基于图像处理的人眼识别方法的研究

1、 基于图像处理的人眼识别方法的研究摘要人脸的识别是人类视觉最杰出的能力之一，人脸也具有和指纹一样的唯一性,也可以用来鉴别人的身份。眼睛与人脸其他部分相比有着灰度变化十分明显的特征，作为人脸部重要组成部分，眼睛的检测定位对于人脸信息的处理具有重要的作用与意义。首先为了在一定程度上消除图像的噪声，并降低光照变化对人眼识别的影响，运用几种常用的图像的预处理方法来对所采集来的图像进行预处理，并且详细描述了它们的计算过程，展示具体的预处理效果。其次通过对几种常用于人脸的色彩空间的肤色识别算法的学习研究以及对比分析，从图像中分离出人脸。在实现正确人脸检测的基础上，利用积分投影算法实现人眼两个中心点的定位，

2、完成人脸图像的归一化处理。为更准确的定位中心点，采取了适当的图像预处理技术，包括图像增强技术和图像的二值化处理技术，使得积分投影曲线在一定程度上免除噪声的干扰。关键词：图像预处理，人脸检测，人眼识别，色彩空间，积分投影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目录TOC o 1-5 h z1绪论3论文背景和意义3 HYPERLINK l bookmark10 国内外发展现状和趋势3 HYPERLINK l bookmark12 1.2.1国内现状3 HYPERLI

7、NK l bookmark14 1.2.2国外现状41.2.3发展趋势5 HYPERLINK l bookmark16 本文研究内容及结构6 HYPERLINK l bookmark18 1.3.1研究内容6 HYPERLINK l bookmark20 1.3.2论文结构7图像预处理8灰度变换法8 HYPERLINK l bookmark76 2.1.1线性变换9 HYPERLINK l bookmark84 分段线性变换102.1.3非线性变换11 HYPERLINK l bookmark86 直方图均衡化法12滤波法142.3.1高斯滤波14 HYPERLINK l bookmark90

8、 2.3.2中值滤波162.3.3均值滤波18图像二值化19本章总结21人脸检测22人脸检测的方法22基于特征的方法223.1.2基于模板匹配的方法23基于统计的方法233.1.4方法论证24 HYPERLINK l bookmark130 3.2基于肤色的颜色空间的理论基础25 HYPERLINK l bookmark132 3.2.1RGB色彩空间253.2.2归一化的rgb色彩空间26 HYPERLINK l bookmark144 3.2.3HSV颜色空间27 HYPERLINK l bookmark162 3.2.4HSI颜色空间28 HYPERLINK l bookmark172

9、3.2.5YCbCr颜色空间29 HYPERLINK l bookmark174 3.3归一化rgb颜色空间下的人脸检测303.3.1获取肤色在rgb颜色空间下的聚类范围30 HYPERLINK l bookmark180 3.3.2获取图像中的人脸区域32 HYPERLINK l bookmark182 3.5本章总结34 HYPERLINK l bookmark196 第4章人眼定位35 HYPERLINK l bookmark198 4.1积分投影方法35灰度积分投影35 HYPERLINK l bookmark204 方差积分投影36方差积分投影37 HYPERLINK l bookm

10、ark228 4.2人眼中心点的定位374.2.1人脸左右边界的定位37 HYPERLINK l bookmark230 4.2.2人眼水平位置的定位384.2.3人眼中心点的精确定位39 HYPERLINK l bookmark237 本章总结39 HYPERLINK l bookmark239 第5章总结及展望41 HYPERLINK l bookmark241 5.1人脸检测41 HYPERLINK l bookmark243 人眼定位41 HYPERLINK l bookmark245 5.3展望41谢辞43参考文献44外文资料翻译错误!未定义书签。 -LX.1前言人眼检测定位是计算机

11、视觉和模式识别研究领域的热点，具有广泛的应用前景，人眼检测定位配合上人脸检测技术，在国家军事安全，如公安刑侦，军用追踪侦查；民政，如司法鉴定；金融保险，如金融支付；民用，如医学应用、视觉监控、视频会议等众多领域都有其广阔的应用前景。本文拟采用多种图像预处理技术对图形进行预处理，再对比多种人脸识别方法，选取一种合适的算法进行人脸识别，然后在此基础上进一步利用一定的算法识别出人眼，力求达到精、准、快的目的。在我国关于人眼识别定位的研究起步比较晚。国内许多研究所和高等院校在人脸检测、人眼定位等技术方面投入很大的精力、财力，并取得良好的进展。近些年来，国内的学者对人眼的检测和定位研究也取得了很大的进展

12、，提出了许多比较实用和有效的算法。国外对人脸识别技术的研究比较早，始于上世纪50年代。人脸技术进入自动机器识别阶段实在上世纪70年代。到90年代，人脸识别潜在的商业价值逐渐被人们重视起来，并伴随着监控应用系统的重要性与日俱增和计算机实运算能力的增强，人脸识别和人眼定位技术的发展进入高峰期。二十世纪末，如何使一个系统自动化的运行起来成为人脸识别技术的主要研究方向，以解决对输入的视频或图像中人脸和人眼的检测与定位，以及面部器官特征提取。但也存在许多亟待解决的问题，人眼检测依赖于人脸检测技术的发展，眉毛、头发等脸部特征与眼部色彩相近，如何有效区分眼睛与这些区域成为制约眼睛检测发展的重要问题，当前研究

13、大多针对人脸正面图图像，当人脸出现偏移和旋转时检测精度不高等问题，这些都是以后需要努力解决的方向。本文主要依据人脸色度不随姿态改变而改变的思想，先识别出人脸，再依据灰度投影的人眼检测及定位方法，利用人脸特征的灰度值差别和人脸的几何分布关系确定人眼的位置。这种方法对于背景较为简单、脸部特征比较规整的图像，能够有效地检测到眼睛。但由于眉毛、睫毛、眼睛等诸多因素干扰，以及灰度信息分布随不同的人脸差异很大，因此该方法定位准确度不稳定，容易陷入局部最小进一步导致定位失败。同时，从灰度投影算法的原理可以了解到，灰度投影算法是建立在图像只做平移运动的假设之上，所以当图像间存在尺度或旋转变化时，灰度投影的稳像

14、算法就会失效，这样就大大限制了灰度投影算法的应用。人眼定位识别是一项极富挑战性，多学科交叉的课题。若只采用一种方法是很难得到令人满意的结果的。因此需要将多种技术算法相结合，充分利用不同算法各个的优点，弥补不足之处，提高识别率，提高识别速度减少计算量，增强系统对外界条件变化的鲁棒性等，都是该领域研究和发展的最终目标。第1章绪论1.1论文背景和意义人脸图像识别研究具有很大的使用价值。和人的指纹一样，人脸也具有唯一性，也可用来鉴别人的身份。人们更多的是在电影中看到这种技术的神奇应用：警察将拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪记录。这并非虚构

15、的情节。在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国内，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在用在机关单位的安全和考勤、网络安全、银行、海关边检、物业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统等领域。眼睛与人脸部其他部分相比具有灰度变化十分明显的特征，作为脸部特征的重要组成部分，眼睛的检测对于人脸信息的处理具有重要的意义，不仅可以提高识别和检测的速度，而且能够降低识别算法的复杂度。在脸部器官定位方面，只要人眼被精确定位，眉毛、鼻子、嘴巴等其他特征就可以通过潜在的分布关系比较准确地进行定位。眼睛的定位还可以使人脸较好的归一化，

16、预处理的效果也更加明显。另外，眼睛在感情以及辅助语言交流中也发挥着巨大的作用。例如：高速公路上发生的交通事故50%以上是由于长时间驾驶造成的疲劳或者是所看见的目标单调而形成的注意力不集中、瞌睡犯困等造成的。驾驶员在车辆行驶过程中是否疲劳驾驶可以从眼睛的状态反映出来。所以，人眼检测识别是很有价值和市场空间的。国内外发展现状和趋势1.2.1国内现状国内关于人眼识别定位的研究起步比较晚，始于上世纪90年代。国内许多研究所和高等院校在人脸检测、人眼定位等技术方面投入很大的精力、财力，并取得良好的进展。梁路宏提出的一种基于多个模板匹配的单个人脸检测方法。先使用双眼模板大概选定一些候选区域进行初步筛选，再

17、采用不同长宽比的人脸模板进一步的检测定位，最后利用人脸器官的边缘特征进行验证。G.Yang提出一种在复杂背景中定位人脸的方法，即将人脸分成若干个低分辨率的马赛克块，利用脸部各子块的关系进行检测，将检测系统分为三个层次。第一层研究对象是低分辨率的图像，该层集中用来扫描图像看起来像什么，这些约束规则可以粗略定位后选人的人脸部区。第二层做图像处理工作，如对候选区完成边缘检测、进行局部直方图均衡化等。第三层输入的图像的分辨率最高，可以提供许多面部信息，经过第二层后依然存在的候选区中运用面部细节特征的规则，如对嘴、眼进行检查和验证，完整计算马赛克局部统计量，采用约定的模型规则最终确定人脸的位置。近些年来

18、，国内的学者对人眼的检测和定位研究也取得了很大的进展。杨彬等人采用红外光源主动检测技术来监测驾驶员的疲劳状况，人眼视网膜对于波长不同的红外线的反射量是不同的，依据人眼这一最基本的生理特征信息，对获取到的红外序列图像进行差分处理，就可以进一步在图像中精确定位眼睛。该方法定位准确性高、速度快、鲁棒性强，只是需要红外摄像头硬件支持，且对光照及摄像头与脸部的距离十分敏感。以上列出的算法只是其中一部分，除了这些外，一些其他领域成熟方法也被应用到人眼定位识别，如基于地形特征的方法。将人脸看作为一个三维的地标，用地形表示面部特征时可以发现双眼区域会呈现一些本征特点。用对地表特征的地形分类器，对每一幅人脸图像

19、都能产生一个用来提取人眼候选点的地形图，定义两个地表相似度自适应函数不断更新双眼的精确位置。这种方法很好的解决了复杂背景下的定位和面部姿态变化的问题，缺点是计算量过大，且对图像去噪要求很高1。国外现状国外对人脸识别技术的研究始于上世纪50年代。人脸技术进入自动机器识别阶段实在上世纪70年代。研究者们将人脸识别看作一个二维的模式识别问题，因而在那一时期，典型的识别技术大都是采用一些课测量的特征属性。到90年代，人脸识别潜在的商业价值逐渐被人们重视起来，并伴随着监控应用系统的重要性与日俱增和计算机实运算能力的增强，人脸识别和人眼定位技术的发展进入高峰期。二十世纪末，如何使一个系统自动化的运行起来成

20、为人脸识别技术的主要研究方向，以解决对输入的视频或图像中人脸和人眼的检测与定位，以及面部器官特征提取。同时用来识别出人脸身份的分类器也被设计出来。在基于表象的方法中，由Belhumiur提出的Fisher判别法和Pentland、Turk提出的特征脸法最为出名，有效性在大型人脸库中都得到验证。基于特征的方法也获得了很大的成功，此方法对光照和视角变化相对来说不很敏感，但此时的特征提取技术还不是很成熟。比如大部分的眼睛定位方法都是基于一些纹理模型或者几何模型的假设，不适用于闭眼的情况。发展趋势综合分析国内外人脸识别和人眼定位的技术，还有很多制约着人眼检测技术发展的因素。目前在现有技术条件下，人脸识

21、别和人眼定位在理想约束条件下，比如正面图像、理想光照、无遮挡等的准确识别率已经很高了，结果也令人满意。但众所周知，要想投入市场，仅仅理想条件下是远远达不到客户使用要求的，在非理想条件下，比如表情、光照、化妆、有无遮挡物、姿态、年龄、图像分辨率等等，要达到实用性强、鲁棒性高的人眼定位系统还尚未取得长足进步。所以今后人眼定位技术领域主要由以下几个发展趋势：基于多种信息融合的人眼检测方法将表情、肤色、光照等信息进行融合，必将提高检测的准确度。人眼正面图像的研究已经取得较大的成果，但只研究正面图像没有太大应用价值和应用范围。在将来的研究中，有一定旋转、侧面、倾斜的图像将成为人脸识别、人眼定位的主要方向

22、。基于混合方法的人眼检测每种人眼检测方法都有其自身的优势与不足，综合两种或多种方法，使用一种方法的优点去弥补另一个方法的缺点，从而可能形成更准确和鲁棒性的人眼检测系统2。改进算法，使之抗干扰能力更强针对图像质量比较差、外在干扰因素比较多的情况进行重点研究。实际情况中，有的摄像头可能像素不够高，采集来的图像干扰因素比较多，不够清晰。增强算法的抗干扰能力才能更好地适应应用的需要，也必将成为一大研究课题。动态跟踪识别系统单纯的基于静态图像的人眼识别已经不能满足应用的需求和社会的发展，尤其是最近几年国际恐怖事件频频发生，为增强防范能力，尽可能减少恐怖威胁等，人们对具有实时跟踪的图像处理系统的性能需求大

23、大提高。(5)算法的国际化随着经济全球化，对于人眼信息处理技术，突破人种差异是一个亟待解决的为题。由于不同人种有不同的肤色，且脸部特征也有各种差异，要想实现算法的通用性，还是有很大难度。总之，人眼定位识别是一项极富挑战性，多学科交叉的课题。若只采用一种方法是很难得到令人满意的结果的。因此需要将多种技术算法相结合，充分利用不同算法各个的优点，弥补不足之处，提高识别率，提高识别速度，减少计算量，增强系统对外界条件变化的鲁棒性等，都是该领域研究和发展的最终目标。本文研究内容及结构1.3.1研究内容1：人脸图像预处理。在人眼识别定位前期，先通过一些常用的预处理方法对图像进行预处理，因为图像在获取过程中

24、往往由于多种因素使其与原始的图像中的信息产生某些差异，经适当处理后有助于改善图像的视觉效果，提高图像成分的清晰度，达到比较理想的状态，为后续的人脸识别和人眼定位做好准备。2：人脸识别。通过比较论证几种常用的人脸检测方法，采用基于肤色的算法，根据人脸肤色在色彩空间中的聚类特性，运用归一化RGB颜色空间的方法将人脸从图像中与其它背景分离出来，得到人脸区域图像。3：人眼定位。在准确识别人脸区域的基础上，根据眼睛区域的灰度值比其周围区域灰度值第，变化率大的特点，对人脸图像二值化处理后，再在水平和垂直方向上对图像灰度值进行积分投影，对得到的投影曲线综合分析后粗略定位出人眼区域。论文结构本文分为5个章节，

25、每个章节主要内容如下：第1章主要简述了人眼定位的应用背景，并对国内为研究的现状和发张趋势作了简要阐述。简要概括了本文的研究内容和结构安排。第2章详细描述了几种常用的图像预处理的算法，主要介绍了灰度变换法、直方图均衡化法、滤波法和图像二值化法，对图像进行灰度处理和噪声滤除。第3章简要描述几种常用的人脸检测方法，详细介绍了基于肤色的算法，对图像进行归一化变换后绘出直方图得到肤色聚类范围，最后定位出人脸区域。第4章在第3章识别出的人脸区域的基础上，对图像二值化处理，然后在水平和垂直方向上进行灰度积分投影，分析得到的投影曲线，得出人眼区域。第5章对前边人脸识别和人眼定位进行总结，进一步展望了今后的人眼

26、检测定位工作。第2章图像预处理一个图像处理系统包括三个处理阶段，一是获取原始图像的预处理阶段；二是特征提取阶段；三是识别分析阶段。图像预处理阶段尤其重要，此阶段处理不好，将会给后续工作带来麻烦。图像预处理技术就是在对图像进行正式处理前所做的一系列操作，因为图像在传输和存储过程中难免会受到某种程度的破坏和各种各样的噪声的污染，导致图片丧失了本质或者偏离了人们的需求，而这就需要一系列的预处理操作来消除图像受到的影响。总的来说图像预处理技术分为两大方面，即图像增强和图像复原技术。图像增强技术在图像预处理中占有较大的比重，是图像处理所必须的步骤，它与图像复原的不同之处在于图像复原是以恢复图像原来的本质

27、为目的，而图像增强是以突出人们需要的特征并且弱化不需要的特征为原理的。图像增强的方法很多，有灰度变换、直方图修正、图像平滑去噪、伪彩色处理等等。灰度变换是图像增强技术中的一种简单的点运算处理技术而直方图修正则是基于灰度变换而来的能够更好的显示和处理图像，然而上述两种只能够处理一些要求不高的图像，去噪功能很弱。而图像平滑减噪则是图像增强的主要方面，是以对图像进行平滑和去噪为目的的最常用的预处理方法，在现代社会图像预处理研究中有着举足轻重的作用。图像增强技术有频率域法和空间域法两种。频率域增强是将原空间的图像以某种形式转换到频率域空间，然后利用该空间的特有性质进行图像处理，最后再转换回原空间中，从

28、而得到处理后的图像。空间域是指像素组成的空间，空间域增强是直接在图像所在的空间进行处理。2.1灰度变换法灰度变换是基本的图像点运算，是图像增强处理中的一种空间域图像处理方法。灰度变换是指根据某种目标条件按照一定的变换关系去逐点改变原图像中每一个像素灰度值，目的是为了改善画质，以便让图像的显示效果更佳清晰，因此灰度变换还被称为图像的对比增强。经过灰度变换后的图像动态范围变大，对比度会增强，图像会变得更加清晰，特征也更加明显。灰度变换主要利用点运算来改变图像像素点的灰度值，不改变图像内的空间关系，除了根据某种特定的变换函数进行变换之外，灰度变换可以认为是对像素进行简单的复制。灰度变换的表达式如式(

29、2-1):g(x,y)Tf(x,y)(2-其中函数T是灰度变换函数，它定义了输入图像灰度和输出图像灰度之间的变换条件。所以如果灰度函数确定了，那么灰度变换就被完全确定。如图2-1为原始图像，图2-2为经过灰度变换后的图像。图2-1原始彩色图像图图2-2灰度化的图像灰度变换的方法有很多种，比如图像灰度求反、灰度拉伸、灰度切分、灰度动态范围调整及灰度级修正等等。以上几种方法对图像的处理效果各不相同，但是它们处理过程中都必须用到点运算。点运算通常可以分为线性变换、分段线性变换以及非线性变换这三大类。2.1.1线性变换设输入图像f(x,y)的灰度值范围为a,b，变换后的输出图像g(x,y)的灰度值范围

30、扩展至c,d，则图像的任一点的灰度值，其表达式如式(2-2)所示：dc(2-2)g(x,y)=-xf(x,y)a+cba若原图像大部分的像素灰度级在区间a,b之内，maxf为原图像灰度最则为了改善图像增强效果，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)表示的关系可用图bf(x,y)maxf2-3和图2-4表示：大值，只有个别部分的灰度级不在区间内图2-3灰度线性变换关系图2-4线性变换关系因此线性变换适合那些曝光不足或过度的图像，它们的灰度可能会分布在一个很小的范围内，这时得到的图像是一个比较模糊、没有灰度层次的图

31、像。采用上述线性变换对图像的每一个像素进行灰度线性拉伸，抑制图像中不重要的部分，扩展重要部分的对比度，从而有效的增强图像的质量。分段线性变换分段线性变换是为了突出图像中感兴趣的灰度区间，相对抑制不需要的灰度区间，进行分段线性变换，它对图像灰度区间进行两段至多段的分段。假设f(x,y)的灰度范围为0,M,g(x,y)的灰度范围是0,N,对图像中0,a)和(b,M区域压缩，a,b范围进行扩展，计算公式如式(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%)时，色调分量将失去意

32、义。另外，饱和度的定义通常为RGB分量的线性组合，当R+G+B的数值较小时，饱和度的变化也较大。HSI颜色空间从人的视觉系统看，色彩可用色调、饱和度和亮度来描述。人眼看到的任一彩色光都是这三个特性的综合效果，这三个特性可以说是色彩的三要素。HSI色系坐标系就是基于色调H(Hue)、饱和度S(Saturation)和亮度I(Intensity)三坐标轴构成的三维颜色空间。HSI色彩模型是一种应用很广泛的一种色彩空间，它是基于视觉原理的彩色模型，有三个正交的分量S和115。从RGB(假设已经归一化到0,1)到HSI的变换公式如式(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当BG(3-10)2n-TempH当BG变换后的HEI空间團像（aJRGB空间團像图3-3RGB转HSI效果图图3-3为RGB转HIS效果图，其中当R=G=B时，即图像为灰度时，色度不存在，饱和度为零。研究表明，在HSI空间上肤色信息具有如下的特点：在色调信息上，它包括一个比较宽的阈值范围，从红色到棕黄色都有可能是肤色；亮度信息上，由于人的肤色是略显黄白色，因而具有较高的亮度值；在饱和度信息上，肤色的饱和度值占据一个更宽的

34、阈值范围。此外，H空间具有不随亮度、对比度而发生变化的优点，这一点对于肤色提取是很有用的。325YCbCr颜色空间YCbCr色彩格式被广泛应用在电视显示等领域中，也是许多视频压缩编码，如MPEG，3PEG等标准中普遍采用的颜色表示格式。YCbCr颜色空间来源于国家电视标准委员会（NTSC）制彩色电视信号的传输，它也将色彩表示为三个分景，即亮度Y，蓝色色度Cb和红色色度Cr16。RGB空间Y-0.29900.58700.11400一一RCb-0.1687-0.33130.50000.5GCr0.5000-0.4187-0.08130.5B1_00011(3-11)的图像和YCbCr空间的图像可用

35、式（3-11）转换:洛阳理工学院毕业设计（论文）洛阳理工学院毕业设计（论文） RG日原始團变化B7CBCR空间團图3-4RGB转YCbCr效果图图3-4为RGB转YCbCr效果图。YCbCr空间具有将色度与亮度分离的特点，在YCbCr色彩空间中肤色的聚类特性比较好，受亮度变化的影响较小，而且是Cb-Cr两维独立分布，能较好地限制肤色分布区域，并且受人种的影响不大，因此广泛应用于肤色检测。3.3归一化rgb颜色空间下的人脸检测从计算量的角度来说，RGB和归一化的rgb颜色空间最为简单，容易实现快速性。从检测的效果来看，其它几种的检测效果相仿。因硬件采集系统采集到的图像原始数据是RGB形式的，故决

36、定以归一化rgb颜色空间检测以避免向其他几种颜色空间转换的相对复杂的计算过程。3.3.1获取肤色在rgb颜色空间下的聚类范围若从图像中将人脸与其它背景分离出来就必须找到归一化rgb颜色空间中人脸肤色的聚类范围，在此假定背景的聚类与肤色的聚类有明显的不同17。事实上，绝大多数场景均满足这种假设。这里我们需要一些皮肤素材，借助于Matlab得到肤色的聚类范围。实现的步骤如下图3-5所示：皮肤颜获取原始归一化变换色RGB数据绘直方图-得到范围图3-5获取聚类范围的方法图3-6和图3-7为待处理的皮肤素材。图3-6待处理的皮肤素材（暗）图3-7待处理的皮肤素材（亮）归一化处理后效果为将亮度去除，如图3

37、-8所示。图3-9为r和g的直方图。图3-8归一化后的素材0.3图3-9素材中r与g的直方图通过以上方法对大量素材进行分析所得到的归一化rgb色聚类范围为：gg0.28030.3604rg0.35230.44483.3.2获取图像中的人脸区域颜色空间的肤3-10所示。首先利用肤色的聚类范围将肤色与背景分离出来，如图图3-10人脸区域图3-10中，白色为符合肤色范围的图像区域，黑色则是不符合范围的区域。由图可见，用归一化rgb颜色空间的方法处理效果不错。图3-11加上坐标系后的人脸区域建立如图3-11所示的坐标系，网格化图像后，现规定白色的像素点为1，黑色的像素点为0，这样，图中所有白色点的和为

38、sum。pLThresh为低门限，pHThresh为高门限。确定人脸区域在X轴方向的起始和结束位置。假设X轴的坐标范围为0到a，Y轴的坐标范围为0到b，首先获取X坐标为0的白点的个数和SumTemp（第一列），判断SumTemp/sum的值是否大于pLThresh，如果大于或者等于pLThresh，则将此次作为人脸区域在X轴方向的起始区域，如果小于，则将此时的SumTemp值与下一列的白点个数相加并保存在SumTemp中，再次判断SumTemp/sum的值是否大于pLThresh，处理方法与之前一样，直到找到第一个大于或者等于pLThresh的列坐标，然后开始依此法寻找第一个等于或者大于pHT

39、hresh的坐标作为X轴方向的终点位置。使用相同的方法确定人脸区域在Y轴方向的起始和结束位置。找到边界后的效果如图3-12所示。图3-12加上坐标系后的人脸区域3.5本章总结本章介绍了几种人脸识别常用的算法，简单介绍了每种算法的原理。通过比较论证几种常用的人脸检测方法，采用基于肤色的算法，根据人脸肤色在色彩空间中的聚类特性，运用归一化RGB颜色空间的方法将人脸从图像中与其它背景分离出来，得到人脸区域图像。第4章人眼定位人的双眼在面部所占的位置比较固定，是脸部非常突出的特征。两眼的间距是人脸大小的特征，可作为人脸识别中尺度归一化的重要依据，因而对眼睛的定位在人脸识别领域是一项重要课题，许多人脸识

40、别算法对眼睛的定位都有很大帮助作用。一旦人脸范围被确定下来，那么人眼的位置的范围就大大缩小了，面部其他特征器官，包括眉毛、鼻子、嘴巴等，都比较容易地由人脸器官分布特点得到。在正向人脸识别过程中，人脸方位变化在各种情况下都对识别效果有着显著的影响，无论采用局部或者全局特征，图像统计或几何特征，对人脸方位的统一地调整使其规范化能有效提高人脸识别率。双眼的中心距离几乎不受表情变化、光照强度的影响，对双眼的精确定位在方位调整中是非常重要的一个环节。两只眼睛的中心连接线随着面部旋转而旋转，当面部微标准正向时，两眼的中心连线是水平的，因而它可用于帮助判断图像是否处于旋转状态。并且，当以双眼眼球之间的距离对

41、人脸识别过程中提取到的各种特征值进行归一化运算时，被处理后的特征值具有平移、旋转和尺度不变性。眼睛区域有两个显著的特征18：1：眼睛区域的灰度值比其周围区域的灰度值低。2：眼睛区域的灰度值变化率较大。因此，综合考虑这两个因素才能更精确定位眼睛。本文首先利用图像预处理技术对人脸图像进行灰度变换和滤波，然后识别出人脸区域，再进行二值化处理，进行灰度积分投影来划分出眼睛区域。4.1积分投影方法4.1.1灰度积分投影洛阳理工学院毕业设计(论文)洛阳理工学院毕业设计(论文) 积分投影是根据图像在某些方向上的投影分布特征来进行检测的。这种方法在本质上是一种传统方法，主要由水平投影和垂直投影。设G(x,y)

42、表示图像(x,y)处的灰度值在图像y1,y2和X,x2区域的水平积分投影Mh(x)和垂直投影Mv(y)表示为式(4-1)和式(4-2)19:(4-1)(4-2)H(x)的值上反应M(y)=1艺G(x,y)hx-x21x1M(x)=h1艺G(x,y)y-y当图像某一列像素灰度值发生变化时，这种变化会再21y1出来，当图像某一行像素灰度均值发生变化时，这种变化会再V(y)的值上反应出来。因此可以通过对灰度积分投影函数值的分析，提取图像中的特征。方差积分投影积分投影函数只考虑均值的变化情况，但如果在均值相同的情况下则无法放映灰度的变化。方差积分投影采用方差代替均值，避免了这种情况的发生。设G(x,y

43、)表示图像(x,y)处的灰度值在图像y1,y2和x1,x2区域的水平方差积分投影函数a2(y)和垂直方差积分投影函数a2(x)表示为式(4-3)hv和式(4-4):(4-3)a2(y)=艺G(x,y)-M(y)2hx-xih21x-=xia2(x)=vG(x,yi)-Mv(x)2(4-4)当图像某一列像素灰度方差发生变化时，这种变化会在a2(x)的值上反v应出来，当图像某一行像素灰度方差发生变化时，这种变化会在a2(y)的值h上反应出来。因此同样可以利用方差积分投影法对图像特征进行分析。但该方法只考虑灰度方差，在方差相同情况下，也无法反应灰度的变化。积分投影函数和方差投影函数在一定程度上有互补

44、性，故引进一种新的方式:混合积分投影。4.1.3方差积分投影混合积分投影包括垂直混合积分投影Hv(x)和水平混合投影函数Hh(y),分别定义为式(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)分别是b(x),b(y),M(x),M(y)TOC o 1-5 h zvhvhvhvh规范化到0,区间后的结果：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的值反应图像在某个方向上灰度均值和方差变化的综合情况，所以具有更强的适应性。不论是在积分投影函数失效的情况下，还是在方差投影函数失效的情况下，混合投影函数均能反应出水平方向上不同区域的变化。人眼中心点的定位4.2.人脸左右边界的定位由前面第3章可以得到图像中人脸区域，把该人脸区域

46、部分从原图像中截取出来。再进行图像二值化，将二值化的图像灰度垂直积分投影，如图4-为原图像二值化后效果图，图4-2为截取的人脸区域二值化后的效果图，图4-3为原图像积分投影效果图，图4-4为截取的人脸区域积分投影效果图。从积分投影图中可以看出，人脸区域是两个比较大的波谷之间的区域。洛阳理工学院毕业设计（论文）洛阳理工学院毕业设计(论文) 图4-1原图像二值化后效果图图4-2人脸区域图像二值化后效果图图4-3原图像积分投影效果图4-1人脸区域积分投影后效果图4.2.2人眼水平位置的定位对定位后的人脸二值化图像进行水平积分投影21,如图4-5所示。图4-5人脸区域水平积分投影效果图从此投影曲线可以

47、看出，曲线中的较大波谷是同人脸的各器官特征相对应的，如从下往上观察，最为明显的是四个波谷，最下边对应嘴巴，往上一个波谷对应着鼻子，第三个应该是眼睛，第四个是眉毛以上。因此需要在此曲线中定位第三和第四个波峰点，找到其在二值化图像中对应的y3轴坐标k1及k2。以y=k2为中心轴，在原图像中截取y=k-_(k-k)和122125213y=k+-(k-k)区域内的部分，即可把眼睛区域从原图像中截取出来22，22521如图4-6所示。如此既完整截取了眼睛部位，又消除了眉毛对眼睛的影响，为下面精确定位做好准备。图4-6截取的眼睛区域4.2.3人眼中心点的精确定位对剪切出的左右眼区域分别进行处理，由于眼睛区

48、域灰度变化较为复杂，故对重新二值化后的眼睛图像进行混合积分投影，利用水平积分投影确定眼睛中心点纵坐标N，通过垂直积分投影确定中心点的横坐标M，则(M,N)就是所要定位的眼睛的中心点23。由于时间关系和个人能力有限，只实现了人脸检测和后续人眼粗定位，最后的人眼精确定位没有实现。4.3本章总结本章利用积分投影的方法实现了正面人脸图像中人眼的精确定位，分析对比几种积分投影方法的优劣，提出了一种合理的处理方法。为了更好的得到积分投影的结果，对图像进行了一些预处理，包括图像对比度增强和图像二值化处理。但是由于时间和个人能力有限，最后只实现了人脸检测和人眼粗定位。洛阳理工学院毕业设计(论文)洛阳理工学院毕

49、业设计(论文)洛阳理工学院毕业设计（论文） # 第5章总结及展望5.1人脸检测本文首先通过对灰度变换法、直方图均衡化、高斯滤波、中值滤波、均值滤波等几种图像预处理的效果的对比，并考虑想要得到的效果，选取线性灰度变换和高斯滤波的方法对人脸图像进行预处理，尽可能较小光照和噪声对后续处理的影响，提高图片质量。其次通过对比基于特征、模板匹配、基于统计的三种人脸识别方法，并考虑算法复杂度、可行性，采用特征方法中的基于肤色的算法来进行人脸识别，达到计算量小，算法相对简单，易于实现快速的目的。基于肤色的颜色空间也有好几种处理方法，比如RGB色彩空间、归一化RGB色彩空间、HSV颜色空间、HIS颜色、YCbC

50、r颜色空间等，它们各自有各自的有点和不足，综合考虑采用在归一化的RGB颜色空间下进行人脸检测。最终实现比较理想的人脸检测功能。人眼定位本文人眼定位主要针对正面人脸图像，根据眼睛区域的灰度值比其他周围区域灰度值低，变化率大的特点，首先根据前文中图像预处理技术和检测出的人脸，将图像二值化后，再对图像灰度值进行水平和垂直方向上的积分投影，根据投影曲线的特征，分割出眼睛区域，并精确定位出眼睛。但是由于时间和个人能力有限，只实现了人脸检测和后续人眼粗定位，最后没能实现人眼精确定位，检测实时性不好。5.3展望综合分析当前国内外的人眼检测技术，仍有许多问题亟待解决，已实现的方法还存在训练时间较长、检测率不够

51、完美，实时检测速度不够快等问题。所以今后人眼检测的研究和发展趋势应该是多种方法混合型的，具有增强的抗干扰能力的算法，应该多信息融合，形成非刚性模式识别的普适方法，并达到算法国际化。今后应该围绕以下几方面展开研究工作24尝试寻找更有效更简单的人脸图像特征提取方法，更好的实现人脸图像的稀疏表示。进行多姿态的人眼检测系统的研究，增加多姿态的人脸训练样本，如左右半侧面人脸，各偏转角度的侧面人脸等。训练相应的各个分类器，实现实时的多姿态人脸检测和人眼定位。增加更多不同的训练样本，比如光照的不一样，有遮挡的样本。可以训练多种分类器，如性别分类器，表情分类器等。进一步加强对分类器的研究，将更多的分类器设计算法引入到人脸检测盒人眼定位中来，以解决各种各样的人脸图像的检测问题及加快人眼检测速度。加快训练和检测的速度是今后的一个重要为题。随着应用的深入，以后可能将人脸检测