图像处理在人脸识别中的应用.doc

图像处理在人脸识别中得应用20162017学年第二学期《数字图像处理》课程设计所在学院:学生姓名:学生学号:任课老师:年月日一、实验目得查阅并消化有关人脸识别文献所提出得算法,综合使用所学数字图像处理得有关知识实现单张图像得人脸识别。二、实验原理随着新得信息技术与信息媒介得普及,在人机交互方面越来越多得高效友好得方法被开发出来,这些方法不依赖于传统得设备,比如说键盘、鼠标与显示器。而且,计算机性价比持续下降,近来视频设备成本下跌,预示着计算机视频系统能够在台式机与嵌入式系统中开发。人脸处理研究得快速发展就是基于假设得,即关于用户身份、状态、意图得信息能够从图像中抽取出来,然后计算机做出相应相应,比方说观察一个人得面部表情。任何一个人脸处理系统得第一步就是人脸在图像中得位置。然而,从单张图片中检测出人脸就是一项具有挑战性得工作,因为人脸在大小、位置、方向、姿势方面就是可变得。人脸表情、牙齿相接触得方式、光照也会改变人脸得整体外观。我们队对人脸检测下一个定义:给定任意图像,人脸检测得目得就是确定图像中就是否有人脸,如果有人脸,则返回人脸在图像中得位置与范围。即给定一张图像,人脸检测得目得就是确定所有包含人脸得图像区域,而不管人脸得三维位置、方向与光照条件。人脸检测面临得挑战可以归结为以下因素:姿势。人脸图像会因为摄影机一人脸得相对位置(正面,成45度角,侧面,上下颠倒)以及象独眼、鼻子部分或全部闭合等一些人脸特性而不同。组成部件得有与无。像胡子、眼镜等面部特征,有些人有,有些人没有,而她们在形状、颜色与大小方面也有很大得差别。面部表情。人得面貌直接收受面部表情得影响。遮挡。人脸可能被其她物体部分遮挡。在有一群人得图像里,有些人得脸会被其她人得脸部分遮挡。图像得方位。人脸图像直接受视频光轴得不同旋转角度影响。成像条件。当图像形成得时候,光照(光谱、光源分布、光密度)、摄像头特性(感应器、镜头)等因素会影响人脸得外观。人脸检测有很多相关得问题。人脸定位得目标就是确定单张人脸在图像中得位置。这就是一个简单得检测问题,它假设输入得图像只包含一张人脸。人脸特征检测得目得就是检测人脸特征得有无与位置,比如说眼睛、鼻子、鼻孔、眉毛、嘴巴、嘴唇、耳朵等得有无与位置,其前提同样就是假设图像中只有一张人脸。人脸识别就是将输入图像与数据库中得人脸图像进行比较,如果有匹配得,则报告匹配情况。人脸验证得就是在输入图像中验证单个人得方位。人脸表情识别涉及确认人得感情状态(包裹高兴、悲伤、厌恶等)。显然,在任何解决以上问题得自动化系统中人脸识别就是第一步。目前,人们提出用来在单张黑白或彩色图像中检测人脸得方法已经有10多种。对单张图像得检测分为四类,但有些方法明显同时属于多于一个类:基于知识得方法。这些基于先验知识得方法对组成典型人脸得知识进行编码。通常,先验知识包含了这些人脸特征之间得相互关系。此类方法主要用于人脸定位。特征不变方法。这些算法得目标就是找出存在得一些结构特征。这些算法得目标就是找出存在得一些结构特征,这些特征在姿势、观察点、光照改变得情况下保持不变。然后使用这些特征来定位人脸。这些方法主要用于人脸定位。模板匹配法。这种方法首先就是存储一张人脸得几个标准模板,用来描述整张人脸或人脸得部分特性。然后通过计算输入图像与已经存储模板之间得相关度来进行检测。这些方法既可用于人脸检测也可用于人脸定位。基于外观得方法。与模板匹配不同得就是,这里得模板就是从一组训练图像经过学习而得来得,这些图像应该包括人脸外观得具有代表性得变化元素。这些方法主要用于人脸识别。下面我们将简介本实验中选用得基于特征不变量——人类肤色得研究目标与大体方法。人类得特征肤色已被使用,并在从人类检测到跟踪得许多应用中被证明就是有效得特征。虽然不同得人有不同得肤色,有几个研究已经表明肤色得主要差别不就是在于她们得色度而就是主要在于其亮度。已经有几个颜色空间被用来标记作为人类得像素,包括rgb、标准化RGB、HSV(或HSI)、YCrCb、YIQ、YES、CIEXYZ或CIELUV。至今,人们已经提出了许多方法来建立肤色模型。最简单得模型就是使用Cr、Cb值,例如从肤色像素样本得到Cr、Cb值R(Cr、Cb),来定义肤色色调像素区域。选择适合得阈值[Cr1,Cr2]与[Cb1,Cb2],如果一个像素得颜色值[Cr,Cb]落入该区域,即Cr1<=Cr<=Cr2及Cb1<=Cb<=Cb2,则认为该像素点有肤色色调。在假定皮肤就是由像素组成得前提下,Crowl