的定位方法则是通过训练一个分类器，将人脸和非人脸的图像进行区分。
常用的特征有Haar特征、HOG特征等。
这种方法的优势在于可以适应不同光照和角度变化较大的情况。
其次，人脸的对齐是指将不同图像中的人脸进行准确的对齐，使得在图像上的相应位置能够一一对应。
这个过程可以消除由于姿态、表情等变化导致的困扰，提高人脸识别的准确性。
目前常用的人脸对齐方法有基于特征点的对齐和基于纹理的对齐。
基于特征点的对齐方法首先通过检测人脸的特征点，如眼睛、鼻子、嘴巴等关键点，然后根据这些关键点的位置关系进行人脸对齐。
常用的算法有Active Shape Model (ASM)和Active Appearance Model (AAM)等。
而基于纹理的对齐方法则是通过构建某种纹理模型，将人脸的纹理特征进行对齐。
这种方法的优势在于对于姿态变化较大的情况下也能保持较好的对齐效果。
人脸识别技术的定位与对齐方法在实际应用中具有广泛的应用前景。
首先，在安全领域，人脸识别技术的定位与对齐方法可用于安全监控系统中。
通过对监控视频中的人脸进行定位与对齐，可以准确地识别出对象的身份信息，提供有效的安全保障。
其次，在智能手机和电脑领域，人脸识别技术的定位与对齐方法可用于人脸解锁功能的实现。
基于肤色模型和中线定位的人脸检测算法
Face Detection Algorithm Based on Skin Color Model and Midline Localization
LIU Zai-ying, ZHU Lin-ling, YANG Ping
(College of Information Science and Technology, Sanda University, Shanghai 201209, China) 【Abstract】The appearances of human face, expression, color and so on are different, which bring difficulties to face detection, such as high false face detection and false dismissal. This paper proposes a multi-face detection algorithm based on skin color model and midline localization. Utilizing the facial skin color information firstly, most of the background regions can be excluded quickly. The approximate face candidate regions can be segmented according to facial external structure features. By projecting the edge detection image to X-axes, the midline position of face can be located, and multi-face detection and localization are realized. A black hair single face detection rate of 93.3% can be obtained for a test photo sequence. Experimental results show that the algorithm proposed in the paper can improve the multi-face detection accuracy and is highly robust to facial expression. 【Key words】face detection; skin color model; midline localization; dominant characteristic; edge detection; projection DOI: 10.3969/j.issn.1000-3428.2013.01.043
基于肤色建模与人眼定位的人脸检测方法
脸检测是很不可靠 的，因而几乎所有基 于肤色特 征的方法都
需 要 利 用 人 脸 的 其 他 特 征 进 行 验 证 。 因此 本 文提 出 一 种 基 于
情 的变化 以及 光照等因素影响 ，使得人脸检测成 为了计算机 视觉和模 式识别中较为困难的工作 。 人脸检测 需要考虑多方面 的因素 ，既要保证较 高的正确 率 ，又要保证 较低 的误解率 。如何能快速 、准确地检 测到人 脸是计算视觉 和模 式识别领域 的重点研究课题 。现有 的人检 测方法可 分为两类 ，一类是基于知识 的方法 ，另一类 是基于 学 习的方法 。基于知识的方法是基于特定 的规则进行 人脸 检 测 ，而规 则来源 于关于人脸模式的先验知识 总结出 “ 人脸 特 征区域 ”与 “ 人脸特征脸 ”的方法，这类方法有几何特征法 、 模板 匹配法 、肤色 模型法 ；基于学 习的方法 收集 大量 人脸 和 非人脸样本 ，然后 得到机器学习算法 ，通过 学习得 到一个 分
近年 来，人脸识别、表情识别和性别识 别等 已成为计算 机视觉和模 式识别领域的热 门话题 。而人检测 是上述 几种研
究 课 题 的 一 项 关 键 技 术 ， 因此 受 到 了广 大 研 究者 们 的 高 度 关
肤 色 是 人 脸 的重 要 信 息 ，具 有 相 对 的稳 定性 并 且 和 大 多
（ 林 电子科技 大学 电子工程与 自 桂 动化 学院 ，广西 桂 林 ５ １０ ） ４０４
【 摘 要 】根据肤 色在 Ｙｃｃ ｒｂ色彩 空间 中具有很好的聚类性 ，通过形 态学算法对肤 色建模 之后 的 图像进行预 处理 ，消除噪
声 ，再对肤 色进行分割 ，从 而可以对人脸 图像 有一个 大致 的定位 ，并通过 平均眼睛模板 匹配法定位 出人的眼睛 ，在此基础 可以 比较精 确的定位 出人脸位置 。实验 结果表 明 ，该方法 用于人脸检测取得较 为 良好 的效果 ，具有较好的鲁棒性 。
基于肤色分割及特征定位的人脸检测算法研究
基于肤色分割及特征定位的人脸检测算法研究作者：张书真宋海龙向晓燕来源：《现代电子技术》2008年第14期摘要：针对复杂彩色图像提出一种快速有效的人脸检测算法。
首先通过一种新的色彩均衡技术消除由光照引起的色彩偏移，然后采用I空间与归一化RGB空间相结合的混合肤色模型，提取出原图像中的类肤色区域，最后根据人脸的几何特征定位眼睛、嘴巴和人脸区域。
实验结果表明，该算法能较为准确地定位彩色图像中的正面或小角度偏转的人脸，具有较快的检测速度。
关键词：人脸检测；色彩均衡；肤色模型；特征定位，，(1College of Physics cience & Information Engineering,Jishou[JZ]2College of Information Management & Engineering,JishouUniversity,Zhangjiajie,427000,China )[J12/3]Abstract：A face detection algorithm for the color image with complex background is presented,which is effective and feasibleFirstly,a new technique of color balance is used to remove the color bias produced by light conditionecondly,a mixed model in both I and normalized RGB colorskin color segmentation,the geometrical shape information of face is used to locate eyes mouth the face regionExperimental results show that the proposed approach can detect positive or rotated facece detection isKeywords：1 引言人脸检测是模式识别与计算机视觉领域的一项热点课题，它广泛用于人脸识别、智能人机接口、视频会议等。
基于肤色模型的人脸检测算法
度分量分 离 的优 点 ， 但 由 于 它 可 以 从 Ｒ Ｂ格 Ｇ 式线 性变 化得 到 ， 以 所 直 接 应 用 于 物 体 色 彩 聚类分析 的情况 不 多 ， 相 比之下 ， 其 基础上 在 的变 换 模 型 的应 用 更 为 普 遍 ［ ３ １ 。 ２２高斯模型的建立 ． 由于通过采样得到的是离散 的 点 ，所 以如果 直接通过象 素 ｃ 、ｒ ｂ ｃ 的值来判断是否就是肤色象素是不 现实 的，需要通过数学方法建立一 个模型 ， 从而得到一个 函数 ， 输入一 个象 素的 Ｃ 、 ｒ ， 出该象 素是 ｂＣ 值 输 肤色象素的概率或者直接设置阈值 输出判断。假设肤色模型服从高斯 分布 Ｎ（ Ｃ）其 中 ： ｍ， ， ｍ是 ［ｂ ｃｌ 数学 期 望 ， ｅ ，ｒ的 Ｃ是 【ｂｃＪ 协 方 差 ， ｃ ，ｒ 的 即：
ｎ ｎ ｅ ｓ ａ ｅ ｎ ｔ ｅ ｄｉｃ ｓｉｎ ｏ ｋｎ ｏｏ ｍｏ ｅ ．Ｄｕ ｎ ｔｅ ｔｔｓｉｓ ｏ ｏ ａ ａ ｃ Ｄ ｃ ｉ ｈ ｓｕ ｓｏ ｆｓ ｉ ｃ ｌｒ ｄ１ ｉ ｒ ｇ ｈ Ｓａｉｔ ｆｓ ｍｅ ｓ ｍｐｌ ｋｎ ｏ ｂ ｉｄ ｉ ｇ ｌｂ ａｙ， ｃ ｎ ｕｌ ｈ ｓ ｉ ｏｏ ｃ ｅ ｓ ｉ ｔ ｕｌ ａ ｍａ ｅｉｒｒ ｗｅ ａ ｂ ｉ ｔ ｅ ｋｎ ｃ ｌｒ ｄ ｍｏ ｅ ａ ｄ ｕ ｉｇ ｔｅ ｄ ｌ ｎ ｓｎ ｈ ｍｏｐ ｏｏ ｉａ ｐｏ ｅ ｓ ｓｌｃ ｔｅ ｃ ｎ ｉａｅ ｅ ｉｎ ｒｈ ｌｇｃ ｔ ｒｃ ｓ ｅｅ ｔ ｈ ａ ｄｄ ｔ ｒｇｏ ．Ｔｈ ｎ ｔｅ ａ ｄｄ ｔ ｒｇｏ ａ ｅ ａｉａｅ ｂ ｈ ｉｅ ｆｃ ｍｅ ｄ ．Ｕｓｎ ｅ ｈ ｃ ｎ ｉａｅ ｅ ｉｎ ｃ ｎ ｂ ｖ ｄ ｔｄ ｙ ｔ ｅ ｅｇ ｎａ ｅ ｌ ￣ｏ ｉｇ ｔｉ ｔｏ ａ ｏ ｎｙ ｅ ｓ ｒ ｈ ａｃ ｒｃ ｆｔ ｅ ｄ ｔｃｉｎ ｂ ｔ ｅ ｖｒ ｔ ｅ ｄ ￣ｃ ｏ ｉｅ ｆｃ ｍｅｈ ｄｓ ｓｏ ｓ ａｃ ａ ｙａ ｄ ｎ ｈ ｈｓ ｍｅｈ ｄ ｗｅ ｃ ｎ ｎ ｔｏ ｌ ｎ ｕ ｅ ｔ ｅ ｃ ｕ ａ ｙ ｏ ｈ ｅｅ ｔ ｕ ｇ ｔｏ ｅ ｈ ｅ ｔ ｆ ｅｇ ｎ ａ ｅ ｏ ｔｏ ｌｗ ｅ ｒ ｈ ｓ ａ ｐ ｒ ｍｉ ．Ｉ ｔｅ ｅ ｄ ｏ ｈ ｐ ｐ ｒｂ ｉｇ ｏｗａｄ ａ ｕｎｎａｙ ａ ｏ ｔｈ ｗ ｏ ｅ ｐ ｎ ｔｅ ｄ ｔｃｉｎ ｓ ｓｅ ａ ｄ ｕｈｏ ｔｅ ｆｌ ｗ－ ｐ ｗｏ ｋ ｎ ｆ ｔｅ ａ ｅ ， ｒｎ ｆｒ ｒ ｓ ａａｒ ｂ ｕ ｏ ｔ ｘ ａ ｄ ｈ ｅｅ ｔ ｙ ｔｍ ｏ ｎ ｏ ｔ，ｋ ｈ ｏｌ ｏ ｕ ｒ．
基于肤色的人脸检测与识别的开题报告
基于肤色的人脸检测与识别的开题报告一、选题背景现如今，随着计算机视觉、图像处理、模式识别等技术的发展，人脸识别技术得到广泛应用于人们的生产生活中。
以认证安全为主要目的的人脸识别技术对于保障信息安全和提高社会治安有着重要的作用。
目前，人脸识别技术已经在智能门禁、考勤打卡、身份识别等方面广泛应用，并且逐步拓展至金融、医疗、教育、旅游等各个行业。
但是，人脸识别技术并非完美无缺。
一个大问题是，传统的面部识别算法不能很好地应对人脸的不同肤色或肤色的变化，这可能导致面部识别精度的下降。
因此，如何实现基于肤色的人脸检测与识别已成为目前人脸识别技术需要解决的难点。
基于以上背景，我们选择了“基于肤色的人脸检测与识别”作为我们的开题报告研究方向。
二、研究目的我们的研究目的是设计并实现一种基于肤色的人脸检测与识别的算法，以提高面部识别的准确性和可靠性。
三、研究内容1.基于肤色的人脸检测技术的研究：首先，我们将研究安静条件下不同肤色的人脸图像，在此基础之上将分析采用不同的人脸像素分割算法，对不同肤色分别进行图像预处理，并极力使其待检测的区域从图像噪声中分离出来。
2.人脸识别技术的研究：在肤色检测的基础上，我们将采用多种面部识别算法，如LBP，PCA等，对去除噪声的图像进行进一步处理，以获得相应人脸特征，从而实现不同肤色人脸识别。
3.数据收集与评估：我们将通过调查问卷、网络爬取、直接收集等方式，获得不同肤色群体数据集，进行实验测试，评估算法的检测和识别效果。
四、研究意义本研究将有助于提高人脸识别技术的普适性和准确性。
通过对肤色的分析与处理，我们将可以更好地处理跨肤色、光照变化等因素对人脸识别的干扰。
本研究可应用于各种实际场景中，如公共安全、金融、医疗、交通出行等领域。
同时进一步推进计算机视觉等领域的发展，有推动科技发展的积极意义。
五、研究方法我们将采用以下方法进行研究：1.调研现有文献，熟悉基于肤色的人脸检测与识别技术的发展历程及相关知识。
基于肤色模型和面部特征的人脸检测算法
基于肤色模型和面部特征的人脸检测算法摘要：提出一种基于肤色模型和面部特征的人脸检测算法，在YCbCr 颜色空间建立肤色模型，根据此模型进行肤色分割，为使分割更平滑，进行了形态学处理，再结合面部特征有效除去非人脸肤色区域。
验证了该算法的可行性和高效性。
关键词：人脸检测；肤色模型；形态学处理；面部特征人脸识别是最近几年国际上图像处理和模式识别研究的热点之一。
一个完整的人脸识别系统包括以下4个模块：①人脸检测与分割；②人脸表征和特征提取；③人脸识别；④性能评估模块。
人脸检测模块是人脸识别的前提和基础，只有人脸检测时准确进行人脸定位，后期才能更准确地对检测出来的人脸进行识别。
本文提出了一种基于肤色模型和面部特征的人脸检测，目的是提取每一个属于人脸区域的肤色像素点，主要流程如图1所示。
在由日常生活照片建立的人脸检测图像集上做了许多实验，验证了该算法的可行性和高效性。
图1 人脸检测流程1 肤色模型的建立肤色模型需要选择一个合适的颜色空间并在该空间中确定一个肤色簇。
近几年的研究发现，TSL空间提供了两种高斯密度模型（单峰高斯模型和混合高斯模型），效果最佳。
YCbCr颜色空间与人的颜色感觉是一致的，并且与TSL颜色空间具有相同特性：能将亮度信息与色度信息区分开来，并具有相当紧密的肤色簇。
所以，本文采用在YCbCr颜色空间上建立肤色模型的方法。
IEEE的AnilK. Jain等人从HHI图像库中的137幅图像中手工选取了853 571个肤色像素点，并将它们绘制在YCbCr空间及其各个二维投影子空间中，得到的结果如图2所示。
图2 YCbCr及各二维投影子空间中的肤色点从图2中看出，128≤Y≤185区域中的肤色点是一个柱体，其横截面就是图2（b）中红色的椭圆部分，椭圆中心为（107，153），长轴为25.39，短轴为14.03，与水平方向的夹角弧度2.53；40≤Y≤128以及185≤Y≤240区域用4条二次曲线式来拟合，方程为：首先考虑128<Y<185的情况，它近似为椭圆柱体，只要考虑它在CbCr子空间中的投影，也就是图2（b）中的深色部分。
固定场景中基于肤色信息的人脸检测
位 。 实验 数据 表 明 ， 方 法对 固 定 场 景 中 的人 脸检 测 具 有 较 好 的 鲁 棒 性 ， 姿 态 、 情 、 龄 都 有 较 强 的 适 应 性 ， 具 该 对 表 年 并
有 一定的实时性。
关 键 词 ： 分图像 ；Ｓ Ｎ 滤波； 色分割 ； 圆模板 ； 差 ＨＥ 肤 椭 人脸检测
在 ＹＣ Ｃ 模 型 （ Ｙ代 表 亮 度 、 表 蓝 色 差 、 表 Ｃ代 Ｃ代 红 色差 ） 的人 脸 肤 色 有 很 强 的 聚 类 性 ， 且 它 们 之 间 也 中 并 具 有 相 关 性 ， 同人 的肤 色 集 中在 Ｃ ， 间 中 的 一 个 很 不 Ｃ 空 小 区 域 ， 取 适 当 的 Ｃ 和 Ｃ 值 就 能 将人 脸 从 复 杂 的 背 景 选
中 图分 类 号 ： ３ １ ＴＰ ９
文献标识码 ： Ａ
文章 编 号 ：６ ２７ ０ （ ０ ２ ０ ３０ ４ — ２ １ ７ — ８ ０ ２ １ ） ０ — １ ９０ １ ， 左 边 的 峰 为 背 景 ， 边 的 峰 为 运 动 目标 ，要 从 图 像 ）且 右
０ 引言
随 着 智 能 化 信 息 技 术 的发 展 ， 频 监 控 、 程 教 育 、 视 远 人
第１卷 第３ ｌ 期
２１年 ａ ０２ Ｍ
软 件 导 刊
Ｓ ｔ ａ ｅ Ｇｕｉ ｏｆｗ ｒ ｄｅ
ＶＯ１ １ ． １Ｎｏ． ３ Ｍａ． ｒ ２０１ ２
固 定 场 景 中 基 于 肤 色 信 息 的人 脸 检 测
饶 彦
（ 州民族 学 院 理 学 院 ， 州 贵 阳 ５ ０ ２ ） 贵 贵 ５ ０ ５
位 置 ， 及 面 部 特 征 信 息 等 。现 在 人脸 检 测 的 应 用 背 景 已 以
基于肤色建模和眼睛亮度检测的人脸定位技术研究
基于肤色建模和眼睛亮度检测的人脸定位技术研究摘要：提出了基于肤色建模和眼睛亮度检测的方法对彩色图像中的人脸进行检测。
在检测前，先对图像进行光线补偿，再通过肤色模型获得可能的脸部区域，最后根据眼睛在人脸固有位置亮度检测人眼，最终确定人脸区域。
通过实验测试说明，该方法对人脸的检测达到了较好的效果。
关键词：人脸检测；光线补偿；肤色建模人脸作为图像与视频中重要的视觉对象之一，是智能人机接口等许多应用的处理目标对象。
近年来，人脸检测技术在模式识别、计算机视觉、人机交互等诸多领域引起了普遍重视。
人脸检测技术在计算机视觉等领域的研究中有着重要的意义：一方面，将人脸作为基本视觉对象来考虑，是自动检测与人脸识别、人脸跟踪、表情识别、人脸合成与人脸编码、唇读等技术的必要前提；另一方面，人脸检测技术有着从智能安全监控、电子商务、视频会议和远程教育、基于内容的检索等诸多领域的广泛应用。
人脸检测是指在使用计算机在输入图像中判断人脸是否存在，若存在，确定人脸的大小、位置。
人脸检测系统的输入可能包含人脸图像，输出是关于图像中是否存在人脸及人脸数目、位置、尺度、姿态等信息的参数化描述。
具体地说，就是根据一定的算法确定输入图像是否存在人脸，如果存在的话，标出人脸的位置作为人脸检测系统的输出。
1 肤色建模肤色是人脸最重要的信息，而且肤色不受面部细节特征、旋转、表情变化以及饰物遮挡等情况的影响。
不同种族、性别人的肤色差异主要体现在亮度上。
要提高肤色的聚类性就要消除亮度的影响。
经过实验验证，在YCrCb色彩空间下，利用肤色模型求相似度矩阵返回每个像素是否为肤色的概率Fmod。
获取矩阵的最大值对相似度矩阵进行归一化。
计算整张图片的亮度平均值。
归一化之后的每个矩阵点乘以255，如果该值仍然小于整张图片的Y分量平均值，则认为该点不是人脸的皮肤。
最后把认为是人脸皮肤的像素点置为白色，其余的点置为黑色，得到黑白二值图像。
其中，RGB色彩空间转换YCrCb色彩空间如式（1）所示，YCrCb 空间下肤色相似度Fmod计算如式（2）所示。
基于肤色模型与眼睛定位的人脸检测方法
节特 征 ， 于旋 转 、 情 等 变 化 都 适 用 的特 性 。皮 对 表 肤 颜 色为 人脸 检 测 提 供 了重 要 依 据 。对 于彩 色 图
人脸 ” 区域 的 特 征 ， 后 根 据 被 检 测 区 域 是 否满 足 然
这些 “ 人脸 特征 ” 来 判定 该 区域 是 否包 含人 脸 。根 ， 据所选择 的“ 人脸 特征 ” 这 类 方法 有 基 于肤 色模 型 ，
第 １ ０卷
第３期 １
２１ ００年 １ 月 １
科
学
技
术
与
工
程
Ｖｏ．１ Ｎｏ ３ｌ Ｎｏ ． ０１ １ ０ ． ｖ２ ０
１７ － １ １ （０ ０ ３ －８２０ ６ １ ８５ ２ １ ） １７２ －４ ・
Ｓｃｅ ｃ ｃ ｏｏ ｙ ａ ｄ Ｅｎ ｉ ｅ ｉ ｇ ｉ ｎ ｅ Ｔｅ ｈｎ ｌ ｇ ｎ ｇｎｅ ｒｎ
像， 在确定肤色模型之后 ， 首先可以进行肤色检测。
在 检测 出肤色像 素 后 ， 需要 根 据 它 们在 色 度 上 的相
似性 和模 型上 的相 关性 分 割 出 可能 的人脸 区域 ， 同 时利 用 区域 的 几 何 特 征 或灰 度 特 征进 行 是 否 是 人 脸 的验证 ， 以排 除其 它 色 彩类 似 肤 色 的物 体 。 区域 分割 与验 证 在 很 多 方 法 中是 密 切 结 合 、 一 考 虑 统
３ １期
全星慧 ， ： 等 基于肤色模型与眼睛定位的人脸检测方法
７２ ８３
基 于长宽 比例和基 于有 效 面积 的方 法进 行 。 匾 匝 画茧 叵 圄＋ 匝 匮堑
蚀、 膨胀、 、 开 闭等。运用这些算子及其组合来进行
图像形 状 和结 构 的分析 及处理 。
基于肤色信息的人脸检测MATLAB程序
clear allclose allclc%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 读入待检测图像x=imread('C:\Documents and Settings\Administrator.30178A3145BA4BF\桌面\2.jpg'); %读入图像figureimshow(x)if size(x,3)>1x=rgb2gray(x);%转化为灰度图endx=double(x); %转化为小数型[output,count,m,svec]=facefind(x);%找出人脸,output返回人脸位置和大小信息，count为人脸个数信息，m实际检测到的最大人脸和最小人脸信息imagesc(x)colormap(gray) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 画出人脸框图col=[1 0 0];%人脸框图为红色col=[0 1 0];%人脸框图为绿色t=2; %人脸框图线的宽度N=size(output,2);if (N>0)for i=1:Nx1=output(1,i);x2=output(2,i);y1=output(3,i);y2=output(4,i);vec=[x1 x2 y1 y2]; %方框四个角的坐标ind=find(isinf(vec)); %无限值情况a=200; %should be realmaxvec(ind)=sign(vec(ind))*a;h1=line([vec(1) vec(2)],[vec(3) vec(3)]);h2=line([vec(2) vec(2)],[vec(3) vec(4)]);h3=line([vec(1) vec(2)],[vec(4) vec(4)]);h4=line([vec(1) vec(1)],[vec(3) vec(4)]);h=[h1 h2 h3 h4];set(h,'Color',col);set(h,'LineWidth',t)endend%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% minf=m(1);maxf=m(2);ex1=size(x,1)*0.01;ex1e=size(x,1)*0.02;ex2=size(x,1)*0.04;ex2e=size(x,1)*0.05;bx1=[0 maxf maxf 0];by1=[ex1e ex1e ex1 ex1];bx2=[0 minf minf 0];by2=[ex2e ex2e ex2 ex2];hold onfill(bx1,by1,[0 1 0])fill(bx2,by2,[0 1 0])hold off。
基于肤色模型和区域特征的人脸检测方法
［ ｓｒｃｌＰｅ ｉｏ ｎ ｐ ｅ ｒ ｐ ｒｉ ｌ ｒｅｉｎ ｆ ａｅｄ ｔｃ ｏ ｙｔｍ．ｎｏｄ ｒｏｇｔ ｃｕａｅｐｅｉｉｎａｄｆｓ ｓｅｄ ｔｉｐ ｐ ｒ Ａｂ ｔａ ｔ ｒｃｓ ｎａ ｄｓｅｄａｅｔ ａｐａｓ ｉ ｒ ｓ ｃ ｅｅｔ ｎｓ ｓ ｉ ｗｏ ａｃ ｔ ｏ ｏ ｆ ｉ ｅ Ｉ ｒｅ ｅ ｃ ｒｔ ｒｃｓ ｎ ｔ ｐ ｅ，ｈｓ ａｅ ｔ ａ ｏ ａ
ｔ ｒ ｕ ｈ ａ ｘ ｅ ｉ ｎ ｍｅ ｏ ｆ ｍｏｓ ｉ ，ｅ ｔａ ｔ ｅ ｌ ｎ ｙ ｓ ｕ ｉｉ ｉ ｇ ｔ ｅ ｂ ｉｔｍｏ ｅ ｓ ａ ｄ ｌ ａ ｅ ｈ ｅ ｔａ ｏ ｎ ｓ ｂａ ｅ ｎ ｔ ｅ ｒ ｇ ｏ ａ ｈ ｏ ｇ ｎ ｅ ｔｎｓｏ ｔ ｄ ｏ ｈ ａｃ ｘ ｒ ｃ ｓ ｔ ｉ ａ ｄ ｅ ｅ ｔ ｚ ｎ ｈ ｕ ｌ ｄ ｌ ｎ ｏｃ ｔ ｓ ｔ ｅ ｃ ｎ ｒ ｌｐ ｉ ｔ ｓ ｄ ｏ ｈ ｅ ｉ ｎ ｌ ｈ ｐ ｌ ｆ ａｕ ｅ Ｅｘ ｒｍｅ ｔ ｈ ｗ ｈ ｔ ｈ ｔ ｏ ｅ ｏ ｍｓｅ ｓｌ ｄ ｌ ｃ ｔ ｓｐｏ ｎ ｓａ ｃ ｒ ｔｌ ． ｅ ｔ ｒ ． ｐｅ ｉ ｎ ｓ ｓ ｏ ｔ ａ ｅ ｍｅ ｄ ｐ ｒ ｒ ａ ｉ ａ ａ ｅ ｉ ｔ ｃ ｕ ａ ｅ ｙ ｔ ｈ ｆ ｙｎ ｏ
域的人脸检测方法 。该方法采 用肤色模 型提 取肤色像素 ，利用拓展 的马赛 克方法 获取人脸 区域 ， 构建模型并提取 嘴唇和眼睛 ，结合 区域特 征定位 中心点 。实验 结果表 明 ，该方法简单易行 、定位 精确 。 关奠诃 ：人脸检测 ；肤色模 型 ；马赛克方法 ；区域特征
Ｆａ ｅＤｅ ｅ ｔｏ ｅ ｈ ｄ Ｂａ ｅ ｎ Ｓ ｉ ｏ ｅ ｎ ｇｏ ａ ａ ｕ ｅ ｃ ｔ ｃｉ ｎ Ｍ ｔ ｏ ｓ ｄ ｏ ｋ ｎ Ｍ ｄ ｌ ｄ Ｒｅ ｉｎ ｌ ａ Ｆｅ ｔ ｒ
基于肤色模型与人脸结构特征的人脸检测
１ 建立肤色模型
１ １ 图像 预处 理及 颜 色提 取 ．
肤色模 型是根 据 大量样 本 的统 计 所建 立 的。
所 以需 要 采 集 大 量 的人 脸 图像 资 源 来 计 算 它 的 统
计 特征 。样 本 资 源 的格 式 和 尺 度 大 小 ， 物 ， 照 人 光 背 景等 都不 相 同 ， 因此就 将样 本 图片 统一 规定 为 ｊｇ ｐ 格 式 ， 度 为 ３ ０×３ ０的 正 常 室 内光 照 人 脸 彩 色 尺 ０ ０
红 （ ９９ ），女 ， 师 ，硕 士 ， 究 方 向 ： 能 １７ 一 讲 研 智
图 １ 人脸样本
图 ２ 样 本 裁 剪 区域
５ ８ １０
科
学
技
术
与丁程 源自１ ０卷１２ 颜 色 空间转换 ．
在计算机 视觉 中 ， 常 采用 的彩 色 空 间 主要 有 经
Ｒ Ｂ， Ｓ Ｈ Ｉ Ｙ ｂ ｒ Ｙ Ｑ， Ｕ 等 。其 中 Ｙ ｂ ｒ Ｇ Ｈ Ｖ， Ｓ ， Ｃ Ｃ ， Ｉ Ｙ Ｖ Ｃ Ｃ 作 为肤 色分布 统计 特性 的映 射 空 间 ， 由于亮 度 和 色 度相 互分 离 ， 且在 色度 空 间上 两个 向量 Ｃ Ｃ 相 互独 ｂｒ 立， 能够较好 地 反 映 肤 色 的 聚类 特 性 。使 用 Ｙ ｂ ｒ Ｃ Ｃ
１ ００ ４０
１ ０ ２０ ０ １ ０ ００ ０
ｃ 分 布 图 ｒ
迥 ８０ ０ ０
船 套 ６０ ０ ０
４０ ０ ０ ２ ｏｏ Ｏ
Ｏ
作为 肤色空 间 ， 有 如下 特 点 ¨ ：１ 具 ３ （ ）在该 空 间 下 ， Ｊ
ｃ 颜色 信 息分 割 出可能 包 含 人脸 的 区域 ， ｒ 然后 在 各
基于肤色与边缘特征的人脸定位检测算法
基 于 肤 色 与边 缘 特 征 的人 脸 定 位 检 测 算 法
温 红 艳 ，董 晓 倩
（ 明理 工 大 学 信 息 工程 与 自动 化 学院 ， 南 昆 明 ６０ ５ ） 昆 云 ５ ０ １
摘
要： 针对 由于外貌 、 表情 、 肤色等不同 ， 给人脸检测带来很大 困难的问题 ， 提出一种基于肤色 特征与边缘检测相
ｄ ｆｉｕｌｉｓ ｉ ｆ ｃ ｄ ｔ ｃｔｏｎ， ｈｉ ｐａ ｅｒ ｐｒ ｓ ｎｔ ａ ａ ｅ ｅ ｅ ｔｏ ｍ ｅ ｈ ｂａ ｅ ｋｉ ｃ ｏｒ ｆ ａ ｕ ｅ ａ ｄ ｄｇ ｉｆｃ ｔｅ ｎ ａ ｅ ｅ ｅ ｉ ｔ ｓ ｐ ｅ ｅ ｓ ｆ ｃ ｄ ｔ ｃ ｉｎ ｔ ｏｄ ｓ ｄ ｏｎ ｓ ｎ— ｏｌ ｅ ｔ ｒ ｓ ｎ ｅ ｅ
第３ 卷 第３ ０ 期 ２１ ０ ０年 ６月
桂 林 电 子 科 技 大 学 学 报
Ｊ ｕ ｎ ｌｏ ｉｉ ｉｅ ｓｔ ｆＥｌｃ ｒ ｎｃＴｅ ｈｎ ｌ ｇ ｏ ｒ ａ ｆＧｕｌｎ Ｕｎ ｖ ｒｉｙ ｏ ｅ ｔｏ ｉ ｃ ｏｏ ｙ
Ｖ ｏ ．３ Ｎｏ．３ １ ０。
Ｊ ｎ． ０ ０ ｕ ２ １
快 、 法 简单 、 位 率 高 、 测 效 果 好 。 方 定 检
关键词 ： 人脸 检测 ；肤 色 特 征 ； 缘检 测 ；自适 应 阅 值 边
中图 分 类 号 ： Ｐ ９． Ｔ ３１４ 文献 标 识 码 ： Ａ 文 章 编 号 ：１ ７— ０Ｘ（０ ０ ０ —２ ２０ ６ ３８ ８ ２ １ ）３０ １ —４
Ａｂ ｔ ａ ｔ Ａｓ ｔ ｅ ａ ｐ ａ ａ ｃ ｆ ｈ ｍａ ａ ｅ，ｅ ｐ ｅ ｓｏ ｓｒ ｃ ： ｈ ｐ ｅ ｒ ｎ ｅ ｏ ｕ ｎ ｆｃ ｘ ｒ ｓ ｉｎ，ｃ ｌ ｒａ ｄ Ｓ ｎ ａ ｅ ｄ ｆｅ ｅ ｔ ｈ ｓ ｉｅ ａ ｇ ｅ ｔ ｄ ａ ｆ ｏ ｏ ｎ Ｏ ｏ ｒ ｉｆ ｒ ｎ ，ｔ ｅ ｅ ｇ ｖ ｒ ａ ｅ ｌｏ
固定场景中基于肤色信息的人脸检测
固定场景中基于肤色信息的人脸检测摘要：给出了一种用于固定场景的快速人脸检测方法。
在背景差的情况下，利用SHEN滤波进行二值图像并提取出运动目标区域，基于肤色聚类模型对运动目标子图像进行肤色分割，结合椭圆模板检测出人脸区域，进行人脸定位。
实验数据表明，该方法对固定场景中的人脸检测具有较好的鲁棒性，对姿态、表情、年龄都有较强的适应性,并具有一定的实时性。
关键词：差分图像；SHEN滤波；肤色分割；椭圆模板；人脸检测0 引言随着智能化信息技术的发展，视频监控、远程教育、人机交互技术及安全等各方面都迫切希望能够进行快速、有效的身份验证。
人脸检测问题最初来源于人脸识别，是指在输入图像中判断是否存在人脸区域，进一步确定人脸的位置，以及面部特征信息等。
现在人脸检测的应用背景已经远远超出了人脸识别系统的范畴，并体现出越来越多的学术价值和应用价值。
笔者给出了一种用于固定场景的快速人脸检测方法。
首先运用背景差方法剔除静止背景的干扰，再用SHEN滤波确定阈值进一步去掉多余背景，得到运动目标子图像。
接着基于肤色聚类模型对运动目标子图像进行肤色分割，最后结合椭圆模板检测出人脸区域，进行人脸定位。
最后利用Matlab7.0进行了实现，并在自建的人脸测试图像库上做了很多实验。
该方法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除，在目标跟踪和运动检测上，不仅能有效地抑制背景噪声，减少误检率，而且还能缩小人脸检测范围，加快检测速度。
1 从视频图像中提取运动目标（人）1.1 建立背景图取出初始目标在视频图像中为了定位人脸，应尽可能减少图像背景的干扰，这样可以更快更准确地定位人脸。
由于是固定场景，所以采用背景差方法即可提取出运动目标。
1.2 双峰法取阈值分割出运动目标背景差分后得到的运动目标不是很清晰，还存在一些背景，观察发现，其图像的直方图是典型的双峰分布（见图1），且左边的峰为背景，右边的峰为运动目标，要从图像中分割出运动目标，只需找到直方图中两峰之间的谷点即可。
基于肤色特征的人脸检测技术研究
２ Ｋ ｙ ａ ｏａｏｙｏＡ ｖｎ ｅ ｌ ｔｃ ｌ ｎ ｉ ｅｉ ｄ ｎ ｒ ｅｈ ｏ ｇ ， ｉｎ ｎ ｏ ｔｃｎｃＵ ｉ ｒｉ， ． ｅ ｂ ｒ ｔ ｄ ａ ｃｄ ｅ ｒ ａ ｇｎ ｒ ｇａ ｅ ｙＴｃ ｎ ｌ ｙ Ｔａ ｉ Ｐ ｌ ｅｈ ｉ ｎｖ ｓ ｙ Ｌ ｒ ｆ Ｅ ｃｉ Ｅ ｅ ｎ ｎＥ ｇ ｏ ｊ ｙ ｅ ｔ
Ｔ ｎｉ ３ ０ ８ ， ｈ ａ ｉ ｊ ０３ ７Ｃ ｉ ） ａ ｎ ｎ
Ａｂｓｒ ｔ Ａ ａ ｅ ｄ ｔｃｉｎ ａ ｄ ｏ ａｉｎ ｅｈ ｓｐ ｏ ｓ ｄ ｔ ｎ ｕｔｐｌ ａ ｅ ｎ ａｉ ｇ ．Ｔｉ ｍ ａ ｅ ｉ ｔａｃ ： ｆｃ ｅｅ ｔｏ ｎ ｌｃ ｔ ｍ ｔｏｄ ｉ ｒ ｐｏ ｅ ｏ ｆ ｄ ｍ ｌｉ ｅｆ ｃ ｓ ｉ ｍａ ｅ ｏ ｉ ｌ ｉ ｇ ｓ ｅ ｃ ａ ｇ ｒ ｍ ｈ ｎ ｅｆｏ ＲＧＢ ｏｌｒｓ ｃ ｏＹＣｒ ｏ ｏ ｐ ｃ ． ｅｓ ｎｐｉｅｓｃ ｎｂｅｄ ｔｃｅ ｃ ｏｒ ｎ ｏｔ ｉ ｉｔｉｕｔｏ ｃ ｏ ｐａ ｅｔ Ｃｂｃ ｌ ｒｓ ａ ｅ Ｔｈ ｋｉ ｘ ｌ ａ ｅｅ ｔ ｄａ ｃ ｄｉｇｔ ｒｄ ｓｒｂ ｉ ｎ ｈｅ ｉ Ｙ Ｃｒ ｏｌｒｓ ａ ｅ Ａｎ ｓ ｌｔ ｄｎｏｓ ｏｉ ａ ｌｅ ｅ Ｔｈｅｐ ｓｂｌ ａ ｅａ ｅ ｓｃ ｎ ｂ ｅｅｍ ｉ ｄ ｂ ｔｅ ｎ Ｃｂ ｃ ｏ ｐ ｃ ． ｄ ｉｏ ａｅ ｉｅｐ ｎｔｃ ｎｂｅｆ ｔｒ ｄ． ｉ ｏｓｉ ｅ ｆｃ ｒ ａ ａ ｅ ｄ ｔｒ ｎｅ ｙ ｈ ｐｏ ｅ ｔａ ｕ ｔｏ ｍ ｅｈ ｄ． ｈｅｆ ｃ ｒ ａ ａ ｂ ｔｒ ｉｅ ｃ ｏ ｄｎｇｔ ｈ ａ ｅｓｒ ｔ ａ ｈ ｒｃｅ ｉｔ ｏ ｔ ｔｎ ｉｌ ｎｃｉｎ ｔ ｏ Ｔ ａ ｅａ ｅ ｓｃ ｎ ｅｄｅｅｍ ｎ ｄ ａ ｃ ｒ ｉ ｏｔｅ ｆｃ ｔｕｃｕｒ ｌ ａ ａ ｔｒｓｉ ｆ ｍ ｈｅ ｆ ｃ ｃｒ ｐ ｓ ｉｌ ａ ｅａｅ ｓ Ｔｈ ， ｕｔｐ ｅｆｃ ｓｄ ｔｃｉ ｎｃ ｎ ｂ ｅ ｌｚ ｄ． ｍ ｕａｉ ｎｒ ｓ ｌｓｐ ｏ ｔＳｖ ｌｄ ｏ ｓｂ ｅｆｃ ｒ ａ ． ｕｓ ｍ ｌｉｌ ａ ｅ ｅｅ ｔｏ ａ ｅｒ ａｉｅ Ｓｉ ｌｔｏ ｅ ｕｔ ｒ ｖｅｉ’ ａｉ ． Ｋ ｅ ｒ ：ｆｃ ｅｅ ｔｏ ；ｓ ｉ ｏｌｒ ｐｏｅ ｔａ ｎ ｔｏ ｃ ｌｒｓ ｃ ｙ ｗｏ ｄｓ ａ ｅｄ ｔｃｉ ｎ ｋｎ ｃ ｏ ； ｔｎ ｉｌ ｃ ｉｎ； ｏｏ ｐａ ｅ ｕ ｆ
使用人脸识别技术进行人脸检测与定位
使用人脸识别技术进行人脸检测与定位人脸识别技术是近年来发展迅猛的一项人工智能技术，它通过对人脸图像的提取、分析和比对，可以进行人脸检测和定位。
人脸检测与定位是人脸识别技术的基础，它在人脸识别、人脸验证和人脸表情分析等领域具有广泛的应用前景。
本文将重点介绍使用人脸识别技术进行人脸检测与定位的原理和方法。
人脸检测与定位的目标是从图像或视频中准确地识别出人脸，并确定人脸在图像中的位置。
在实际应用中，人脸检测与定位需考虑到光照、角度、遮挡和表情等因素的干扰。
以下是一种常用的人脸检测与定位的方法。
首先，人脸检测与定位通常可分为两个阶段：特征提取和分类器。
特征提取阶段旨在提取图像中与人脸相关的特征，常用的特征包括颜色、纹理和形状等。
分类器阶段则使用分类算法对提取到的特征进行判别，进而识别出人脸。
在特征提取阶段，常用的方法有基于模板匹配的方法、基于特征点的方法和基于纹理的方法。
模板匹配的方法是通过与预先定义的人脸模板进行比对来确定人脸位置。
特征点的方法则是通过检测人脸中的关键特征点（如眼睛、鼻子和嘴巴等）来确定人脸位置。
纹理的方法则是通过分析图像中的纹理模式来确定人脸位置。
这些方法各有优劣，可根据实际场景和需求进行选择。
在分类器阶段，常用的方法有支持向量机（SVM）、人工神经网络（ANN）和卷积神经网络（CNN）等。
SVM是一种常用的分类器，它通过将数据映射到高维空间来实现非线性分类。
ANN模拟了人脑神经元的工作原理，能够自动学习和提取特征。
CNN是一种特殊的ANN，它通过卷积和降采样等操作来实现对图像数据的高效处理，已经在人脸识别中取得了显著的效果。
除了上述方法，目前还出现了一些基于深度学习的人脸检测与定位方法，如基于卷积神经网络的人脸检测网络（FaceNet）和基于区域卷积神经网络的人脸检测方法（RCNN）。
这些方法利用深度学习的强大模式识别能力和高效计算能力，实现了在大规模数据集上的人脸检测与定位，并取得了较好的效果。
基于肤色的人脸检测研究
１人脸检测技术
人脸检测系统是一种基于信息处理 的模式检测系统。 它主要包 括两大部分 ： 特征提取部分与模式检测部分。 前半部分的作用是从人 脸图像 中提取能够反映不 同人的人脸差别的有效信息 ； 后半部分 的 作用是对于前半部分所提取的信息进行模式分类。 这两部分 的关系 是采用级联的形式， 也就是说最终的检测效果 由这两部分共同决定 。 基于肤色的人脸检测技术 ， 是一项检测人脸位置 的信息处理技 术。 它与指纹 ， 虹膜等生物特征检测技术是属于一类 ， 目前人脸检测 技术在 国内是一项相对成 熟的信息技术 。 它主要 的应用范围是在需 要确定人脸位置的设备上 ， 例如数码相机 等电子设备。 而人脸检测 技术的检 测方法也有很多种， 而基于肤色的人脸检测技术是当下应 用最多 ， 也是相对简单 ， 实用 的一种检测方法 。 而我们常见的手机 ， 数码相机 ， 安防检测系统 ， 人脸考勤机等都在应用着人脸 检测技术 。 在当下的技术发展前景上 来说 ， 基于肤色的人脸检测 技术是拥有非
一
３人脸检测技术的应用
以上所说的就是基于肤 色的人脸检测技术的原理 。 简单的说就 是利用人脸肤色的色值与周围环 境的色值 的区别来 突出人脸 的位 置， 从而达到定位的效果 。 但是这样的检测方法仅仅是一种初级的 ， 而且并未加 工过的检测结果 ， 我们知道 一个照片 中会有 许多人 出 现， 而这些人并不一定都是我们所需要的那个主角。 那么如何能够 让我们的照相机在使用 了这个人脸检测功能的同时， 迅速捕捉到图 像的主角昵？ 那么就需要将这个人脸检测技术进行升级处理 ， 如图１ 所示 。 当我 们 运 用数 码 相 机对 图像 进行 人 脸 检 测 定 位处 理 后 ， 突 然 之 间出现 了一个不速之客进入图像 ， 我们 应该 怎么办 呢？ 我们都知道 数码相机有一种功能是只能调焦 ， 也就 是在 确定 了图像 目标之后 ， 数码相机对 图像进行定位分析 ， 并且对所 定位 的图像进行 自动调焦 使 图像清晰化 。 所 以当图像 中出现主次人物 的时候 ， 就需要相机进 行智能识别 ， 到底哪一个才是真正需要对焦 的人物 。 如此一来简单 的二值化处理 出来的图像就不能够满足数码相机 的需求了。 那么到 底该如何处理这样的情况呢？ 首先 ， 我们对原来的二值化处理 的图 片进行分析 ， 如果脸部图像 定位 出来后， 出现两种情 况， 一种是只有 几个完整的脸 ， 那么 图像对焦就可 以正常进行 ， 如果 图像 中出现几 个完整 的脸型之外 ， 还有一些大大小小 的区域也被定位 了， 那么我 们就要考虑哪些是需要对焦的人了 。 为 了解决这一 问题 ， 我们设定 了一个 区域 范围， 当人脸 的图像大小超过这个区域范 围， 我们就将 该人脸锁定为主要人物 图像 ， 并且对其进行 聚焦的程序运行 。 如果 图像 中出现的人脸大小小于这个区域范围， 那么我们就将该人脸 图 像进行忽略处理 。 如此做的原因主要是为了防止图像 中有其他人物
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业设计（论文）基于肤色相似度的人脸检测与定位摘要本课题致力于完成Visual C++ 6.0平台下的人脸检测与定位系统，人脸检测定位的算法限制于基于肤色相似度算法。
要完成的工作包括相似度的计算，图像的二值化，垂直直方图和水平直方图的获取，人脸特征（眼睛、嘴和鼻子）的提取。
本课题着重于肤色模型相似度在人脸检测与定位中的应用，对增加人脸检测与定位的准确率的研究有一定的指导意义。
提出一种基于肤色的人脸检测定位算法，设计了基于肤色的人脸检测和定位系统。
采用了脸部皮肤之间相似度的方法以及二值化方法，使用了基于边界方法和基于区域方法相结合的算法，提取了眼睛、嘴和鼻子等关键特征，最终较好地实现了人脸定位。
在Microsoft Windows平台上，利用Visual C+ + 6. 0 开发了软件。
本课题的成果具有一定的应用价值。
实验结果表明，该软件对于一定尺寸范围内清晰的正面人脸图能够正确检测定位并提取特征，并且在速度和准确性方面具有良好的性能。
关键词：图像分割；人脸定位；肤色；人脸检测；特征提取基于肤色相似度的人脸检测与定位Detection and Localization of Person Face Basedon Skin Color SimilarityAbstractThis topic devotes to completing the detection and localization system of the person face under the Visual C++ 6.0 platforms, and the detection localization algorithm of the person face limit to basing on the skin color similarity algorithm. The topic must complete similarity computation, binary image processing, vertical histogram, horizontal histogram and extracting person face characteristic (eye, mouth and nose). This topic emphasize application of skin color model similarity in the detection and the localization of person face, and has a significant instruction for research of increasing accuracy in detection and the localization of person face.In this paper, the authors have presented an algorithm and designed a system for face detection and location based on complexion. By strengthening the contrast between face features and by adopting binary image processing method, the system has improved the preprocessing effect; and by using boundary-based algorithm plus region-based algorithm , the system has realized face location through the extraction of the features of eyes, nose and mouth. Taking advantages of Visual C++ 6.0, the authors have also developed corresponding software based on Microsoft Windows.Production of this paper have definite application value.Experiment results prove that the system is valid in detecting, locating and extracting frontal view face features in a certain range.And it possess favorable performance in rapidity and accuracy.Key words: image segmentation; face localization; complexion; face detection;feature ex- traction安徽工程科技学院毕业设计（论文）目录引言 (1)第1章人脸检测与定位概述 (2)1.1人脸检测的定义、应用及难点 (2)1.2人脸检测的研究背景及现状 (2)1.3本文研究的主要内容 (3)第2章基于肤色模型的人脸检测 (4)2.1人脸检测方法 (4)2.2基于肤色的人脸检测 (4)2.2.1 色彩空间的选择 (4)2.2.2 肤色模型 (5)2.3人脸肤色相似度的计算 (6)第3章相似度基础上的人脸特征定位 (10)3.1人脸检测与定位算法 (10)3.1.1 人脸区域分割算法 (10)3.1.2 人脸区域标记算法 (12)3.1.3 人脸检测流程 (12)3.2人眼的检测算法及标定 (13)3.2.1 有背景灰度人脸图像中的人眼检测与定位 (14)3.2.2 眼睛的标定 (15)3.3鼻子的标定 (17)3.4嘴的标定 (18)3.5设计结果及分析 (19)结论与展望 (21)致谢 (22)参考文献 (23)附录A引用的外文文献及翻译 (24)附录B 参考文献题录及摘要 (27)附录C 主要源程序 (29)基于肤色相似度的人脸检测与定位插图清单图2-1训练流程图 (6)图2-2 二值化流程图 (7)图2-3 原图 (7)图2-4 相似度图 (8)图2-5 二值化图 (8)图2-6 垂直直方图 (8)图2-7 水平直方图 (9)图3-1 人脸检测与定位的总体流程 (10)图3-2 人脸区域分割系统 (10)图3-3 区域分割算法流程 (11)图3-4 标记人脸区域 (12)图3-5人脸检测流程图 (13)图3-6 LOG算子 (15)图3-7 边缘提取流程 (15)图3-8 边缘提取图 (16)图3-9 眼睛的定位 (16)图3-10眼睛标记流程图 (17)图3-11眼睛标记 (17)图3-12鼻子的标记流程图 (18)图3-13鼻子标记 (18)图3-14嘴巴标记 (19)图3-15系统主界面 (19)安徽工程科技学院毕业设计（论文）引言人脸检测和定位是人脸识别中一个重要的组成部分，其检测问题却是一个极赋挑战性的课题。
人脸是一个包含五官、毛发等的极不规则的复杂待测目标，不同的人脸在形状、大小、颜色、质地等方面都有很大的变化；所考虑的检测对象大多是由图像捕捉设备所采集的数字图。
所以采集条件特别是光照条件包括光源的方向、明暗、色彩等都会对图的效果产生很大的影响，进而影响对人脸的检测；另外，人脸上还可能长有胡须、戴有眼镜等, 这些也同样是人脸检测不可忽视的因素。
人脸检测具有一定的难度和复杂性，对这一问题的深入研究必将推动模式识别等计算机科学的发展。
人脸的检测问题在近10年中得到了广泛的关注，国内外很多研究人士提出了很多方法，在不同领域取得了一定进展。
但是对于一种能够普遍适用于各种复杂情况的，准确率很高的检测算法，还有很大的探索空间。
本文利用Visual C+ + 6. 0 开发了人脸定位和特征提取的软件，该软件对于一定尺寸范围内清晰的正面人脸图能够正确检测定位并提取特征。
基于肤色相似度的人脸检测与定位第1章人脸检测与定位概述1.1 人脸检测的定义、应用及难点人脸检测(face detection)是指在输入图中确定所有人脸(如果存在)的位置与大小。
人脸检测系统的输入是可能包含人脸的图，输出是关于图中是否存在人脸以及人脸的数目、位置、尺度、位姿等信息的参数化描述。
人脸检测问题最初来源于人脸识别(face recogznition)。
人脸识别的研究可以追溯到20 世纪60—70 年代，经过几十年的曲折发展已日趋成熟。
人脸检测是自动人脸识别系统中的一个关键环节，但是早期的人脸识别研究主要针对具有较强约束条件的人脸图(如无背景的图)，往往假设人脸位置已知或很容易获得，因此人脸检测问题并未受到重视。
近几年随着电子商务等应用的发展，人脸识别成为最有潜力的生物身份验证手段，这种应用背景要求自动人脸识别系统能够对一般环境下的图像具有一定的适应能力，由此所面临的一系列问题使得人脸检测开始作为一个独立的课题受到研究者的重视。
人脸检测研究的就是如何从静态图或者视频序列中找出人脸，如果存在人脸，则输出人脸数目、每个人脸的位置及大小。
人脸检测是人脸身份识别的前期工作，同时人脸检测作为完整的单独功能模块，在智能视频监控、视频检索和视频内容组织等方面都有直接的应用。
人脸检测的一个最重要的应用是人脸识别技术。
人脸识别技术的研究是本世纪计算机视觉领域最具挑战性的研究课题之一，其应用领域十分广泛：可用于公安系统的罪犯身份识别、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统、驾驶执照及护照等与实际持证人的核对、银行及海关的监控系统及自动门卫系统等。
今天，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。
人脸检测研究具有重要的学术价值，受到学者越来越多的关注。
人脸检测虽然有诱人的应用前景，但是在现实中却还没有开始大规模的使用。
其主要原因之一就是用计算机自动进行人脸的检测和识别十分困难，目前的检测效果（正确率、速度）不如其他的生物识别技术，如指纹识别，视网膜识别等等。
人们在日常生活中就进行了大量的人脸检测和识别工作，对人脸检测与特征的定位取得了一定的成绩，但人脸检测仍然存在着许多难点。
人脸是一类具有相当复杂的细节变化的自然结构目标，此类目标的检测问题的挑战性在于：1)脸由于外貌、表情、肤色等不同，具有模式的可变性；2)一般意义上的人脸，可能存在眼镜、胡须等附属物；3)作为三维物体的人脸的影不可避免地受由光照产生的阴影的影响。