（電路與系統(tǒng)專業(yè)論文）人臉檢測算法及其應(yīng)用研究.pdfVIP

f ：漁夫?qū)W頗卜學(xué)位論立 人臉 考= 測算注及其應(yīng)用研究 摘要 人臉檢測是計(jì)算機(jī)視覺、模式識別、人機(jī)交互研究中一個(gè)很受關(guān)注的研究熱 點(diǎn)，在自動(dòng)人臉識別系統(tǒng)、視覺監(jiān)控、基于內(nèi)容的檢索等領(lǐng)域都有著廣泛的應(yīng)用。 由于人臉模式錯(cuò)綜復(fù)雜、易受干擾，所以人臉檢測又是一個(gè)很有挑戰(zhàn)性的課題。 目前的人臉檢測算法一般都存在計(jì)算量大、速度慢、誤報(bào)率高的弱點(diǎn)。 本文著重研究了一種適合在考勤系統(tǒng)和安保系統(tǒng)等應(yīng)用領(lǐng)域的自動(dòng)人臉檢 測算法，同時(shí)設(shè)計(jì)了兩套基于該人臉檢測算法的應(yīng)用工程系統(tǒng)的框架結(jié)構(gòu)。人臉 匹配的確是考勤系統(tǒng)在檢測得到人臉后需要做的一項(xiàng)重要工作。由于時(shí)間關(guān)系， 本文對人臉匹配方面只是做了初步的理論探討，沒有做實(shí)驗(yàn)驗(yàn)證。 其中，人臉檢測算法針對工程應(yīng)用的特點(diǎn)對圖像采集做了一些合理的約束， 使之具有良好的魯棒性和實(shí)時(shí)性，能夠滿足實(shí)際需要。人臉檢測算法的主要思路 為利用序列圖像的差分信息檢測運(yùn)動(dòng)目標(biāo)，對運(yùn)動(dòng)目標(biāo)圖像實(shí)施膚色檢測，生成 候選人臉區(qū)域，然后利用眼睛特征驗(yàn)證候選人臉并提取人臉特征，同時(shí)分割出人 臉部準(zhǔn)確區(qū)域。實(shí)驗(yàn)表明本算法能夠很好地適應(yīng)不同的環(huán)境光照條件，在上述領(lǐng) 域內(nèi)具有良好的檢測性能。 本文主要依照系統(tǒng)設(shè)計(jì)并人臉檢測的順序來進(jìn)行論文結(jié)構(gòu)安排。最后，本文 對論文的工作做了總結(jié)并對存在的若干問題做了說明。 關(guān)鍵詞： 運(yùn)動(dòng)檢測，膚色模型，人臉檢湖 上海大學(xué)碩士學(xué)位論文 人臉檢測算法及其應(yīng)用研究 a b s t r a c t f a c ed e t e c t i o nh a sb e e nar e s e a r c hf o c u so fc o m p u t e rv i s i o n ，p a t t e mr e c o g n i t i o n a n dh u m a n - c o m p u t e ri n t e r a c t i o nf o ral o n gt i m e i ta l s oh a st h ea p p l i c a t i o ni naw i d e r a n g e o ff i e l d ss u c ha sa u t o m a t i c f a c e r e c o g n i t i o n ，v i s i o n s u r v e i l l a n c ea n d c o n t e x t - b a s e dr e t r i e v a l h o w e v e r ，f a c ed e t e c t i o ni sam o s tc h a l l e n g i n gt a s kb e c a u s eo f t h ew e a k n e s so fl a r g ec o m p u t a t i o n ，l o we f f i c i e n c ya n dm a n yf a l s er e p o r t sa m o n gt h e d e t e c t i o nr e s u l t i nt h et h e s i s ，a na u t o m a t i cf a c ed e t e c t i o nm e t h o di sp r e s e n t e d ，a n dt w oa p p l i c a t i o n s y s t e m sb a s e d t h em e t h o da r ed e s i g n e d a l t h o u g hf a c em a t c h i n gi si n d e e do n eo ft h e i m p o r t a n ts t e p si nt h ee m p l o y e e - c h e c k i n gs y s t e m ，i ti sj u s td i s c u s s e ds i m p l ya n dn o e x p e r i m e n ti sd o n ed u e t ot h el i m i t e dt i m e s o m er e a s o n a b l er e s t r i c t i o n sa r em a d ew i t ht h ec a p t u r e di m a g e si no r d e rt o g e t t h es t e a d ya n dr e a l t i m em e t h o do ff a c ed e t e c t i o na n dm e e tw i t ht h ea c t u a ld e m a n d s t h em e t h o df i r s t l yd e t e c t st h em o t i o nr e g i o nf r o mt h em o t i o ni m a g es e q u e n c eb a s e d o n i m a g e d i f f e r e n c ea n d g e t st h es u b i m a g eo fc o n t a i n i n g t h em o t i o n t a r g e t s t h e nt h e s u b i m a g ei sd e t e c t e da n dm a p p e di n t oab i n a r yi m a g eb yt h es k i nc o l o rm o d u l e s r e s p e c t i v e l y as e r i e so fp o s tt r e a t m e n t sa r ed o n et og e tt h eb i n a r yi m a g eo ff a c e c a n d i d a t e a n dt h e ne a c hf a c ec a n d i d a t ei sv e r i f i e da n dt w oe y e sa r ed e t e c t e db yu s e o fs o m em e a n s a t l a s t ，t h ee x a c tf a c ei sl o c a l i z e da c c o r d i n gt h er u l eo ff a c es t r u c t u r e e t c e x p e r i m e n t sm a k e i tc l e a rt h a tt h em e t h o dc a l la d a p tt ot h ed i f f e r e n ti l l u m i n a t i o n w e l la n dh a v eg o o dd e t e c t i o na b i l i t yi nt h ea b o v ef i e l d s t h i sp a p e ri s m a i n l ya r r a n g e db y t h eo r d e ro f s y s t e md e s i g na n dh o w t od e t e c t h u m a nf a c e f i l m i l y , a l lo v e r v i e wo f t h ep a p e ri sp r e s e n t e da n dt h ee x i s t i n gp r o b l e m s a r ed i s c l _ u s s e d k e yw o r d ：m o t i o nd e t e c t i o n ，s k i n c o l o rm o d e l ，f a c ed e t e c t i o n 圭堡查堂堡! ：堡三! ； 叁墮堡嬰竺堡塾莖墮里望絲一 1 1 研究背景與意義 第一章前言 人臉檢測問題最初來源于人臉識別，而人臉識別的研究可以追溯到2 0 世紀(jì) 七十年代，經(jīng)過幾十年的曲折發(fā)展己日趨成熟。一個(gè)完整的人臉自動(dòng)識別系統(tǒng)一 般包括人臉自動(dòng)檢測，特征提取和匹配識別等幾個(gè)部分。其中，作為人臉識別的 1 第一步，自動(dòng)檢測起著至關(guān)重要的作用，但是早期的人臉識別研究主要針對具有 較強(qiáng)約束條件的人臉圖像( 如無背景的圖像) ，往往假設(shè)人臉的位置己經(jīng)知道或者 很容易獲得，因此人臉檢測問題并未受到重視。近幾年隨著電子商務(wù)，視覺監(jiān)測 等應(yīng)用的發(fā)展，人臉識別成為最有潛力的生物身份驗(yàn)證手段，這種應(yīng)用背景要求 自動(dòng)人臉識別系統(tǒng)能夠?qū)σ还森h(huán)境圖像具有一定的適應(yīng)能力。由此，所面臨的一 系列問題使得人臉檢測成為一項(xiàng)十分重要而又基礎(chǔ)性的技術(shù)，近年來成為模式識 別與計(jì)算機(jī)視覺領(lǐng)域內(nèi)一項(xiàng)受到普遍重視、研究十分活躍的課題。當(dāng)然，人臉檢 測的應(yīng)用背景如今已經(jīng)遠(yuǎn)遠(yuǎn)超出了人臉識別系統(tǒng)的范疇，在基于內(nèi)容的檢索、數(shù) 字視頻處理、視覺監(jiān)測等方面同樣有著重要的應(yīng)用價(jià)值。 本文所提到的人臉檢測( f a c ed e t e c t i o r i ) 是指在輸入圖像中確定所有人臉( 如 果存在) 的位置與大小，同時(shí)定位人臉的有關(guān)特征。 人臉作為人類自身再熟悉不過的一個(gè)組成部分，其檢測問題卻是一個(gè)極具挑 戰(zhàn)性的課題。首先人臉是一個(gè)包含五官、毛發(fā)等的極不規(guī)則的復(fù)雜待測目標(biāo)，不 同的人臉在形狀、大小、顏色、質(zhì)地等方面都有很大的變化性；其次為了實(shí)現(xiàn)檢 測方法的穩(wěn)定可靠性，我們要考慮人臉在各種復(fù)雜的背景中，不同的方向、角度、 尺度等情況下所展現(xiàn)出來的不同表象：再次，我們所基于的檢測對象或稱環(huán)境大 多是由圖像捕捉設(shè)備所采集的數(shù)字圖像或視頻流中的數(shù)字圖像序列，所以采集條 件特別是光照條件包括光源的方向、明暗、色彩等都會對圖像的效果產(chǎn)生很大的 影響，進(jìn)而影響我們對人臉的檢測；另外，人臉上還可能長有胡須、戴有眼鏡或 其他裝飾品等，這些也同樣是我們設(shè)計(jì)實(shí)際應(yīng)用系統(tǒng)的人臉檢測算法時(shí)不可忽視 卜海大學(xué)碩t 論文 入臉檢測算法及其應(yīng)用研究 的因素。盡管人臉檢測有一定的難度和復(fù)雜性，但是通過合理地規(guī)劃約束有關(guān)應(yīng) 用系統(tǒng)，我們相信可以設(shè)計(jì)出一種具有良好性能的實(shí)用人臉檢測算法?；谠擁?xiàng) 技術(shù)，我們可以開發(fā)不同形式的應(yīng)用系統(tǒng)( 如入臉特征考勤系統(tǒng)，住宅小區(qū)安全 管理系統(tǒng)等) ，運(yùn)用于社會相關(guān)機(jī)構(gòu)、單位和企業(yè)。一方面促進(jìn)社會的安全、穩(wěn) 定和發(fā)展，同時(shí)還可以取得良好的經(jīng)濟(jì)效益。 1 2 人臉檢測方法綜述 正如前面提到的。人臉檢測問題在近十年中得到了廣泛的關(guān)注和長足的發(fā) 展，我們對現(xiàn)有檢測算法的學(xué)習(xí)和總結(jié)必將給我們尋求種在某些應(yīng)用領(lǐng)域內(nèi)的 有效人臉檢測方法的研究帶來啟發(fā)和幫助。 在總結(jié)現(xiàn)有人臉檢測算法之前，我們首先對不同檢測算法所用到的人臉模 式特征做一個(gè)簡要介紹。總結(jié)發(fā)現(xiàn)，在不同的人臉檢測方法中，人臉模式的特征 無外乎膚色特征和灰度特征兩個(gè)方面。其中，膚色是人臉的重要信息，其不依賴 于面部的細(xì)節(jié)特征，對于旋轉(zhuǎn)、表情等變化情況都能適應(yīng)具有相對的穩(wěn)定性并 且和大部分背景物體的顏色相區(qū)別。因此膚色特征在人臉檢測中成為最常用的一 種特征。此外，灰度特征包括人臉輪廓特征、人臉灰度分布特征( 鑲嵌圖特征、 直方圖特征等) 、器官特征( 對稱性、空間分布等) 、模板特征等。灰度特征可以 提供更細(xì)致和更精確的人臉信息。這些特征在人臉真?zhèn)未_認(rèn)、特征提取以及人臉 匹配等方面具有更大的優(yōu)勢。本節(jié)的以下內(nèi)容是從方法論的角度概要性地總結(jié)一 下現(xiàn)有的幾種主要的人臉檢測思想，當(dāng)然這種分類的界限并不是絕對的，而且結(jié) 合幾種思想于一體的檢測方法也普遍存在。 1 2 1 基于知識的自頂向下的方法 這種方法是基于我們在認(rèn)識人臉的過程中所總結(jié)出來的一些先驗(yàn)知識，把人 臉特征和相應(yīng)的關(guān)系歸結(jié)成為一些復(fù)雜程度由簡而繁的規(guī)則。例如：“f 面人臉 都包括兩只位置相互對稱的眼睛，鼻子和嘴等”、“灰度圖像中眼睛要比臉上其他 地方睹”等。先提取輸入圖像中的人臉特征，隨后運(yùn)用這些規(guī)則對這些候選的特 征進(jìn)行鑒定。為了減少錯(cuò)誤檢測率，通常還進(jìn)行一定驗(yàn)證后續(xù)處理，從而搜索出 彳：；合規(guī)律的人臉區(qū)域。 e 海大學(xué)碗 論文 人臉撿測算法及其應(yīng)用研究 1 2 2 基于人臉特征的自底向上的方法 這種思想首先用各種數(shù)字圖像的處理辦法對輸入圖像進(jìn)行處理，根據(jù)處理結(jié) 果提取出來的某些特征與人臉的某些共性特征進(jìn)行比較，借此來判斷某一區(qū)域是 否為人臉。舉例來說，我們可以用數(shù)字圖像處理中常用的提取邊界的方法在輸入 圖像中尋找邊界，然后試探哪些邊界能像正面人臉的左邊界線、右邊界線和發(fā)髻 線那樣構(gòu)成入瞼輪廓：還可以利用從圖像中提取出來的色彩和紋理信息與人臉的 色彩和紋理模型進(jìn)行比較，得出可能的人臉區(qū)域。當(dāng)然各種人臉特征的綜合運(yùn)用 對于提高檢測算法的性能會有很大幫助。 1 2 3 模板匹配的方法 該方法首先建立并存儲一些人臉模板作為標(biāo)準(zhǔn)，可以包括正面人臉或是單獨(dú) 的眼睛、鼻子、嘴。利用一些算法柬計(jì)算各待測區(qū)域與標(biāo)準(zhǔn)模板的相似程度或稱 相關(guān)性。利用這一相似程度來判決某一區(qū)域是否為人臉。這個(gè)方法的優(yōu)點(diǎn)是使用 簡單，但是它不能很好地處理尺度、方位、形狀等因素不同變化，導(dǎo)致實(shí)際檢測 效果不是很理想。針對這些缺點(diǎn)，一些研究人員提出了采用多分辨率、多尺度、 局部模板和可變模板的人臉模板匹配檢測方法。 1 2 4 基于人臉外觀的方法 這種思想是指通過搜集大量的人臉和非人臉樣本作為訓(xùn)練集，用人工神經(jīng)元 網(wǎng)絡(luò)、支持向量機(jī)( s v m ) 等方法訓(xùn)練出一個(gè)分類器來檢測人臉。這種思想與 ， 其他思想的不同之處在于，它并不首先人工的對人臉進(jìn)行分析或是抽取模板，也 不對輸入圖像進(jìn)行復(fù)雜的處理；而是利用大量的人臉整體外觀用結(jié)構(gòu)化的方法來 訓(xùn)練出人臉檢測的分類器。這個(gè)分類器通常表述為某一特征描述函數(shù)或特征分布 模型，從而通過這個(gè)分類器區(qū)分出入臉和非人臉。該方法往往要考慮減少用于表 征人臉的特征空間維數(shù)，以便降低計(jì)算復(fù)雜度和提高人臉檢測效率。在這類方 法中，特征向量、統(tǒng)計(jì)學(xué)、信息學(xué)等思想也得到了運(yùn)用。 可見，由于人臉檢測問題的復(fù)雜性，上述各種方法都存在著自身的優(yōu)缺點(diǎn)和 適用領(lǐng)域，無論那一類方法都無法適應(yīng)所有的情況。目前，可行的辦法是針對人 上海大學(xué)碩士論文 人臉檢測算法及其應(yīng)用研究 臉檢測應(yīng)用領(lǐng)域內(nèi)某個(gè)或某些特定的問題相應(yīng)地提出一種有效的人臉檢測算法。 1 3 人臉檢測的有關(guān)應(yīng)用 本論文的工作來源于上海市教委的一個(gè)課題，該課題的目的是研究一種有效 的人臉檢測技術(shù)，同時(shí)開發(fā)基于該技術(shù)的相關(guān)應(yīng)用系統(tǒng)。考慮到實(shí)際情況，我們 設(shè)想將人臉檢測技術(shù)應(yīng)用于單位考勤，安全接入控制和住宅小區(qū)人員車輛管理等 方面。在實(shí)際應(yīng)用中系統(tǒng)的規(guī)劃設(shè)計(jì)是基礎(chǔ)性的，合理的規(guī)劃設(shè)計(jì)是系統(tǒng)順利 實(shí)現(xiàn)的一個(gè)重要因素，可以有效地降低系統(tǒng)費(fèi)用和實(shí)腌難度。 在研究和實(shí)踐過程中，我們發(fā)現(xiàn)在很多情況下單憑一種信息或某一種方法很 難得到滿意的檢測結(jié)果因此，在構(gòu)造實(shí)際系統(tǒng)時(shí)，應(yīng)優(yōu)先考慮使用能夠反映人 臉不同特征的多源信息，并通過對多源信息的融合處理以提高檢測的可靠性和魯 棒性另外，在很多場合，要求系統(tǒng)能快速地從圖像中檢測出目標(biāo)物體此時(shí)， 在不影響系統(tǒng)總體性能的前提下，可以考慮對問題作必要的和合理的簡化處理以 便開發(fā)出相應(yīng)的快速算法以滿足實(shí)際系統(tǒng)對實(shí)時(shí)性的要求 在研究過程中，我們將系統(tǒng)設(shè)計(jì)和算法研究綜合考慮，以便增強(qiáng)算法的有效 性和應(yīng)用系統(tǒng)的擴(kuò)展性。由此，在人臉檢測算法研究過程中，我們充分考慮實(shí)際 應(yīng)用環(huán)境和有關(guān)要求，注重提高算法在上述應(yīng)用領(lǐng)域的有效性和實(shí)時(shí)性。本文提 出一種人臉檢測算法。其主要思路是利用視頻序列圖像的差分信息得到運(yùn)動(dòng)目標(biāo) 的子圖像；采用兩種膚色模型判決該包括運(yùn)動(dòng)目標(biāo)的彩色圖像，經(jīng)過處理得到人 臉候選區(qū)域；隨后利用眼睛部位的特點(diǎn)對候選人臉進(jìn)行驗(yàn)證，確認(rèn)該區(qū)域是否為 人臉；最后采用基于臉部邊緣和h o u g h 變換檢測橢圓或者采用基于人臉特征空 間幾何分布關(guān)系分割人臉，從而得到人臉的準(zhǔn)確區(qū)域。 1 4 論文的主要內(nèi)容 本文就針對單位考勤，視頻監(jiān)測控制等領(lǐng)域的人臉檢測算法進(jìn)行了研究，同 時(shí)規(guī)劃設(shè)計(jì)了基于這項(xiàng)技術(shù)的有關(guān)應(yīng)用系統(tǒng)。文章的主要結(jié)構(gòu)安排如下：第一章 主要介紹了人臉檢測的研究意義和研究現(xiàn)狀，同時(shí)對本文的主要工作和結(jié)構(gòu)安排 做了一個(gè)簡要說明；第二章首先介紹了在有關(guān)應(yīng)用系統(tǒng)實(shí)現(xiàn)時(shí)需要解決的一些問 題，然后提出了兩套應(yīng)用系統(tǒng)的規(guī)劃設(shè)計(jì)，并相應(yīng)地說明了系統(tǒng)的工作流程；第 e 海大學(xué)頌士論文人臉檢測算法及其應(yīng)用研究 三章主要介紹了如何檢測運(yùn)動(dòng)目標(biāo)區(qū)域，提出了一種基于序列圖像差分的運(yùn)動(dòng)目 標(biāo)檢測方法，這是本文所提出的人臉檢測算法的第一步；第四章主要介紹了兩個(gè) 膚色模型和各自的優(yōu)缺點(diǎn)，我們提出了綜合利用兩者的優(yōu)點(diǎn)來獲取較好的人臉候 選區(qū)域判決結(jié)果以及有關(guān)處理策略；第五章主要介紹了本文采用的人臉驗(yàn)證和人 臉分割辦法，解決如何確認(rèn)人臉候選區(qū)域的真?zhèn)尾⒌玫饺四樀臏?zhǔn)確區(qū)域；第六章 對論文馓了總結(jié)，并指出若干有待解決的問題。 海大學(xué)碩士論文 人臉檢測算法及其應(yīng)用研究 第二章人臉檢測應(yīng)用系統(tǒng)的規(guī)劃 2 1 引言 前言已經(jīng)提到一種可以適應(yīng)所有情況的人臉檢測算法是不切實(shí)際的，但是 在現(xiàn)有研究和實(shí)驗(yàn)的基礎(chǔ)上，針對某些領(lǐng)域內(nèi)尋求一種有效的人臉檢測方法卻 是現(xiàn)實(shí)可行的。大量的工程實(shí)踐經(jīng)驗(yàn)表明在系統(tǒng)設(shè)計(jì)中對一些環(huán)境進(jìn)行合理的 約束不會對系統(tǒng)的功能產(chǎn)生過多的影響，但是它可以大幅度地降低系統(tǒng)實(shí)現(xiàn)的 復(fù)雜度和造價(jià)成本。因此，我們在研究人臉檢測算法時(shí)充分考慮有關(guān)系統(tǒng)的特 點(diǎn)，從而提高算法的實(shí)用性和有效性。 基于各方面的原因，我們優(yōu)先考慮解決單位考勤，安保監(jiān)控和身份鑒定接 入等應(yīng)用領(lǐng)域的人臉檢測問題。這些實(shí)用系統(tǒng)對算法的實(shí)時(shí)性和可靠性要求高 于其他系統(tǒng)，因此，在設(shè)計(jì)算法的過程中，我們必須充分考慮系統(tǒng)特點(diǎn)和要求， 權(quán)衡取舍不同的性能指標(biāo)，使得系統(tǒng)在全局達(dá)到最優(yōu)。多方面的因素都有可能 影響到人臉檢測算法的性能，包括光照情況，場景變化，人體的姿態(tài)，臉部表 情等等。人臉檢測算法方案可以尋求不同的解決途徑，因?yàn)椴煌臋z測途徑可 能在小同的檢測應(yīng)用場合具有優(yōu)良的性能。首要考慮的問題是上述系統(tǒng)選取怎 樣的檢測方案和人臉特征。在科研實(shí)踐中，理論研究成果能夠被投入實(shí)際應(yīng)用 是一件令人興奮的事情，我們期待在理論實(shí)踐過程中不斷提高研究水平和完善 系統(tǒng)性能?；诂F(xiàn)有的實(shí)驗(yàn)條件和研究成果，我們設(shè)計(jì)出了部分應(yīng)用系統(tǒng)方案， 同時(shí)研究了有效，穩(wěn)定的人臉檢測算法。 2 2 系統(tǒng)規(guī)劃設(shè)計(jì) 存現(xiàn)有技術(shù)條件下，設(shè)計(jì)實(shí)現(xiàn)一個(gè)或多個(gè)應(yīng)用系統(tǒng)，為社會各應(yīng)用領(lǐng)域 提供史好的服務(wù)是本課題研究目的之。本章節(jié)，我們對兩套有關(guān)的應(yīng)用系統(tǒng) 方案將做較詳細(xì)的描述介紹。 t 簿大學(xué)頒十論文 人臉檢測算法及其應(yīng)用研究 2 2 1 系統(tǒng)規(guī)劃設(shè)計(jì)一 系統(tǒng)名稱：基于人臉檢測和人臉匹配的考勤系統(tǒng) 系統(tǒng)功能：本系統(tǒng)能夠自動(dòng)采集人員圖像，檢測得到人臉，同時(shí)獲取人員 身份# 信息，將采集得到的人臉和存儲在系統(tǒng)中與身份卡對應(yīng)的人臉進(jìn)行匹 配，確認(rèn)人員身份的真?zhèn)?，完成一對一的身份?yàn)證工作。此外，該系統(tǒng)具有相 應(yīng)的數(shù)據(jù)庫管理功能和出錯(cuò)報(bào)警功能等，可以廣泛運(yùn)用于工礦企業(yè)和各事業(yè)單 位完成員工考勤等工作或其他身份驗(yàn)證接入控制，具有廣闊的市場應(yīng)用前景。 本系統(tǒng)主要由計(jì)算機(jī)軟件處理平臺和用于信息采集的硬件設(shè)備組成。除了 軟件系統(tǒng)之外，系統(tǒng)需要的硬件設(shè)備：一臺微機(jī)，一部身份信息讀卡機(jī)，一部 彩色工業(yè)攝像頭，一部紅外傳感器和其他設(shè)備連接器。其中，當(dāng)系統(tǒng)需要同時(shí) 處理多個(gè)考勤點(diǎn)時(shí)可能額外需要一塊擴(kuò)展串口卡和相應(yīng)的信息采集設(shè)備。系統(tǒng) 結(jié)構(gòu)框圖參見圖2 一l ： c 圖2 一l ：基于人臉檢測和人臉匹配的考勤系統(tǒng)結(jié)構(gòu)框圖 工作流程：人員手持身份信息卡走近考勤信息讀卡機(jī)，觸發(fā)紅外傳感器， 啟動(dòng)攝像機(jī)攝取運(yùn)動(dòng)目標(biāo)圖片序列。讀卡機(jī)提取用戶信息，利用用戶信息提取 出存儲于軟件管理系統(tǒng)的標(biāo)準(zhǔn)臉部圖像；與此同時(shí)，軟件系統(tǒng)從圖片序列中檢 測人臉部圖像，提取出準(zhǔn)確的人臉區(qū)域和人臉特征，利用相應(yīng)的匹配算法衡量 兩者的相似度量。若相似度量大于某個(gè)閾值，系統(tǒng)判定實(shí)際持卡人和考勤卡注 冊信息吻合，否則系統(tǒng)判定人員信息不匹配，同時(shí)通知有關(guān)人員進(jìn)行其他處理。 個(gè)q 選方案是將人員的標(biāo)準(zhǔn)臉部圖像存儲于用戶信息卡，讀卡機(jī)提取人員身 份信息同時(shí)讀出內(nèi)部臉部圖像特征數(shù)據(jù)，進(jìn)行相應(yīng)的匹配判決處理。這些可選 【：海人學(xué)順十論文 人臉檢測算法及其應(yīng)用研究 方案司以依據(jù)不同的實(shí)際情況加于選擇，為系統(tǒng)實(shí)現(xiàn)提供了更大的選擇空間 具有更好的靈活性。系統(tǒng)的流程框圖參見圖2 - - 2 ： 圖2 2 ：基于人臉檢測和人臉匹配的考勤系統(tǒng)的流程框圖 2 2 2 系統(tǒng)規(guī)劃設(shè)計(jì)二 系統(tǒng)名稱：住宅小區(qū)人員車輛進(jìn)出檢測系統(tǒng) 系統(tǒng)功能：本系統(tǒng)可以自動(dòng)采集運(yùn)動(dòng)目標(biāo)圖像，通過人臉檢測算法判別運(yùn) 動(dòng)目標(biāo)類型，即人員和車輛。若運(yùn)動(dòng)目標(biāo)為人員，則檢測出人臉區(qū)域，將臉部 - 圖像存儲到數(shù)據(jù)庫。假如運(yùn)動(dòng)目標(biāo)屬于車輛等，則系統(tǒng)轉(zhuǎn)到車輛處理單元，提 取有關(guān)車輛信息例如車牌等特征，同時(shí)將有關(guān)信息保存到數(shù)據(jù)庫。該系統(tǒng)可以 減少存儲圖片數(shù)據(jù)量，節(jié)省系統(tǒng)資源，同時(shí)可以對進(jìn)出住宅小區(qū)的人員車輛監(jiān) 控，可以隨時(shí)查看住宅小區(qū)的進(jìn)出人員車輛信息，增強(qiáng)小區(qū)的安全保障能力。 類似，本系統(tǒng)也主要由計(jì)算機(jī)軟件處理平臺和用于信息采集的硬件設(shè)備組 成。除了軟件系統(tǒng)，系統(tǒng)還需要的硬件設(shè)備包括：臺微機(jī)，一部彩色工業(yè)攝 像頭，兩部紅外傳感器，一部地感線圈，一塊串口擴(kuò)展卡和其他設(shè)備連接器。 住宅小區(qū)的進(jìn)口和出口應(yīng)該分開處理，即采用兩套系統(tǒng)，分別管理進(jìn)口或 出口。當(dāng)然軟件系統(tǒng)的功能是完全相同的，區(qū)別在于圖像采集設(shè)備的安裝位置 不一樣。進(jìn)出 分開管理的目的是為了可以采集到清晰的視頻圖像，保證系統(tǒng) 能夠及時(shí)處理進(jìn)出目標(biāo)，同時(shí)可以降低軟件實(shí)現(xiàn)的難度。軟件系統(tǒng)采用模塊化 結(jié)構(gòu)，多個(gè)模塊分別處理不同的事務(wù)增強(qiáng)系統(tǒng)的可擴(kuò)展性。目前系統(tǒng)主要設(shè) 計(jì)兩大模塊：一部分處理車輛管理，包括車牌的檢測和識別等，( 利用本實(shí)驗(yàn) 室的已有研究成果) ，另外一。部分處理人員管理，包括人臉的檢測等。在此條 件下，人臉識別受到各方面因素的限制目前很難達(dá)到實(shí)用要求。主要原因在于 特定人臉圖像和存儲在數(shù)據(jù)庫內(nèi)的大量人臉圖像進(jìn)行窮盡搜索匹配，時(shí)間是無 人臉檢測算法及其應(yīng)用研究 法控制的：此外，進(jìn)出人員可以是一個(gè)或多個(gè)，包括多人臉檢測問題，同時(shí)識 別也是不現(xiàn)實(shí)的。系統(tǒng)結(jié)構(gòu)框圖參見圖2 3 ： 圖2 3 ：住宅小區(qū)人員車輛進(jìn)出檢測系統(tǒng)結(jié)構(gòu)框圖 工作流程：當(dāng)人員和車輛出入住宅小區(qū)時(shí)，紅外傳感器或地感線圈被觸發(fā) 從而啟動(dòng)圖像采集設(shè)備捕捉圖像序列。我們通過序列圖像差分檢測得到包括運(yùn) 動(dòng)目標(biāo)的子圖像，對得到的子圖像進(jìn)行人臉的粗檢。假如粗檢結(jié)果不包括候選 人臉則判為非人員目標(biāo)，系統(tǒng)轉(zhuǎn)入車輛檢測處理模塊，否則轉(zhuǎn)入人臉檢測模塊， 進(jìn)行人臉的進(jìn)一步檢測。當(dāng)然，假如人臉的進(jìn)一步檢測得到否定結(jié)果則系統(tǒng)重 新轉(zhuǎn)入車輛檢測處理模塊。最后，系統(tǒng)將得到的人臉和車輛信息保存到數(shù)據(jù)庫， 以便系統(tǒng)隨時(shí)可以進(jìn)行查詢。系統(tǒng)的流程框圖參見圖2 4 ： 一一 f 開始1 熱拋毒 上海大學(xué)碩士論文 人臉檢測算法及其應(yīng)用研究 圖2 - - 4 ：住宅小區(qū)人員車輛進(jìn)出檢測系統(tǒng)流程框圖 2 3 應(yīng)用系統(tǒng)與視頻采集模塊的接口 由攝像機(jī)采集的數(shù)字視頻序列通過u s b 接口或圖像采集卡輸入現(xiàn)場微機(jī) 現(xiàn)場討算機(jī)需要提供相應(yīng)的函數(shù)接口來進(jìn)行實(shí)時(shí)處理。 2 3 1v c + + 6 0 提供的視頻采集接口 w i n d o w s 下視頻編程接口( v f w ) 是一個(gè)關(guān)于數(shù)字視頻的軟件包，它使得視 頻數(shù)據(jù)的采集和編輯得以簡化。v f w 提供了v b x 和a v i c a p 窗口類等主要 編輯工具，只需通過發(fā)送消息或設(shè)置屬性等簡單的操作就可以完成視頻采集及 編輯工作。為了支持v f w ，v c + + 6 o 提供了許多專門的庫文件，如：v f w 3 2 1 j b 、 m s a c m 3 2 1 i b 和w i n m m 1 i b 等，特別是它提供了功能強(qiáng)大、操作簡單類似于 m c i w n d 的窗口類a v i c a p 。 a v i c a p 窗1 3 類提供的幾個(gè)關(guān)鍵的宏及函數(shù) 采集窗口也就是被采集的視頻圖像的預(yù)覽窗口。 用函數(shù)g h w n d c a p = c a p c r e a t e c a p t u r e w i n d o w 0 返回采集窗1 3 的句柄 ( g h w n d c a p ) 。隨后用c a p d r i v e r c o n n e c t ( g h w n d c a p ，i n d e x ) t i p 可實(shí)現(xiàn)采集窗 口和指定的采集設(shè)備( 即攝像頭) 的連接( i n d e x 是指定的采集設(shè)備的號碼， 本系統(tǒng)設(shè)為0 ) ； 用c a p c a p t u r e g e t s e t u p c a p c a p t u r e s e t s e t u p 即可獲取設(shè)置當(dāng)前采集參 數(shù)：c a p g e t v i d e o f o r m a t c a p s e t v i d e o f o r m a t 用于獲取設(shè)置視頻格式。如可設(shè) 置視頻采集幀速、幀分辨率、采集方式等。 a v i c a p 窗口類提供了七種回調(diào)函數(shù)來對不同的事件進(jìn)行處理。用 c a p s e t c a l i b a c k o n f r a m e 登記注冊的回調(diào)函數(shù)在每采集完一幀數(shù)據(jù)時(shí)被調(diào)用， 通過這個(gè)回凋函數(shù)即可獲得采集到的數(shù)據(jù)并對它進(jìn)行處理。 2 3 2 軟件具體實(shí)現(xiàn) 在v c + + 6 0 開發(fā)環(huán)境中創(chuàng)建名為f a c e d e t e c t 的工程，假定已經(jīng)將攝像頭 ! 塑查堂墮；! ：絲莖 壁羔墮塑墅查墨望壟型旦! ! ! l 通過圖像采集卡或u s b 接口與系統(tǒng)計(jì)算機(jī)相互連接。 在f a c e d e t e e t v i e w c p p 文件中定義g l o b a l 變量： h w n d g h w n d c a p ； l p b l t m a p i n f 0 l p b i ； i n tn w i d t h ； i n tn h e i g h t ； 初始化程睜段如下： g h w n d c a p = c a p c r e a ， i ， ，, t e c a p t ，u r e w i n d ，o w ( - n u m l - h lw s _ ，v i s i b l e w s child0,0 n w i d t h n h e i g h t t h i sw n d i d _ c a f w n d ) ； c a p s e t c a l l b a e k o n f r a m e ( g h w n d c a p ，& c a p p r o c ) ； c a p p r e v i e w r a t e ( g h w n d c a p ，2 5 0 ) ； c a p d r i v e r c o n n e c t ( g h w n d c a p ，o ) ； d w o r d d w s i z e = c a p g e t v i d e o f o r m a t s i z e ( g h w n d c a p ) ； i p b i = ( l p b i t m a p i n f o ) n e u n s i g n e dc h a r d w s i z e ； c a p g e t v i d e o f o r m a t ( g h w n d c a p ，l p b i ，d w s i z e ) ； l p b i 一 b m i h e a d e r o b i w i d t h = 3 2 0 ； - l p b i b m i h e a d e r b i h e i g h t = 16 0 ； l p b i b m i h e a d e r b i b i t c o u n t = 2 4 l ； l p b i 一 b m i h e a d e r b i c o m p r e s s i o n = 0 l ； l p b i - b m i h e a d e r b i s i z e l m a g e = ( i o n 曲( 3 2 0 2 4 0 。3 ) ； l p b i 一 b m i h e a d e r b i c i r u s e d = ( i o n 勘( 2 5 6 。2 5 6 。2 5 6 ) ； i p b i - b m i h e a d e r b i c i r l m p o r t a n t = 0 l ； i f ( ! c a p s e t v i d e o f o r m a t ( g h w n d c a p ，l p b i ，d w s i z e ) ) m e s s a g e b o x ( “u n s u p p o r t e dm o d e ”) ； r e t u r n ； 上海大學(xué)壩上論文 人臉檢測算法及其應(yīng)用研究 其中c a p p r o c 為回調(diào)函數(shù)，每次圖像采集結(jié)束后，即會調(diào)用此函數(shù)。人臉 檢測算法的運(yùn)動(dòng)目標(biāo)檢測，人臉區(qū)域檢測和特征提取以及人臉匹配等操作都可 以在此函數(shù)內(nèi)實(shí)現(xiàn)，其原型為： l r e s u l tc a l l b a c k c a p p r o e ( h w n d h w n d l p v i d e o h d r l p v h d r ) i f ( 1 p v h d r - d w f l a g s v h d r - d o n e ) 視頻緩存已經(jīng)裝滿 此處l p v h d r - l p d a t a 中存放的即為捕捉的一幀視頻數(shù)據(jù) 此處進(jìn)行各種處理 r e t u r n ( l r e s u l t ) t r u e ； ) ) 海大學(xué)碩士論文 人臉檢測算法及其應(yīng)用研究 第三章運(yùn)動(dòng)目標(biāo)的檢測算法研究 3 1 運(yùn)動(dòng)檢測概述 運(yùn)動(dòng)檢測可以進(jìn)行目標(biāo)跟蹤和目標(biāo)提取等，同時(shí)很多應(yīng)用場合可以用于簡化 后續(xù)處理，優(yōu)化改善系統(tǒng)引猜。尤其當(dāng)今計(jì)算機(jī)性能的迅速提升，視頻和序列圖 像的處理已經(jīng)不夠成技術(shù)障礙，因此運(yùn)動(dòng)檢測得到越來越廣泛的應(yīng)用。目前，運(yùn) 動(dòng)目標(biāo)檢測算法多種多樣，譬如光流檢測、基于m p e g 2 4 的宏塊檢測算法、基 于固定背景的運(yùn)動(dòng)差分和基于序列圖像的差分方法等。 本文提出一種基于序列圖像差分的運(yùn)動(dòng)目標(biāo)檢測方法。序列圖像差分相對 m p e g 2 4 宏塊檢測方法而言算法簡單、容易實(shí)現(xiàn)，同時(shí)避免了固定背景差分法 棘手的背景有效更新問題。由于相鄰幾幀序列圖像是在很短時(shí)間內(nèi)拍攝得到的， 一般情況下環(huán)境及光照變化很小，通過一定的處理后可認(rèn)為前后幀背景保持一 致。因此通過序列圖像差分，我們可以有效地提取運(yùn)動(dòng)信息，尤其可以檢測出運(yùn) 動(dòng)遮擋和顯露區(qū)域，其中也包括運(yùn)動(dòng)重疊區(qū)域。由于相鄰兩幀進(jìn)行差分處理而且 目標(biāo)運(yùn)動(dòng)速度不高，運(yùn)動(dòng)目標(biāo)可以被認(rèn)為在較小空間范圍內(nèi)變化。根據(jù)運(yùn)動(dòng)信息， 。 我們可以檢測出目標(biāo)的大致位置，分割生成一幅包括運(yùn)動(dòng)目標(biāo)的子圖像。這樣處 理有兩個(gè)好處：一方面可以剔除大部分靜止背景，減少后續(xù)人臉檢測的背景干擾， 有助于提高人臉檢測的準(zhǔn)確度；另外由于后續(xù)檢測算法僅需處理包括運(yùn)動(dòng)目標(biāo)的 局部圖像，運(yùn)算數(shù)據(jù)量大為減少，有助于提高算法的實(shí)時(shí)性能。 3 2 圖像差分檢測算法 令：s = ( 習(xí)，眈j 飄1 為長度等于一的圖像序列 令6 s l j 。i5 一一5 了j ：& ，o s ：8 s = ( 6 s i jil i ，j n ，5 s i j 為圖像序列 中第i ，j 兩幅圖像差值的絕對值圖像，6 s 為差圖像的集合。 上海大學(xué)碩： ：論文 人臉檢測算法及其應(yīng)用研究 令v6 s i j ( n ) = 芝蕊( m ，n ) ，h6 s i j ( m ) 2 蕊( m ，n ) 分別為差圖像6 s i j 在水 m = l ”2 i 平軸上的垂直投影和在垂直軸上的水平投影( 為圖像的高度，為圖像的寬度) 。 令v6 s = v6 s i ji6 s i j 6 s ) 和h6 s2 h5 s i j5 s i j e5 s 分別為差分圖 像的垂直投影集合和水平投影集合。 參考文獻(xiàn) 4 的方法是先將差分圖像閾值化分割生成二值圖像，然后對其采 用統(tǒng)計(jì)非零像素方法做垂直和水平投影v5 s ij ( n ) 和h6 s ( m ) ，而本文在此基礎(chǔ) 上改進(jìn)為在做垂真和水平投影v6 s i ( n ) 和h6 s ij ( m ) 時(shí)直接統(tǒng)計(jì)灰度差分圖像 s ij 的灰度值，即6 s ii 缸而為差分圖像的灰度值。改進(jìn)后的優(yōu)點(diǎn)：- n 避免求取 閾值的過程，減少了運(yùn)算量；另外，由于在差分圖像中運(yùn)動(dòng)目標(biāo)的顯露和遮擋部 分灰度變化更大，差分灰度值相應(yīng)也較大，因此在做灰度統(tǒng)計(jì)的垂直投影和水平 投影時(shí)得到更加明顯的邊界躍變。 從圖3 一l ( c ) 和圖3 - 3 ( a ) ( b ) 可以看出，差分圖像在運(yùn)動(dòng)區(qū)域內(nèi)水平投影( h6 s ii ) 和垂直投影( v6 s i ) 有較大的幅值，并在運(yùn)動(dòng)邊界部分有明顯的峰值，而在 靜止部分，水平投影和垂直投影的幅值很小。若運(yùn)動(dòng)目標(biāo)為進(jìn)出人員或考勤人員， 通常我們依據(jù)水平投影和垂直投影確定上部邊界( 頭頂) 和左右邊界( 身體的兩 側(cè)) ，從而可以得到包括運(yùn)動(dòng)目標(biāo)的子圖像。當(dāng)然，在不同的應(yīng)用場合，分割得到 的子圖像包含個(gè)數(shù)不確定的運(yùn)動(dòng)目標(biāo)。在考勤系統(tǒng)中，由于運(yùn)動(dòng)目標(biāo)唯一，我們 可以依據(jù)人體的幾何比例進(jìn)一步確定一個(gè)下邊界，得到一個(gè)頭肩部圖像，從而進(jìn) 一步減少候選對象區(qū)域，參見文獻(xiàn) 1 9 。在多運(yùn)動(dòng)目標(biāo)情況下，系統(tǒng)不能夠僅僅 通過一個(gè)簡單的幾何比例確定子圖像的下邊界，通常依據(jù)水平投影的另外一個(gè)峰 值或者直接以原始圖像的下邊界來確定子圖像的下邊界。然而，在運(yùn)動(dòng)目標(biāo)為汽 車時(shí)，通常我們可以僅確定左邊界或右邊界，通常上下邊界需要保持原始圖像的 上下邊界，另外一個(gè)左右邊界可以依據(jù)一個(gè)比例粗略確定。上述圖像差分處理 過程見圖3 一l 所示： 上海大學(xué)碩士論文 人臉檢測算法及其應(yīng)用研究 ( c ) ( d ) 圖3 1 ：序列圖像差分檢測運(yùn)動(dòng)目標(biāo)的處理過程 ( a ) 序列圖像的第1 幀彩色圖像的灰度圖像；( b ) 序列圖圖像的第j 幀彩色圖像的灰度 圖像；( c ) 第1 j 幀灰度圖像的差分灰度圖像：( d ) 差分灰度的二值圖像( 僅用于說明差分 圖像包含的信息，本文采用直接統(tǒng)計(jì)灰度的方法) 實(shí)驗(yàn)結(jié)果表明；為了得到良好、穩(wěn)定的運(yùn)動(dòng)判決結(jié)果，我們需要依據(jù)運(yùn)動(dòng)目 標(biāo)的速度來考慮采集間隔，否則由于相鄰兩幀之間可能無明顯的運(yùn)動(dòng)導(dǎo)致無法檢 測出運(yùn)動(dòng)目標(biāo)，常出現(xiàn)在人員低速進(jìn)出的情況。為了提高運(yùn)動(dòng)目標(biāo)檢測的可靠性， 我們采用多幀圖像差分疊加的統(tǒng)計(jì)方法，可以提高方法的適應(yīng)性和魯棒性，有效 地降低了運(yùn)動(dòng)檢測失敗概率。如攝像頭視頻采集速度為2 5 幀秒，我們采用連續(xù) 五幀圖像( 即艫5 ) ，存：竺堅(jiān)善塑其中掇。；：i s ，一$ 5 1 ，舔：。：i s ：一s 。 ，通過對癟 2 進(jìn)行水平及垂直投影確定最后的邊界，用得到的邊界對圖像& 進(jìn)行圖像分割得 到運(yùn)動(dòng)目標(biāo)子圖像。此方法在提高檢測的魯幫性能同時(shí)在一定程度上消除了噪聲 的影響。為了消除沖激噪聲的干擾，我們對投影曲線進(jìn)行曲線擬合，類似進(jìn)行部 分平滑處理，這與所采用的邊界確定方法有關(guān)，邊界確定方法將在下一節(jié)介紹。 上海大學(xué)碩士論文 人臉檢測算法及其應(yīng)用研究 ( e )( f ) 圖3 2 ：兩幀圖像差分和多幀圖像差分疊加的比較 ( a ) 第1 ，j 幀圖像的差分灰度圖像；( b ) 圖像( a ) 的二值圖像；( c ) 第1 + l ，j + l 幀圖像 的差分灰度圖像：( d ) 圖像( c ) 的二值圖像；( e ) 差分灰度圖像( a ) ，( c ) 的疊加圖像：( f ) 疊 加圖像( e ) 的二值圖像；注：( b ) ，( d ) ，( f ) 均為用來止讀者更清晰地看到處理地差別 3 3 邊界自動(dòng)提取 自動(dòng)提取運(yùn)動(dòng)目標(biāo)邊界方法可能多種多樣，本文曾參考了文獻(xiàn) 2 n n n n 部邊界辦法，即依據(jù)梯度變化規(guī)律尋找某些曲線拐點(diǎn)位置。實(shí)驗(yàn)表明：在后續(xù)人 臉部邊界檢測中，該方法在頭部姿態(tài)比較端正的情況下可以取得較好的檢測效 果，但是當(dāng)人臉傾斜度o l o 。，算法通常無法檢測出實(shí)際位置，算法失效。通 人臉檢測算法發(fā)其應(yīng)用研究 過觀察實(shí)驗(yàn)得到的大量垂直和水平投影曲線的分布特征，我們決定采用一個(gè)比較 簡潔工程方法，即相對全局最大值而言，取某個(gè)比例所處的位置為運(yùn)動(dòng)邊界。上 一節(jié)，我們已經(jīng)提到像素投影圖在運(yùn)動(dòng)邊界附近具有峰值( 即運(yùn)動(dòng)目標(biāo)的左右邊 界分別對n ! 投影圖的兩個(gè)波峰) ，因此我們通過確定波峰的上升和下降的某個(gè)閾 值點(diǎn)可以得到粗略的運(yùn)動(dòng)邊界。實(shí)驗(yàn)表明該方法具有魯棒性強(qiáng)，運(yùn)算簡單等多個(gè) 優(yōu)點(diǎn)，不過算法的性能與所選取的閩值有較大關(guān)系。我們采用不同的閩值進(jìn)行邊 界檢測實(shí)驗(yàn)結(jié)果表明閩值取t = 00 5 左右可以得到滿意的分割結(jié)果，良好地均衡 了算法抗十?dāng)_能力和邊界檢測準(zhǔn)確性之間的沖突。邊界檢測算法如下： h“ 令y 沏) = d ( m ，) ，( h ) = d ( m ，n ) 分別表示差分圖像d ( m ”) 的垂直投 n = lm = 【 影曲線和水平投影曲線，其中w ，h 為圖像的寬度和高度。同時(shí)，令 v ；n “= m a x ( v ( m ) ) ，h m x _ m a x ( h ( n ) ) 為垂直投影曲線和水平投影曲線的4 嗥值。由 于礦) ，i t ( n ) 均為一維變量數(shù)組，故得到的礦，h 一為一個(gè)大于零的常量。 對于f 7 ( ) 選取l _ w 方向依次尋找某一位置m ，若對應(yīng)的像素值乓掣r ， p 則可以認(rèn)為m l 為運(yùn)動(dòng)目標(biāo)的左邊界( 翔= m 1 ) ；然后從寸m t 方向依次尋找某 一位置。，若對應(yīng)的像素值；嬰生f ，則可以認(rèn)為，為運(yùn)動(dòng)目標(biāo)的右邊界 ， ( m = m 2 ) 。其中f 為檢測設(shè)定的閾值。由此，我們可以得到運(yùn)動(dòng)目標(biāo)左右邊界。 同理，對于( 月) 選取1 一h 方向依次尋找某一位置”，若對應(yīng)的像素值型f 爿m 、 則可以認(rèn)為n l 為運(yùn)動(dòng)目標(biāo)的上邊界( 即頂部位置n = h 1 ) ；從斗n l 方向依次尋 找某位置月! ，若對應(yīng)的像素值嘗竺蘭f ，則可以認(rèn)為n 2 為運(yùn)動(dòng)目標(biāo)的下邊界 ，i i n a x ( 即底部位置h = n 2 ) 。似如搜索過程沒有找到有效位置，可能意味目標(biāo)沒有完 全進(jìn)入攝像機(jī)的場景( 常出現(xiàn)于車輛情況中) ，算法自動(dòng)保留原始圖像的對應(yīng)邊 界。上述閩值參數(shù)f 在本算法中取值為0 0 5 即r = 0 0 5 。由于上述步驟的目的為 耜略檢測運(yùn)動(dòng)物體區(qū)域，減少后續(xù)處理的搜索范圍，本文所提出的算法可以取得 令人滿意的邊界儉測結(jié)果。邊界確定方法和最后的分割結(jié)果如圖3 3 所示： 圭查查蘭堡主笙塞 塵墮絲型蘭鯊墨苧堡旦! ! ! l ( a ) ( b ) ( c )( d ) 圖3 3 ：確定運(yùn)動(dòng)邊界和運(yùn)動(dòng)目標(biāo)分割結(jié)果 ( a ) 差分圖像往水平方向x 軸的灰度投影圖，其中x l ，x r 分別為算法確定的運(yùn)動(dòng)區(qū)域的 左右邊界：( b ) 差分圖像往垂直方向y 軸的灰度投影圖，其中y t o p 為算法確定的運(yùn)動(dòng)區(qū) 域的上邊界，并保留原始圖像的下邊界：( c ) 待檢測的原始彩色圖像；( d ) 經(jīng)運(yùn)動(dòng)目標(biāo)檢 測后去除了大部分靜止背景的運(yùn)動(dòng)目標(biāo)彩色子圖像，此圖像將用于后續(xù)的膚色檢測等處理 1 8 上海大學(xué)碩上論文 臉檢測算法及其應(yīng)用研究 第四章膚色模型和膚色檢測 4 1 膚色檢測綜述 我們在人臉檢測算法中加入對膚色信息的應(yīng)用，其目的是希望通過在圖像中 i 進(jìn)行是否是膚色的預(yù)先判斷，從而排除非膚色區(qū)域即不可能存在人臉的區(qū)域，達(dá) 到減小搜索空間、提高人臉檢測算法的時(shí)間效率和降低誤報(bào)率的作用。 大量的研究表明無論圖像的亮度信息變化情況下，人體膚色在色度空間內(nèi)分 布穩(wěn)定，聚集在色度平面內(nèi)一個(gè)狹窄區(qū)域，麗且歐洲、非洲和亞洲等種族人群膚 色象素均分布在色度空間的同一個(gè)區(qū)域。依據(jù)人體膚色聚集分布特性，不同研究 人員在各個(gè)彩色空間內(nèi)建立了大量的膚色聚類模型。在此，我們對常用的色彩空 間和膚色模型分別做一個(gè)簡要介紹： 4 1 1 常用的色彩空間 根據(jù)計(jì)算機(jī)色彩理論，對種顏色而言，在計(jì)算機(jī)中有不同的表達(dá)方式， 這樣就形成了各種不同的色彩空間。當(dāng)然各種色彩空間只不過是顏色在計(jì)算機(jī)內(nèi) 不同的表達(dá)形式而已，每一種色彩空間也都有其各自的產(chǎn)生背景、應(yīng)用領(lǐng)域等等。 主要的色彩空間有以下幾種： 1 r g b 格式( 紅、綠、藍(lán)三基色模型) 出于彩色圖像是多光譜圖像的一種特殊情況，對應(yīng)于人類視覺的三基色即 紅、綠、藍(lán)三個(gè)波段，是對人眼的光譜量化性質(zhì)的近似。因此利用r 、g 、b 三 基色這三個(gè)分量來表征顏色是很自然的一種格式。而且多數(shù)的圖像采集設(shè)備都是 以c c d 技術(shù)為核心，直接感知色彩的r 、g 、b 三個(gè)分量，這也使得三基色模烈 成為圖像成像、顯示、打印等設(shè)備的基礎(chǔ)，具有十分重要的作用。 2 h s i 格式( 色度、飽和度、亮度模型) ， 這是m u n s e u 提出的色彩系統(tǒng)模型，經(jīng)常為藝術(shù)家所使用。這種格式反映了 人類艦察色彩的方式，同時(shí)也有利于圖像處理。在對色彩信息的利用中，這種格 e 海大學(xué)碩l j 淪文 人臉檢測算法及其應(yīng)用研究 式的優(yōu)點(diǎn)在于它將亮度( i ) 與反映色彩本質(zhì)特性的兩個(gè)參數(shù)色度( h ) 和飽和度 ( s ) 有效地區(qū)分。我們提取一類物體( 比如現(xiàn)在研究的人臉) 在色彩方面的特 性時(shí)經(jīng)常需要了解其在菜一色彩空間的聚類特性，而這一聚類特性往往體現(xiàn)在 色彩的本質(zhì)特性上，而又經(jīng)常受到光照明暗等條件的干擾影響。光照明暗給物體 顏色帶來的直接影響就是亮度分量( i ) ，所以若能將亮度分量從色彩中提取出去， 而只用反映色彩本質(zhì)特性的色度、飽和度來進(jìn)行聚類分析，會獲得比較好的效果 這也f 是h s i 格式在彩色圖像處理和計(jì)算機(jī)視覺的研究中經(jīng)常被使用的原因。 3 y c b c r ( y u v ) 格式 這種色彩空間是以演播室質(zhì)量標(biāo)準(zhǔn)為目標(biāo)的c c i r 6 0 1 編碼方案中采用的彩 色表示模型，