【毕业学位论文】（Word原稿）基于Log Gabor变换与BP神经网络的人脸识别-计算机科学与技术图像处理

姓 名 吉林大学 分 类 号： * 单位代码： 1 0 1 8 3 研究生学号： 密 级： 公 开 吉 林 大 学 硕士学位论文 基于 换与 P 者姓名： 专 业： 研究方向： 指导教师： 培养单位： 2012 年 3 月 基于 换与 P 者姓名： 专业名称： 指导教师： 学位类别： 工程 硕士 答辩日期： 2012 年 3 月 日 未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。 吉林大学博士 (或硕士 )学位论文原创性声明 本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的 个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 中国优秀博硕士学位论文全文数据库投稿声明 研究生院： 本人同意中国优秀博硕士学位论文全文数据库出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊（光盘版）电子杂志社的中国优秀博硕士学位论文全文数据库投稿，希望中国优秀博硕士学位论文全文数据库给 予出版，并同意在中国博硕士学位论文评价数据库和 列数据库中使用，同意按章程规定享受相关权益。 论文级别：硕士 博士 学科专业： 论文题目： 作者签名： 指导教师签名： 2012年 3 月 日 作者联系地址（邮编）：吉林大学计算机科学与技术学院 130012 作者联系电话： 摘 要 基于 换与 随着社会不断的发展，各种身份认证的方法层出不穷， 给人们的生活带来了极大的便利。 传 统的身份认证手段 ，例如 ，口令，钥匙等，本身存在着很多的不足，已经不能满足人们更高的需求。 而以人脸为代表的生物特征识别，由于使用方便且具有一定的稳定性，越来越受到人们的欢迎。 本文对人脸识别做了比较深入的研究， 人脸识别的 具有很多重要的环节，包括 人脸定位，图像预处理和特征提取等，每一个环节都关系到最终的识别率。针对这些重要的环节， 本文做了比较详细的研究。 首先 ，针对人脸定位，本文对现有的人脸定位算法进行了 比较详细的介绍，比较了他们的不足和各自的优点，然后提出了一种基于 点 特征 的人脸定位算法，检测人 脸的时候，先根据特征信息进行初定位，然后在定位好的区域进行精确定位，去除没有人脸轮廓特征的区域 。实验结果表明，该定位算法即使背景比较复杂，也能定位出比较 精确 的人脸区域。 然后， 我们将定位好的人脸区域进行图像预处理，将人脸从空域变换到频域， 频域中高频部分代表的是噪声，低频部分代表的图像的基本信息，过滤掉高频部分，保留低频部分。我们采用 换进行 频域变换，然后利用小波 分析 进行 降维。 最后，我们对 经网络的原理和学习规则做了详细的介绍，提出了利用 脸库上的实验表 明，该方法的识别率达到了 96%，且结合 均能够提高 2 个百分点。 关键词： 人脸识别，人脸 定位， 经网络 ， 小波 分析 I P s of s of to s of D of of s it is to a of a on on We a on of of we of of on we a We by by is we do on is to of is on of so we to we a on P BP to on RL 6%. P P %. 录 第 1 章 绪 论 . 1 研究背景及意义 . 1 研究现状 . 3 本文的主要工作和内容安排 . 4 本文的主要工作 . 4 本文的内容安排 . 4 第 2 章 人脸检测 . 6 引言 . 6 人脸检测方法概述 . 6 基于模板匹配的算法 . 7 基于知识的算法 . 9 基于学习的算法 . 11 基 于 点特征的人脸检测 . 14 基于 视频编程 . 14 基于 点特征进行人脸检测 . 15 人脸归一化处理 . 19 本章小结 . 20 第 3 章 人脸预处理 . 21 引言 . 21 波器 . 21 波器对人脸进行变换 . 23 小波分解降维 . 24 小波变换定义 . 25 小波分解降维 . 26 本章小结 . 27 第 4 章 人脸识别 . 28 引言 . 28 神经网络简介 . 28 经网络的发展史 . 29 经网络的应用领域 . 30 经网络的结构和类型 . 30 . 32 P 神经网络的结构 . 32 P 神经网络的工作原理 . 33 络的学习规则 . 35 经网络算法设计 . 36 法的流程及主要代码实现 . 37 实验 . 39 本章小结 . 40 5 章 总结与展望 . 41 总结 . 41 展望 . 42 参考文献 . 43 致 谢 . 45 第 1 章 绪 论 1 第 1 章 绪 论 研究背景及意义 进入新世纪 ， 科学技术有了非常大 的发展， 各行各业都有了 新的面貌 。 现在，人们的 日常生活越来越离不开 互联网了 ， 在互联网如此发达的今天，人们最关注的就是自己的信息安全， 信息 安全是一个 研究 非常广泛的领域， 包括数据加密、解密， 各种安全协议和机制，其中任何一个安全漏洞的发生，都有可能 造成极大地损失。特别在身份 识别 （ 和 认证 （ 领域， 身份认证失误可能 导致冒领巨额资产， 对社会经济秩序和安全造成了严重的 影响 。 身份识别和 认 证是信息安全领域中一个重要 的分支，有很多学者 在这个领域进行研究 1 传统的身份 识别手段主要借助 磁卡、 用户名与密码、 钥匙 等 。 我们知道， 磁卡在现实生活中很常见 ， 例如 款机取钱时，用的银行卡 ， 只认磁卡和密码，磁卡 容易遗失，密码容易暴露或者被暴力破解 。 我国的相关统计表明，在 2011 年下半年，全国各级公安机关 立案 银行卡案件达到了 9200 余起，涉案的金额达到了 72 亿元人民币 ， 由此可见，传统的银行卡身份认证手段的缺陷，导致国内外蒙受了很大的经济 损失 3； 用户名与密码是很常见的身份认证手段，各大门户网站或者社交软件都提供在线 用户 功能，通过登录就能享受到各种网络服务 ； 钥匙是最传统的 身份认证手段， 但是它很容易遗失 ，给用户造成了很多不便 生物特征识别的 研究目的 就是要解决这些问题 。 生物特征识别系统能够通过人的 生理 特征 或行为特征 进行身份自动识别 ， 生理特征包括 人脸、虹膜、指纹、掌握、视网膜以及声音等等， 行为特征包括步态、 击键习惯、个性签名等等，如图 示 。 这些特征在不同人之间，具有独一无二的特点，因此可以用来 鉴别人的身份 。 第 1 章 绪 论 2 图 物特征 相对传统的身份认证手段， 生物 特征 识别 技术 进行人份认证 的优势有 7 (1) 方便 快捷 。生物特征随身携带，用户不再担心遗失磁卡和钥匙，只需要用相应的传感器采集生物特征即可 ； （ 2） 可靠性高 。 生物识别系统不存冒名顶替现象， 能够 保证 所有的身份认证行为都是本人 真实意愿在执行，具有 很 高的精确度和 很高的可靠性 ； 生物特征还具有相对较高的稳定性； （ 3） 具有唯一性 。 生物特征不容易伪造，特别是活体检测技术的兴起，更加 保证了 的生物 特征的唯一性 ，人与生物特征真正做到一一对应 ，而传统的身份认证手段很容易伪造 。因此， 生物识别技术越来越受到人们的欢迎 和市场的认可 ，各种生物识别系统应运而生 。 2008 年北京奥运会期间，在 鸟巢和水立方的所有入口处，都安置了中科院 自动化所研制的人脸识别系统，运动员入场时，必须通过该系统的检测； 公安部门的指纹识别系统已经非常成熟，在刑侦破案过程中发挥着极大地作用 ； 下的 列手提电脑，均添加了 指纹登录功能 ；美国北卡罗来纳州的夏洛特道格拉斯机场与 2000 年 5 月率先启用了虹膜识别系统， 对机组人员和机场职工进行身份验证，随后在英国、香港、迪拜都普遍使用 。 生物识别系统首先采集一组特征样本，例如 拍摄一张人脸照片 进行人脸识别 ，或者 记录声音信号 进行 语音识别 ，这些样本经过一系列的数学 函数进行转换，包括去除噪音、信息预处理、特征提取等等，其中比较关键的步骤是特征提取，特征提取就是将 经过预处理的原始样本进行降维 ， 提取最能够显著区别于其他样本的 特征信息 。然后将这些特征信息与数据库中已经保存着的信息进行匹配，决策出该样本从属于哪一个 分类，该分类即为 最终的识别身份 。 大多数的 生物识别系统具有两个分系统，即登记系统和识别系统 。登记系统用来 在数据库中 添加身份 信息 ,识别系统采集人相应的生物特征，与数据库中信息对比，进行身份识别 。 一种 理想的生物特征 归结起来应该有 4 大 特点 9； (1)普遍性：每个人都有这 一特第 1 章 绪 论 3 征 ，先天畸形或后天受到伤害的除外 ； （ 2）高度的唯一性：这样就能保证两个人拥有一样的特征的几率 微乎其微；（ 3）稳定性 : 这样，随着时间的推移，特征不会改变 ；（ 4） 容易采集 ：这样用户使用起来就方便，也不会造成采集 不完整 的现象 。 基于以上原因，本文选择使用了 人脸作为生物特征进行识别。 研究现状 在过去的几十年 ，有很多专家学者 在人脸识别领域进行了深入的研究， 他们对人脸识别做了大量的基础性的研究工作， 使得人脸识别有了很大的进展， 人脸 识别 系统的 各项 性能有了很大 幅度 的提高， 这些提高的指标包括 精度 、速率、 存储代 价以及鲁棒性 等等 。 国内外对人脸识别的研究都取得了很高的成就 ， 本小节 主要介绍了人脸识别的研究现状。 人脸识别的研究主要分为三个阶段。 第一个阶段主要研究人脸的面部特征，具有代表性的人物有 。0提出用简单的语句与数据库中的人脸 相 关联， 该系统中， 同时 还 拥有 指纹信息， 整个系统用人脸和指纹进行双重认证。 1给人脸做了一个非常逼真的描写 ，对人脸上 各个器官进行模拟 和定位， 提取这些部位的特征， 并用计算机实现了这一个算法， 有了比较好的识别效果。 这一个 阶段还不 是自动的识别阶段，而是一个 人工阶段。 第二个阶段的人脸识别是人机交互的识别阶段， 这期间， 2和 3提出用几何特征描述人脸的特征， 他们在实验过程中用到的是人脸的正面照片， 用 21维的向量 表示人脸的特征，用欧式距离将这些 特征向量进行匹配， 决策出最终的识别结果。 该系统实现了自动化的识别，是一个 非常有意义的系统。 4等用积分投影法对人脸进行特征提取 ，然后与数据库中的特征进行匹配。 u15等对 法以及 法进行了详细的推导，指出了他们的不 足，提出了一种改进的 法进行人脸识别，取得了很高的识别率。 第三阶段有了很大的 进步，实现了完全的自动化识别 16首先人脸图像能够实时的从摄像机中提取出来， 实现多个机器自动识别。 这一阶段相关的人脸识别算法可以分为如下几类：基于特征脸的识别算法，基于 人脸低频带的识别算法，基于神经网络的人脸识别算法，基于支持向量机的人脸识别算法，基于几何特征与 模板匹配的算法等。其中，基于特征脸的算法主要用了传统的 法，用 取特征脸或者用 法提取 ；基于人脸低频带的识别算法将 人脸从空域变换到频域， 然后过滤掉高频部分，因为高频部分代表的是人脸的噪声信息，保留低频部分，第 1 章 绪 论 4 在低频部分进行人脸识别 ；基于神经网络的人脸识别算法一直处在研究的过程中，由于神经网络能够实现非线性可分，因此也能识别不同类别的人脸； 基于支持向量机的人脸识别算法 利用了支持向量机对高纬度的人脸空间进行划分，划分到各个类别；基于几何特征与模板匹配的算法 就是在传统几何特征算法的基础上进行了改进，引入了模板机制，在模板范围内进行特征提取及后续的人脸识别。 本文的主要工作和内容安排 本文的主要工作 在 人 脸识 别的研究过程中， 如果提高 人脸 识别 系统的速率和精度，仍然是大多数研究人员 一直以来非常关注的问题 。 本文在 前人的研究成果基础上，做了大量的工作，主要 如下 : 1、 人脸定位 。 人脸定位是人脸识别的重要环节，本文首先对人脸定位的现有算法做了详细的介绍，指出了这些算法的不足之处，然后提出了一种基于 点特征的人脸定位算法， 该算法在定位时间和精度方面，比以前的算法有了很大的提高和进步。 2、人脸预处理。本文提出将定位好的人脸进行预处理，预处理主要包括将人脸从空域变换到 频域范围， 经过滤波处理，就能保留频域中大量的低频 部分，去掉高频部分， 这样就能去掉 噪声部分。 保留下来的低频部分转换到空域，这样一来， 维度显著增大，本文提出了 用小波分析的算法进行降维处理，最后将所有的人脸处理到归一化的尺度。 3、利用 经网络进行人脸识别。本文首先介绍了神经网络的原理和学习方法，然后提出将 脸库分为测试集合与训练集合，训练 集合用来 训练 经网络，在训练好的 经网络基础上， 用测试集合进行测试。 通过大量的实验来评估算法的有效性。 本文的内容安排 本文 各章内容安排如下： 第一章， 绪论：主要介绍人脸识别的研究现状及意义 。 第二章， 人脸定位 ： 人脸定位是人脸识别的重要环节，首先介绍了现有的人脸定位算法，然后提出了一种基于 点特征的人脸定位算法，利用 现，然后在人脸定位时做了大量的定位实验。 5 第三章， 人脸预处理 : 本文提出了利用 后 用小波变换进行人脸降维 ，达到合适的尺寸后， 就能在保留 人脸的基本信息的同时，达到减少后续神经网络计算量的目的。 第四章， 人脸 识别 ： 在人脸识别阶段，本文对神经网络的原理和学习方法进行了 详细的介绍，由此而引出 经网络 的学习和训练算 法， 经网络用来识别人脸。本章在末尾部分做了大量的实验，实验进行在 脸库上， 比较了不进行 换和进行 换的识别率差别。 第五章， 总结及展望： 对本文工作 的主要贡献做了总结，并提出了下一步的研究方向和展望 。 第 2 章 人脸检测 6 第 2 章 人脸 检测 引言 人脸检测是 人脸识别系统的重要组成部分， 人脸检测就是要在人脸图像中确定出来 人脸的大小 和位置 ，从而去除图像的无效区域，给后续的识别过程带来了很大的好处 。 近几年来，国家对信息安全、电子商务、身份认证领域的投入大大增加， 各种生物识别系统都在紧密的研制 ， 而以人脸为特征的生物识别系统 在所有单 生物 识别系统中占有的比重最大， 得到了更多的关注，这是因为 相对其它生物特征而言， 人脸具有采集方便、非接触和强大的事后追踪能力等优点， 因此， 人脸识别系统是最优潜力的生物识别系统。 凡是做人脸识别系统 的 研究，必然离不开 人脸检测的研究， 人脸检测要求对环境有比较高的鲁棒性，不同背景 和光照条件下，也能够 检测出人脸的位置和大小。 人脸检测作为一个独立的课题开始于上世界 90 年代， 随着研究的深入，人脸检测 已经有了极大的发展，已经不再局限于只为识别而检测，检测的应用 已经渗入到了很多具有实际意义的应用领域 ，例如智能监控系统，能够锁定 嫌疑目标然后进行跟踪，给安全部门带来了很大的帮助；再例如基于内容的检索， 传统的图像检测是基于标签的， 检索得合理与否完全在于标签与 图像所表达的内容是否吻合 ， 而基于内容的检索，是实实在在的 根据图像内容进行检索的， 得到的结果 具有更高的可信度；同时，基于视频内容的检索也在大力的研究过程中。 本章的主要工作是，首先对已有的人脸检测算法做了描述， 比较了它们各自的优点和不足， 然后提出了 一种改进的人脸检测 算法，最后在该算法上做了大量的检测实验，验证了算法的 有效性 。 人脸检测方法概述 人脸 有比较复杂的模式， 准确定位人脸不是一件 简单的事 ，但是人脸 有很多可以利用的信息 ，我们可以从这些信息找突破口， 利用好这些信息，就可以定位人脸。经过阅读大量的文献，本文将人脸检测 算法分为三个类别， 分别是：基于模板匹配的算法， 基于知识的算法和基于学习的算法 。 下面我们予以详细介绍 。 第 2 章 人脸检测 7 基于模板匹配的算法 这类算法 首先要 确立一个 人脸 模板 ，如图 示， 模板中包含了 人脸的部分或全部结构信息， 然后 将此模板与输入的图像进行匹配操作， 将人脸模板不断在图像中搜寻可能的 人 脸 区域，进行度量计算 ，以度量值最小的作为候选人脸区域，然后用矩形 标志出来。一般而言，这类算法 由于要全局的搜索，速度要慢些，但是精度相对比较高。 图 人脸模板 示意图 由以上分析我们可以 知道， 基于模板匹配的算法本质是 计算 人脸模板 与 图像 候选区域 的差异值， 将差异值比较小的作为 人脸候选区域， 保持下来， 随后，对保存下来的 候选区域进行阈值筛选， 在阈值范围内的 ，即可认为是 人脸区域。 这种算法比较简单，也很直观，如果人脸模式很复杂，或者人脸的背景很复杂，可能就不能用单一模板 确定人脸的位置了，我们需要用多个人脸 模板 相互 作用， 以定位出相对比较稳定的人脸位置。 文献 21采用了 一种多关联的人脸检测模板， 用到了 不同长宽比例的人脸膜拜和一个眼睛模板， 在人脸定位的时候，首先用眼睛模板定位出 眼睛的候选区域，确定出人脸的眼睛所在处，然后借助 人眼和人脸的比例关系和结构特征，在人眼附近搜寻可能的人脸区域， 借助 第二个人脸模板进行匹配计算 ，确定出 有效的人脸区域，最后，将这些 人脸区域进行边缘提出操作，根据二值化轮廓确定最后的人脸位置。 该算法由于用到了不同长宽比例的人脸模板，所以解决了 不同尺度或者分辨率情况下的 人脸检测问题 。 文献 22利 用 模板算法， 首先 将图像变换到低分辨率上面，在此 图像上定位出头部区域 ， 将头部区域的边缘连接起来，然后将图像变换到高分辨率上，这样就能够定位出 更加清晰的头部区域， 再次将头部轮廓勾勒出来，接着利用人脸的 结构信息第 2 章 人脸检测 8 进一步定位出人眼区域、鼻子区域和嘴巴区域，这样最后就能够定位 整个人脸区域。文献 23采用了一种结合 模板匹配和 法的方法定位人脸， 该文献将人脸看 作椭圆 ，首先得到边缘的人脸区域 ，然后将这些边缘人脸区域与 椭圆进行匹配， 最相似的 即为人脸区域。 文献 13提出了一种称为可变形的模板算法， 这种算法 定位非 常精准，能够将人脸上很多器官也精确的定位出来 。它的思想是，对人脸上 的嘴巴、鼻子和眼睛赋予合适的参数值 ，用一些简单的曲线进行描绘出来。如图 眼睛和 嘴巴的模板。 图 睛和嘴巴的模板 眼睛可以用两条抛物线和一个圆进行描绘，嘴巴可以用 连个抛物线进行描绘， 这些简单几何曲线的 参数可以很容易的获取。 与此同时， 该算法还定义了一些能量函数 ，这些能量函数 与图像中的边缘信息、峰值和谷值信息相关联 。在定位人脸图像时，操作步骤为：首先将模板 在图像中进行移动，以搜索出可能的 人脸区域，边搜索边计算能量函数， 同时也 对 能量函数进行修改，知道达到函数值最小， 即为 变形模板 在 图像中找到了最佳的 匹配 人脸区域。 变形模板算法利用了人脸的全局信息， 因此在定位时具有比较好的精度，但是另一方面，变形模板由于利用了多个 局部 模板， 局部模板在初始化时候，比较难以确定初始位置，这可能在定位时陷入了局部极小值的情况 。 同时，该方法也会面临 计算量过大的问题。 针对该问题， 文献 11对 可变形模板进行了 改进，改进的方式依赖于一下几个方面： 1） 增加可变形模板。原来的可变形模板主要有眼睛，鼻子和嘴巴，现在可以增加额头，面部轮廓以及下巴等，以期进一步提高定位精 度。 2） 对能量函数进行修正，在定位时，可以提高计算 效率 。 3） 匹配的方式进行必要的修正。例如可以利用 基于区域的策略进行 修正，或者利用 自适应傅里叶变换的策略进行修正。 4） 改进模板初始的位置的计算的方法和策略。我们在前面的 分析中知道， 初始位置很重要，它可以避免陷入局部极小值问题， 因此，可以考虑使用数学形态滤波器的算法进行改进，角点检测也是一个很理想的方法，后续的两种方法均可以 避免陷入局部极小值。 第 2 章 人脸检测 9 基于知识的算法 基于知识的算法是一种非常直接的算法，所谓的知识 22，即是人脸的先验信息，我们知道， 尽管人 脸非常复杂，但是 这些复杂组成部分有非常严格的 约束性，也即是，人脸 的器官 在空间分布上有一定的约束 。人脸， 从上到下，拥有三庭五眼， 对人脸进行正面拍照的时候， 人脸是椭圆形的， 并且左右对称， 面部皮肤平坦，有严格按照规则分布的器官，最上面是眉毛，随后是眼睛，随后是鼻子，随后是嘴巴， 最后是下巴。其中，这些器官的颜色比较暗，而皮肤的颜色比较 亮 ， 这些都是基于人脸的知识，可以利用这些知识来对人脸进行定位 。 虽然这种定位思想比较简单，符合人们日常生活中认识的规律， 但是要用这些知识规则去设计一种定位所有人脸的算法，不是一件很简 单的事情， 非常困难，甚至是不可能达到的事情， 例如，现在定义了一个知识规则 检测 人脸， 如果这个规则足够严格，那么能够保证定位的区域是人脸的可能性很大，但是，人脸稍微有点微笑或者变化，就会 定位不出来该人脸；如果该规则很 宽松， 那么 会有很多不是人脸的区域被认为是人脸区域了，出现误检测现象很严重。 下面分别对三种常用的方法予以 介绍。 1) 基于人脸器官分布检测人脸。 从上面的分析我们知道，人脸的器官虽然复杂，但是 分布 却很规律 ， 可用积分投影的算法和 五官分布的先验知识 相互结合的方式进行定位。积分投影即对可能存在人脸的图像 进行边缘提取操作，然后 在该边缘提取的 图像上进行 水平和垂直方向的 积分投影。文献 1819给出了比较详细的操作步骤， 眼睛部分由于有丰富的特点，特别是在水平部分， 所以可以首先定位出眼睛的位置，然后依据眼睛的位置，定位出其它的部位 。也有相关文献提出了依据人脸是轴对称的 知识，首先用 积分投影定位出人眼左半部分 的 人眼、 鼻子和嘴巴， 然后根据对称的性质可以 定位出 整张人脸。也有文献用广义的对称变换理论定位人脸， 首先检查圆形区域的对称性， 如果该圆形区域是对称的，那么 可以在该圆形区域继续寻找其他的器官， 从而确定是否是真正的人 脸区域，这样就能得出检查结果。 2）基于 人脸图像空间分布的人脸 检测 所有的人脸都有独特 而又相似 的 空间分布 ， 这种空间分布又称为图像不变性 。同时，人脸的亮度分布也有一定的规律性， 所以不管 图像 背景如何复杂，人脸部分的灰度分布是不变化的 。文献 17利用图像的彩色空间信息对人脸中的嘴巴、眼睛等器官进行定位， 这种定位和一般的颜色坐标是不同的，他们将 图像转换到 标系和标系， 进行定位。 我们知道，人脸图像中，灰度值有一定的分布规律， 其中 嘴巴的唇部比其他部分有 更高的 Q 值分布，而人眼中的皮肤区域， 相对其他部分 而言，在 I 和 H 上的分量 显示在直方图显示过程中，有非常理想和清晰的波峰值，这些都给利用人脸的空间分布的检测带来了基础知识，我们可以利用这些特点进行很好的人脸第 2 章 人脸检测 10 检测 和定位 。同时，将这些信息与眼睛部分和嘴巴部分在一张人脸上的分布位置的相对关系进行结合，就能够很顺利的检测到这些器官了，这样也能很顺利的定位出人脸。文献 18采用了一种灰度级相关矩阵的算法，用这种算法能够在即是背景非常复杂的图像中也能定位 出 人脸来 。也有一些文献对不同人群和种族的人进行了 研究和统计，他们认为同一个种族的人能在复杂背景中分辨出来，而不同种族 的人相对比较困难，为了解决这一问题，他们提出了利用肤色模型来表示人脸的颜色， 以此进行复杂的人脸的定位。 3）基于马赛克的算法检测人脸 马赛克就是将图像进行不同 分辨率的变换， 这样图像 就有从低到高的分辨率，首先在 低 分辨率上定位出候选的人脸区域，然后在高分辨率上 对人脸进行更精确的定位 。文献 23采用了三层的检测系统 对人脸进行定位 ， 第一层 用分辨率为 4*4 的马赛克进行检测，第二层用 8*8 分辨率的马赛克定位，第三层在前两层的基础上 进一步进行精确的定位， 过程示意图为 示 ， 另外， 检测人脸大致位置的流程图如图 。 图 赛克算法检测人脸流程 第 2 章 人脸检测 11 图 马赛克算法 定位人脸 基于学习的算法 基于学习的算法主要有两种算法，一种是特征脸算法，另一种是人工神经网络算法。 下面我们予以分辨的介绍。 1）基于特征脸的人脸定位算法 第 2 章 人脸检测 12 特征脸算法是由美国的 究员提出来的 15， 最初，该算法是用来进行人脸识别 的， 后来由于它的优良性能，在人脸检测领域中也能得到良好的应用。 该算法将人脸图像看做一个比较大的矩阵，然后将该矩阵 展开成为 一维 的 向量 ， 所有的 图像经过这种转换，合并一维向量后，得到一个新 的更大 矩阵， 对该矩阵求取特征值，将特征值从大到小的顺序进行排列，取前 M 个 特征值对应的特征向量，这样将这些特征向量合并就得到了一个称之为 映射矩阵 。 将所有的 可能存在 人脸的区域 经过 该映射矩阵转换后， 得到一个新的特征向量， 将该 特征向量与数据库中可能存在的特征向量进行比较， 如果比较结果 在阈值范围内，就认为该区域是人脸区域，否则不认为是人脸的区域。 2） 基于 神经网络 的人脸定位算法 我们知道， 神经网络具有比较强的记忆功能， 能够 对 非常复杂的问题进行分类，达到识别或者 检测的效果， 特别是训练样本比较全面的时候，能处理更多的 更复杂的问题， 人脸检测也能够在这个时候得到很好的检测效果 ，所以 神经网络不但能够检测人脸，还能 够 检测出更多的更为复杂的模式 。 例如，人脸模式，眼睛模式和嘴巴模式等等，这些模式有比较明显的模式，因此， 能够 利用神经网络进行检测 。 神经网络分为好几种方法， 有多层的神经网络，也有单层的神经网络，有前