毕业设计(论文)人脸定位算法研究.doc

人脸定位算法研究 计算机科学与技术专业 学生：杨晔 指导教师：赵辉煌 摘要：人脸定位是指给定静止图像或视频序列，不管图像中人脸的位置、大小、方向、姿势、光照等如何变化，找到并定位所有人脸的确切位置的一种技术。文章对人脸定位问题作了一些探讨，对几种人脸定位算法进行了验证，同时在综合多个标准人脸库的大型人脸图像库中作了大量实验，目的是确定一种可靠的人脸定位算法，满足实际应用的需要。 关键词：人脸定位；Matlab；二值化；边缘检测；Adaboost算法 1 研究背景 人脸定位就是利用计算机分析人脸图像，从中提取有效的人脸信息，用来确定人脸位置的一种技术。它涉及到模式识别、图像处理、计算机图形学等诸多学科的知识，并与基于其它生物特征的身份鉴别方法有密切联系。同时，人脸定位是人脸识别技术的一个重要研究方向。在今天，人脸识别技术已经广泛应用，它与指纹、视网膜、虹膜、基因、掌纹等其它人体生物特征识别系统相比，人脸识别技术因其无需用户过多参与、非接触式的数据采集方式、对用户无任何损害、便于隐藏等优点而普遍为人们所看好，被称为21世纪最有前途的身份验证方法。人脸识别技术应用背景十分广泛，可用于公安系统刑侦破案的罪犯身份识别、身份证及驾驶执照等证件验证、银行及海关的监控、自动门卫系统、视频会议、机器人的智能化研究以及医学等方面。因此对于人脸识别中的关键环节之一的人脸定位显得尤为重要。 2 算法介绍 2.1 基于肤色分割的人脸定位 2.1.1 YcbCr颜色空间 YCbCr是在世界数字组织视频标准研制过程中作为ITU - RBT1601 建议的一部分，其实是YUV经过缩放和偏移的翻版。其中Y与YUV 中的Y含义一致,Cb,Cr同样都指色彩，只是在表示方法上不同而已。在YUV 家族中，YCbCr 是在计算机系统中应用最多的成员，其应用领域很广泛，JPEG、MPEG均采用此格式。一般人们所讲的YUV大多是指YCbCr。YCbCr 有许多取样格式，如4：4：44：2：2,4：1：1 和4：2：0。 RGBYCbCr色彩空间的转换关系如下: 1) YCbCr转换为RGB R=Y+1.371(Cr-128) G=Y-0.698(Cr-128)-336(Cb-28) B=Y+1.732(Cb-128) 2)RGB转换为YCbCr Y=(77/256)R+(150/256)G+(29/256)B Cr=(131/256)R-(110/256)G-(21/256)B+128 Cb=-(44/256)R-(87/256)G+(131/256)B+128 2.1.2 基于肤色分割的人脸定位的实现 利用肤色信息进行人脸的检测与定位，一个完整的人脸检测和定位过程如图2-1所示： 图2-1 人脸检测和定位过程 Fig 2-1 Face detection and localization process 图2-1中： （1）对图像进行预处理，主要是直方图均衡和平滑处理。 （2）对图片进行颜色空间转换，用建立的肤色模型，对图像中的皮肤像素进行检测。 （3）对检测到的肤色区域进行形态学处理。 （4）标定出图像中的最大块的肤色区域，作为人脸的候选区域。 （5）利用人脸的其它特征来进一步确定人人脸。 （6）定位出所检测到的人脸区域。 通过比较，本文采用的肤色模型如下，即通过阈值方法对肤色进行判决，对图片中的每一个像素（i, j） 这样将图像转变成一个二值图像，白色的区域就是人脸候选区域。然后利用垂直积分投影方法来对人脸候选区域进行判决。算法定位效果如下： 图2-2 不同情况下人脸定位效果 Fig 2-2 The different Human Face positioning effect 总体而言，从实验结果可以看出本算法有如下特点: （1） 对女性人脸的定位效果受到头发的影响比较大，定位精度不高。 （2） 有一定的抗倾斜的能力。 （3） 对背景和被检测者的发型、着装、脸部表情没有严格的限制。 （4） 对于不同的人脸具有较高的鲁棒性。 （5）在实际应用中范围有限。 2.2 基于AdaBoost算法的人脸定位 2.2.1 AdaBoost算法概述 AdaBoost算法是一种基于样本(包括正样本和反样本)训练学习的方法。训练前先从原始的样本图像中计算出相应的Haar特征值，再把Haar特征作为整个训练过程的输入变量，利用算法挑选出部分分类能力较强的Haar特征构成各自对应的弱分类器，然后利用AdaBoost算法按目标驱动的方式将多个弱分类器组