浅谈基于WebCam的人脸检测技术设计论文.doc

　　浅谈基于WebCam的人脸检测技术设计论文 浅谈基于的人脸检测技术设计论文导读： 摘要 人脸识别技术可以应用于基于X络的身份认证，我们实现了基于的人脸识别与跟踪系统。本文以采集的视频流为数据源，截取视频流中的单帧图像，通过转换色彩空间、人脸肤色建模、后处理操作和人脸定位算法实现了人脸检测，并以此为基础实现了在视频流中对于人脸的跟踪。试验结果表明，我们所实现的人脸识别算法适用于近距离人脸的检测，可以应用于基于的身份认证。 关键词 人脸识别，人脸检测，肤色，定位，视频流 1 Abstract Face recognition can be applied to identity authentication on Inter, no based on . This essay takes video flo as data source, and cuts off Single frame in video floing colored space, plexion modeling, aftertreatment and face orient algorithms, and based on s . Key的人脸检测和跟踪技术是将人脸分析技术与基于Inter的视频流相结合的一项技术，可以应用于在Inter上的身份认证和安全。目前已经有大量的生物认证技术（如指纹识别，虹膜识别，人脸识别）应用于身份认证，用于加强传统身份认证技术（如口令）。但是这些技术均只能用于本机操作，而不能用于Inter上身份的验证。例如，我系计算机教育与应用研究所开发出了基于B/S模式的考试系统，从理论上说可以实现在Inter上的考试。然而，由于不能解决在Inter上的身份认证，该系统目前只能适用于在局域X中进行在线测试。可以设想，如果有了基于的人脸检测和跟踪技术，我们就可以在此基础上实现考试过程中的身份认证和考试监控。 基于（Inter上的摄像头）的人脸检测和跟踪技术的核心是人脸分析。人脸分析的任务包括人脸检测，人脸识别和人脸跟踪。人脸检测是许多后期应用的预处理过程。有许多方法可以用于人脸检测，这些方法可以分成四大类：（1）基于知识（Knoplate matching）的方法，通过手工定义人脸的模板，或者是脸部特征，来与输入图像进行匹配。（4）基于外貌（Appearance-based）的方法，通过机器学习的方法找到人脸中的相关特征。 4 其中，人脸的肤色作为一 浅谈基于的人脸检测技术设计论文(2)导读：何一种彩色光都是彩色三要素：亮度（Brightness）、色调（Hue）、饱和度（Saturation）综合而成的效果。其中，亮度是光作用于人眼时所引起的明亮程度的感觉，它与被观察事务6的发光强度有关；色度反映颜色的种类，是当人眼看到一种或多种波长的光时所生产的彩色感觉，它与光的波长有关，是决定颜色的基本特征；饱和度是指颜色的深浅程度 种有效的特征已经在人脸识别和人手跟踪等许多应用中得到使用和证明。虽然不同的人有不同的肤色，但经研究表明：这主要是由于肤色的亮度和色度之间存在差异造成的。许多基于肤色不变性的人脸识别方法都是构建一个肤色模型。最简单的肤色模型是定义一个肤色像素的色调阈限，用Cr，Cb标识值，例如R(Cr,Cb)是从肤色模型像素的实例中取值的。选用适合的阈限(Cr1,Cr2)和(Cb1,Cb2)，如果一个像素(Cr,Cb)的值符合这个范围域内，即Cr1lt;=Crlt;=Cr2且Cb1lt;=Cblt;=Cb2，那么这个像素被认为是表示肤色的像素。 Cro的人脸检测和跟踪系统来说，由于所传输图像的质量和速度都不是很高，因此对人脸检测和跟踪算法提出了更高的健壮性和实时性要求。 本研究是实现基于的人脸检测和跟踪技术，而这项技术又可以分为如下几部分： （1）从获取视频流； 5 （2）在获取的视频流中进行人脸的检测，包括从背景中确定人脸的存在，以及验证检测到人脸是否是参加在线考试的人员； （3）人脸的跟踪，在在线考试的过程中实时跟踪考生的人脸位置。 因为时间有限，在此次毕业设计中，本文要研究的内容和目标是“利用获取视频流”和“在获取的视频流中，进行单帧人脸定位”。图一给出了本次毕业设计的总体实现流程： 图1 基于的人脸检测和跟踪流程 2 基于肤色的人脸定位 我们之所以能通过眼睛和大脑把单帧图像中的人脸从背景区域中区分出来，很重要的一点原因就是人脸和背景之间存在着可以区分的色彩差异，这种差异同样可以成为程序区分人脸和背景的依据。因此，本文采用人脸中最大块，最集中的不变特征――肤色作为从背景中区分人脸的依据。 2.1彩色空间，以及彩色空间的转换 本文是通过和AVICap提供的视频采集函数来采集单帧图像，图像以32位真彩色方式存放。图像中