人脸检测系统设计.docx
- 文档编号:3737291
- 上传时间:2022-11-25
- 格式:DOCX
- 页数:39
- 大小:1.76MB
人脸检测系统设计.docx
《人脸检测系统设计.docx》由会员分享,可在线阅读,更多相关《人脸检测系统设计.docx(39页珍藏版)》请在冰豆网上搜索。
人脸检测系统设计
(此文档为word格式,下载后您可任意编辑修改!
)
存档日期:
_____________________存档编号:
______________________
徐州师范大学科文学院
本科生毕业论文(设计)
论文题目:
人脸检测系统设计
姓名:
万洁
专业:
自动化
班级:
07自动化
指导老师:
李旭超
科文学院教务部印刷
摘要
随着信息技术的高速发展,个人身份识别、安检、多媒体信息检索和智能人机交互系统等应用需求,人脸检测系统具有越来越广泛的实用价值和研究意义,成为模式识别领域研究的热点。
本文在研究国内外相关研究成果和最新研究进展的基础上,对应用上需要解决的人脸检测方法进行了研究。
其主要目的是将人脸部分从背景图像中分离出来。
一个对一般环境图像具有一定适应能力的人脸识别系统,通常需要一个鲁棒的、高效的、实时的人脸检测系统。
彩色图像中,肤色是人脸的重要信息。
由于它不依赖于面部的细节特征,因此具有相对的稳定性。
在色度空间中,人脸的肤色分布表现出良好的聚类特性。
利用肤色特征可以快速抛弃大量背景因素迅速得到目标区域。
本文以完成人脸识别前期准备为目标,利用肤色的聚类特性,设计并实现了一
个复杂背景下的人脸检测。
论文包括两方面内容:
人脸检测和光照补偿,其中人脸检测是后一项的基础。
人脸检测:
首先研究了肤色在YCbCr色彩空间呈现的聚类特性,给出肤色在此空间的高斯分布模型。
然后利用高斯模型对彩色图像进行相似度计算。
经过阈值分割、孔洞着色、区域验证等步骤,最终得到人脸区域。
光照补偿:
实验表明光照对人脸检测方法有较大影响,色温偏差和亮度偏差会使检测率大幅下降。
本文采用基于全局白平衡的色温补偿方法和基于复合变换的亮度补偿方法,对光照进行补偿。
实验结果表明这两个方法能对光照进行有效的补偿。
本文通过自行拍摄和网上下载的方法获取了若干个图像文件对算法进行了测试。
实验结果表明本文提出的人脸检测算法具有较高的检测速度和检测率。
关键词:
人脸检测;肤色模型;高斯模型;光照补偿
Abstract
Withtherapiddevelopmentofinformationtechnology,personalidentityrecognition,security,multimediainformationretrievalandintelligenthuman-computerinteractionsystems,FaceDetectionwithmoreandmoreextensivepracticalvalue,hasbecomeahotresearchfieldofpatternrecognition.
Thispaperdosomeresearchonfacedetectionbasedontheachievementsofpreviousresearchers.Itsmainpurposeistofacepartseparatedfromthebackgroundimage.Ageneralenvironmentofimagehascertaintheabilitytoadjustthefacerecognitionsystem,usuallyneedarobustandefficient,real-timefacedetectionsystem.
Incolorimage,colorisfaceimportantinformation.Becauseitdoesnotdependonfacialdetailscharacteristic,thereforetherewithrelativestability.Colorspace,inthefaceofskindistributionexhibitedgoodclusteringfeatures.Theskincolorfeaturecanquicklyabandonedlotsofbackgroundfactorsobtainedrapidlytargetarea.
Thispapertocompletefacerecognitionofpreparationasthegoal,USEScolorclusteringfeatures,designandrealization.Acomplexbackgroundfacedetection.Papersincludedtworespectscontent:
facedetectionandlightcompensation,includingafterfacedetectionisafoundation.Facedetection:
firststudiedcolorYCbCrcolorspacepresentsintheclusteringfeatures,giveskincolorinthisspaceofthegaussiandistributionmodel.Butusingthegaussianmodelonthecolorimagesimilaritycalculation.Afterthresholdsegmentation,holesshading,regionalcheck-upsteps,finallyobtainedthefaceregion.Lightcompensation:
experimentsshowthatlighttohavegreatinfluenceonfacedetectionmethod,colortemperaturedeviationandbrightnessdeviationwillmakedetectionratesdowndramatically.Thispaperbasedonglobalwhitebalancecolourtemperaturecompensationmethodandthebrightnessofthecompositetransformbasedoncompensationmethods,compensateforillumination.Experimentalresultsshowthatthetwomethodscaneffectivelycompensationforillumination.
Thisarticlethroughtoshootanddownloadmethodsforobtaininganumberofimagefilesonthealgorithmwastested.Experimentalresultsshowthattheproposedfacedetectionalgorithmhashigherdetectionrateandthedetectionrate.
Keyword:
facedetection;skinmodel;gaussianmodel;lightcompensation
摘要I
AbstractII
1绪论1
1.1课题研究背景及意义1
1.1.1人脸检测国内外发展现状:
1
1.1.2人脸检测研究的意义2
1.2人脸检测常遇的困难因素3
1.3论文的主要工作4
1.4本文的结构安排5
2人脸检测技术方法综述6
2.1基于启发式模型的人脸检测6
2.2基于肤色模型的人脸检测8
2.3基于统计模型的人脸检测8
2.4本章小结10
3基于肤色模型的彩色图像人脸检测11
3.1肤色模型概述与建立11
3.2颜色空间的选择11
3.3建立肤色模型15
3.3.1模型选取16
3.3.2样本统计18
3.4肤色分割过程19
3.4.1相似度计算19
3.4.2阈值分割20
3.4.3孔洞着色22
3.4.4区域的验证26
3.5本章小结27
4人脸检测算法中的光照补偿策略与系统的实现28
4.1引言28
4.2光照条件判断29
4.3色温补偿30
4.4亮度补偿32
4.4.1非线性变换32
4.4.2复合变换33
4.5系统实现流程图37
4.6本章小结38
5总结与展望39
5.1总结39
5.2展望39
致谢41
参考文献42
附录45
1绪论
1.1课题研究背景及意义
1.1.1人脸检测国内外发展现状
人脸检测这一问题最初是作为自动人脸识别系统的定位环节而被提出的,它是自动人脸识别系统中的一个关键环节。
早在上个世纪六七十年代,就有学者对人脸识别与检测的问题进行了初步的探索与研究。
最初的人脸识别以人脸特征点间的距离、比率等参数为特征,建立了一个半自动人脸识别系统。
早期人脸识别研究主要有两大方向:
一是基于人脸几何特征的方法,即人脸器官归一化的点间距离和比率以及人脸的一些特征点,例如眼角、嘴角、鼻尖等部位所构成的二维拓扑结构;二是模板匹配的方法,即利用计算机模板和图像灰度的相关性来实现识别功能。
Berto在1993年对这两种方法作了较全面的介绍和比较后认为,模板匹配的方要法优于几何特征的方法。
到了二十世纪九十年代,人脸识别成为科研热点。
但是人脸识别所采用的人脸库还很小,最常用的人脸库仅包括100幅左右的人脸图像,例如MIT库、Yale库、CMU库等人脸库,它们均为小型库;而且人脸库之间的输入条件各异,不同的识别算法之间很难进行比较。
为了促进人脸识别进行深入研究和实用化,美国国防部发起了建立人脸识别技术工程,它包括一个通用人脸库和一套通用测试标准。
不过该库中包括有军人的图片不能在美国以外获得,故其他国家的研究只能采用本地的人脸库,如英国的Manchester人脸库。
目前的人脸识别主要有两个方向:
一是基于整体特征的研究方法;二是基于局部特征分析的方法。
近几年随着电子商务等应用的发展,人脸识别已逐渐成为最有潜力的生物身份验证手段,这种应用背景下要求自动人脸识别系统能够对一般环境图像具有一定的适应能力,由此所面临的一系列实用性问题使得人脸检测也开始作为一个独立的课题受到研究者的重视。
人脸检测的问题在近十年中得到了广泛的关注和长足的发展,国内外很多研究学者提出了很多种人脸检测的方法,并在不同的领域取得了一定的成果。
但对于寻找一种能够普遍适用于各种复杂情况的且准确率很高的检测算法,还有很大的距离。
现今,国外的主要研究单位有美国的麻省理工媒体实验室(MITMedialab)、卡耐基梅隆大学的人机交互学院(Humancomputerinterfaceinstitute)、微软研究院的视觉技术研究组(VisionTechnologyGroup)、英国剑桥大学工程系(DepartmentofEngineering)等,我国的研究单位主要有中科院自动化所、中科院计算所、哈尔滨工业大学、清华大学、浙江大学等等。
MPEG-7标准组织也已经建立了人脸识别草案小组,人脸检测算法也是一项征集的内容。
随着人脸检测技术研究的深入,国际上发表的有关论文数量也大幅度增加,如IEEEFG(IEEE人脸与手势自动识别国际会议)、ICIP(图像处理国际会议)、CVPR(计算机视觉与模式识别会议)等一些重要国际会议上每年都有大量关于人脸检测的论文,占有关人脸研究论文的近1/3之多。
从整体来看这一方向涉及了数字图像处理、计算机视觉、人工智能等多个学科领域,同时这一领域适应了现代计算机网络发展和现代通信发展的需要,无论是从学术性还是从实用性来看,均具有极高的研究与应用价值。
从目前已有的研究来看,要完全实现一个全自动的人脸检测跟踪识别系统还有一定的难度,但是若要实现特定环境下的自动人脸检测和识别还是有可能的,随着计算机和网络技术的普及,以及图像、视频等多媒体内容在计算机信息中比重的加大。
这一研究方向必然会得到更快的发展。
1.1.2人脸检测研究的意义
首先在这里给出人脸检测的定义:
人脸检测是指对于任意一幅给定的图像,采用一定的策略对其进行搜索以确定其中是否含有人脸,如果是则返回一脸的位置、大小和姿态。
人脸检测作为人脸信息处理中的一项关键技术,近些年来已成为模式识别与计算机视觉领域内一项受到普遍重视,且研究十分活跃的课题。
人脸检测技术在很多方面都有重要的应用,如:
1、身份鉴定
人脸身份鉴定技术是生物识别技术中重要一种,以其直接性,唯一性,方便性等特点在公安,海关,交通,金融,社会保险,医疗及其它民用安全控制系统等领域具有较为广阔的发展前景和很高的社会经济效益。
2、智能监控
在传统的视频监控系统(如闭路电视系统)中,工作人员需要不断监控屏幕去发现可疑的事件和目标,因此工作量很大而且效率也很低。
在采用人脸检测技术的智能监控系统中,计算机可以在分割、检测出人物目标时自动通知工作人员的介入,从而减轻工作人员的负担并且提高效率;计算机还可以对这些目标的运动模式进行一些自动分析,以确定是否为可疑目标。
3、多媒体信息检索
随着因特网技术的迅速普及,以及网上多媒体信息(如图像,视频)日益丰富,使得目前所能应用的信息资源已经非常丰富和庞大,而快速有效地寻找感兴趣的相关信息已经变得日趋困难,采用关键字和描述文本检索的方式已经无法胜任现有的需求,于是基于内容的多媒体信息检索技术应运而生,内容为人脸的图像和视频检索是其中非常重要的部分。
4、人机交互
在人机交互中,计算机把关于用户身份、状态、意图的信息从图像中抽取出来,然后做出相应响应,比方说观察一个人的面部表情,然后采用不同的方式进行问题处理。
在上述几个方面,人脸识别、辨认、定位以及追踪等都与人脸检测密切相关。
人脸定位的目的是为了确定图像中人脸的位置。
假设一幅图像中只存在一张脸,则面部特征检测的目的是检测特征的存在和位置,如眼睛、鼻子、鼻孔、眉毛、嘴唇、耳朵等。
人脸识别或辨认是将输入图像与数据库中的图像对比,如果存在,报告匹配结果。
人脸识别的目的是为了检验输入图像中的个体的身份,而人脸追踪方法是实时地、连续地估计在图像序列中的人脸的位置和可能的方向。
面部表情识别涉及识别人类的情感状态,如高兴、悲伤、喜恶等。
任何一幅人脸图像处理系统的第一步是人脸在图像中的位置,然而从单张图片中检测出人脸是一项具有挑战性的工作,因为人脸在大小、位置、方向、姿势方面是可变的,人脸表情、牙齿相接触的方式、光照等,也会改变人脸的整体外观。
1.2人脸检测常遇的困难因素
人脸是一类具有相当复杂的细节变化地结构体,因此人脸检测是一个复杂的具有挑战性的模式检测问题,其主要的难点有两方面:
一方面是由于人脸内在的变化所引起,另一方面是由于外在条件所引起的变化,具体可归纳为以下几个方面:
(1)面部表情:
脸部的外观直接受到面部表情的影响。
(2)姿势:
人脸图像因为相机和人脸的相对位置而产生变化(正面,45度角,侧面,颠倒)。
另外,一些脸部特征如人眼或鼻子可能部分或完全被遮挡。
(3)存在或缺少结构化成分:
脸部特征如上唇胡须,下巴胡须,眼镜等并不是每个人脸中都有。
并且这些成分的变化很多,比如形状,颜色,大小等。
(4)遮挡:
人脸可能部分被别的物体遮挡住。
在一幅有一群人的图像中,一些人脸可能被别的脸挡住。
(5)图像朝向:
人脸图像直接因为照相机的光轴转动而变化。
(6)图像条件:
当图像被建立时,各种光线(光谱,光源分布,强度)和相机特质(感应器,镜头)都影响人脸的外观。
1.3论文的主要工作
目前,随着图像采集技术的飞速发展以及计算机处理速度的不断提高,彩色图像在各种应用中逐渐占据了主流地位。
彩色图像包含的信息要比灰度图像丰富的多,对色彩信息的利用已经越来越广泛的应用在计算机视觉研究领域。
彩色图像中,肤色是人脸的重要信息,由于它不依赖于面部的细节特征,对于旋转、表情、姿态等变化情况都能适用,因此具有相对的稳定性。
在色度空间中,人脸的肤色分布能表现出良好的聚类特性。
利用肤色特征可以快速抛弃大量背景因素迅速得到目标区域。
本文以完成人脸识别的前期准备为目标,利用肤色的聚类特性,设计并实现了一个复杂背景下的人脸检测,论文包括以下内容:
(1)肤色分割过程:
在比较色彩空间对肤色聚类性质的基础上,建立了肤色分布的高斯模型并计算各点的肤色相似度。
然后对肤色相似度进行阈值分割,图像被分割为背景和类肤色区域。
再把所有的类肤色区域标定和验证,排除其中的非人脸区域,最后得到人脸区域。
(2)光照补偿:
由于肤色受光照的影响比较大,因此在进行肤色分割前需要消除光照的影响。
本文采用了全局白平衡的方法进行色温的补偿,用基于复合变换的方法进行亮度补偿。
为了能够自动补偿,本文对光照条件进行了判断。
1.4本文的结构安排
全文共分为五章,具体安排如下:
第一章绪论,简要介绍了人脸检测技术产生的国内外背景和意义,以及人脸检测技术的应用范围,如:
身份鉴定、视频检索、智能监控、人机交互等领域,强调了人脸测技术研究的重要意义;最后给出了本文的主要研究内容和论文的组织结构。
第二章人脸检测技术综述,对现有的人脸检测算法进行了分类:
基于启发式方法、基于肤色方法和基于统计的方法。
详细地分析了一些具有代表性的方法的特点,并对这三类人脸检测算法进行了性能评价和小结。
第三章彩色图像中的肤色分割技术,包括肤色特征,色彩空间理论,肤色
模型分类和建立。
第四章基于不同光照条件下肤色模型的人脸检测算法,从三类不同光照模
型入手,分析不同光照环境对人脸检测系统的肤色匹配环节影响,实验从主观和
客观上验证了算法的有效性。
第五章总结与展望,总结了全文内容和工作,并对需要进一步研究的问题
进行了展望。
2人脸检测技术方法综述
人脸检测是指在输入图像中确定是否有人脸存在的过程。
人脸检测系统的输入是可能包含人脸的图像,输出是关于图像中是否存在人脸以及人脸的位置、大小等信息的参数化描述。
人脸检测的对象从广义上讲既包括整张人脸,也包括某个面部器官,例如眼睛、鼻子、嘴巴、眉毛等。
检测的内容除了从一幅背景图像中将被检测对象分割出来以外,还包括确定其位置、方向、大小、甚至形状等。
综上所述,人脸检测问题所包含的问题十分的广泛,从不同的角度可以有多种分类方法,本论文所讨论的主要是静止图像中的人脸检测问题。
根据对人脸检测算法发展和现状的研究,我们可将人脸检测主流算法分为三类进行简单的介绍与分析,分别为:
基于启发式模型的方法、基于肤色模型的方法以及基于统计理论的方法。
2.1基于启发式模型的人脸检测
基于启发式模型的方法首先抽取几何形状、灰度、纹理等特征,然后检验它是否符合人脸的先验知识。
通过检测出不同的人脸几何特征位置,根据它们之的空间几何关系来定位人脸,所谓人脸的几何特征指的是人类面部器官在几何体现的特征。
基于启发式模型的方法可细分为以下三个方面:
基于先验知识的方法、基于局部特征的方法和基于模板的方法。
(1)基于先验知识的方法:
是将人脸面部器官之间的关系编码准则化的人脸检测方法。
该方法是一种自上而下的方法,根据人脸面部器官的对称性、灰度差异性等先验知识,制定出一系列的准则,当图像中的待测区域符合准则,则被检测为人脸区域。
Yang等人在1994年提出的基于镶嵌图的人脸检测方法是基于先验知识方法的典型例子。
此方法是利用4×4镶嵌图将人脸分块,根据每一块的灰度值制定准则来进行判定的。
他们将系统分成三级,利用不同精度的二次采样产生三级不同分辨率图像。
针对不同分辨率的图像采用不同准则进行判定,如:
在低分辨率图像里的准则主要体现了人脸的大体轮廓,而在高分辨率图像里的准则主要体现了人脸的细节特征。
虽然Yang的方法在检测性能方面不是很突出,但是这种由粗至细的检测思想对以后的研究工作却产生了积极深刻的影响。
卢春雨等对镶嵌图方法进行了改进,并提出了3x3的广义三分图方法。
此方法充分利用了人脸器官的自然分布,这样可以更直观的利用人脸的先验知识来制定准则,使得镶嵌图子块对脸形的自适应操作成为可能,并且取得了较好的实验结果。
(2)基于局部特征的方法:
此方法着眼于检测面部的一些不变的特征,如眼睛、鼻子、嘴巴等等。
此法首先在整个图像中搜索一组人脸的局部特征,然后通过它们之间的几何关系组合成候选人脸区域。
与基于先验知识的方法不同,此方法是自底而上的,首先利用各种手段寻找上述的不变特征,然后综合找到的这些不变特征来确定待检测区域是否有人脸存在。
Graf等首先利用带通滤波器选择出一段频率,然后依据形态学的知识设定一系列的阈值来找出眼睛、嘴巴等区域,最后依照以上位置来检测出人脸。
王延江等利用肤色方法分割出人脸的候选区域后,然后再利用小波分解对每一个侯选区域进行人脸特征分析,若所检测到的区域特征分布相似于某一预先定义的人脸模型,则确认该区域代表人脸。
这种方法的主要问题是由于图像噪声等因素的影响,造成人脸局部特征不太明显,这使得根据局部特征组合人脸的算法失效。
(3)基于模板的方法可分为两类:
即预定模板和变形模板。
预定模板方法是首先制定出标准的模板,然后计算出待检测区域和模板的相关值,当相关值符合制定的准则时就判定待检测区域内有人脸。
变形模板首先制定出模板参数,然后根据检测区域的数据对参数进行修改直至收敛,以达到检测出人脸面部器官位置的目的。
梁路宏等提出多模板匹配的方法,预制人眼和不同长宽比的五种人脸模板,首先用人眼模板进行初步筛选,然后再用人脸模板进行检测以适应不同的脸形。
此方法对单人脸的检测有比较好的效果。
Cootes等提出的主动形状模型(ASM)与主动表观模型(AAM)是变形模板中很经典的两种方法,现在很多学者仍以此为基础,进行更加深入的研究。
2004年,Cootes又提出了一种新的统计形状模型法,称为平滑统计形状模型方法。
此方法是利用卷积函数取代传统形状模型方法的坐标点来表示人脸的轮廓和关键部位的。
该文最后指出,此方法在对变形物体的建模和表达方面将会有广阔的应用价值。
2.2基于肤色模型的人脸检测
肤色是人脸表面所具有的一种重要信息,由于它不依赖于面部的细节特征,能适应人脸旋转、表情等各种变化,具有相对的稳定性,并且和大多数背景物体的颜色相区别,因此基于肤色模型的人脸检测方法是比较常用的方法之一,也是最容易理解的。
它的主要手段是利用人脸肤色与周围环境的差异,通过肤色将人脸与背景环境区分开来。
经研究发现:
(1)在灰度图像下两个外形相似的图像很可能在颜色空间下相差巨大;
(2)不同人种的人脸肤色能在颜色空间中聚成相异的紧凑的类;(3)影响肤色值变换的最主要因素是亮度而不是色度;根据以上这些性质,人们在研究中经常使用的颜色空间有RGB(三基色)、rgb(亮度归一化三基色)、HIS(色调、饱和度、亮度)、YCbCr(CCR601编码方式的色度模型)以及UCS(CIE提出的一种均匀色标体系)。
目前,在各种颜色空间中,均有人提出过肤色模型,这些肤色模型各有特点,有的只是对色调敏感,有的对色调不敏感而受亮度影响较大,因此只有综合使用几种肤色模型,这样才能达到比较好的效果。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 检测 系统 设计