毕业设计在Ycbcr空间中的基于某肤色的人脸检测.docx

毕业设计在Ycbcr空间中的基于某肤色的人脸检测.docx

《毕业设计在Ycbcr空间中的基于某肤色的人脸检测.docx》由会员分享，可在线阅读，更多相关《毕业设计在Ycbcr空间中的基于某肤色的人脸检测.docx（37页珍藏版）》请在冰点文库上搜索。

毕业设计在Ycbcr空间中的基于某肤色的人脸检测

理工大学

毕业设计（论文）

基于视频的人脸检测研究

学院（系）：

机电工程学院

专业班级：

学生：

指导教师：

学位论文原创性声明

本人重声明：

所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。

除了文中特别加以标注引用的容外，本论文不包括任何其他个人或集体已经发表或撰写的成果作品。

本人完全意识到本声明的法律后果由本人承担。

作者签名：

年月日

学位论文使用授权书

本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

本人授权省级优秀学士论文评选机构将本学位论文的全部或部分容编入有关数据进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

本学位论文属于1、囗，在年解密后适用本授权书

2、不囗。

（请在以上相应方框打“√”）

作者签名：

年月日

导师签名：

年月日

摘要I

AbstractII

1绪论1

1.1课题背景及研究意义1

1.2国外研究发展现状2

1.3本文的主要容3

2人脸检测技术简介4

2．1基于先验知识的方法4

2．2基于特征的方法5

2．3基于模板匹配的方法6

2．4基于统计模型的方法6

2．5本文算法方案的提出9

3算法设计与matlab实现10

3．1常见的颜色空间10

3．2颜色空间地选择14

3．3肤色模型的建立14

3.4肤色的提取15

3.5人脸区域形态学处理16

3．6人脸区域的筛选与标记17

3.7误检分析22

4结论及展望24

参考文献25

致谢26

摘要

人脸识别技术属于生物验证的一种，在身份验证领域日益发挥重要作用，具有十分广泛的应用前景。

人脸检测和定位问题是人脸识别技术首先要解决的问题。

人脸检测算法是一个高效的、自动的人脸识别系统中的关键技术之一。

如今人脸检测问题已成为一个热门研究领域，新的算法不断被提出，不过由于人脸的复杂性，目前尚不能找到一个完美的算法。

在不同应用环境下，有不同的算法，本文针对应用于视频中人脸检测问题进行了研究，论文的主要工作如下：

本文首先对当下流行的几种人脸检测算法进行分析并比较各自在视频人脸识别中的适用性。

结合其实现难度，提出一个能适应视频人脸识别的在YCbCr色彩空间中基于肤色的人脸检测算法，由于肤色在YCbCr空间受亮度信息的影响较小，本算法直接考虑YCbCr空间的CbCr分量，映射为两维独立分布的CbCr空间。

在CbCr空间下，肤色类聚性好，利用人工阈值法将肤色与非肤色区域分开，形成二值图像。

非肤色区域中依然有可能有部分区域颜色与肤色相近，所以阈值分割后的图像依然存有部分假肤色区域，经过形态学处理和限制长宽比之后，可得到人脸区域。

在确定人脸区域后，我们需要在原图上对人脸区域进行标记，这里可通过找到一些关键点，作出矩形框标记人脸区域。

关键词：

YCbCr色彩空间；肤色分割；人脸检测。

Abstract

Facerecognitiontechnologyisakindofbiologicalvalidation,inauthenticationrealm，playanincreasinglyimportantrole,withaverywiderangeofapplications.Facedetectionisthefirstproblemtobesolved.Facedetectionalgorithmisoneofthekeystechnologiesofanefficient,automatedfacerecognitionsystem.Today,facedetectionhasbecomeahotresearchfield,newalgorithmscontinuetobemade​​,butbecauseofthecomplexityoftheface,itisnotyetfoundaperfectalgorithm.Indifferentapplicationenvironment,therearedifferentalgorithms,thispaperstudiedappliestohumanfacedetectionvideo,thepaper'smainworkisasfollows:

Thisarticleanalyzeseveralcurrentpopularfacedetectionalgorithmfirstandthencomparetheirapplicabilityinthefacerecognitionforvideo.Combinedwithitsimplementationdifficulty,proposeanadaptivefacerecognitionforvideointheYCbCrcolorspace,color-basedfacedetectionalgorithm,asintheYCbCrcolorspacelessaffectedbythebrightnessinformation,theproposedalgorithmdirectlyconsiderCbCrcomponentYCbCrspace,two-dimensionaldistributionmapofCbCrspaceindependent.InCbCrSpace,colorclusteringisgood,theuseofartificialthresholdmethodtoseparatetheskinandnon-skinregion,formedabinaryimage.

Innon-skinregion,therearestillsomeareasmayhavesimilarcolorandskincolor,soafterthresholdingtheimagestillexistsomefalsecolorregion,throughmorphologicalprocessingandconstraintheaspectratio,theobtainedfaceregion.

Indeterminingthefaceregion,weneedtomarkthefaceregionontheoriginalpicture,Byfindingsomekeypointsthe​​rectanglelabeledhumanfaceregioncouldbemade.

Keywords:

YCbCrcolorSpace;skincolorsegmentation;humanfacedetection.

1绪论

1.1课题背景及研究意义

1.1.1课题背景

自古以来，有关身份验证的研究就一直没有停止过，古代主要通过印章来验证身份，此法沿用至今，到现代，随着计算机和信息技术的发展，人类通过密码、ID卡、IC卡等来验证身份，目前，人们还有通过人类的生物特征来验证身份，比如说大家熟知的指纹验证、精确度更高的虹膜验证、掌纹验证、人脸识别（facerecognition）验证等，其中，人脸识别验证是难度最大的。

近年来随着人工智能和电子商务迅速发展，人脸识别技术成为最有潜力的生物识别技术和人类生物特征验证手段。

利用计算机处理人脸图像，从中提取出有效的面部信息并以此来辩识该人的身份的技术，便为人脸识别技术。

相对于其他身份识别技术，人脸识别技术具有友好，使用方便，受限小等优点。

人脸识别技术可以被应用在多种不同的需要身份验证的领域，如金融、证券、公安部门的刑侦等领域。

随着网络技术的发展和其日益广泛的应用，信息安全也成为非常重要的一个方面，如果将人脸识别应用到计算机的登录上，那么相对于密码登录，能更加高效地保证计算机被使用时的安全性。

在人脸识别系统中，对于人脸的检测与定位是人脸能实现有效识别的先决条件和关键技术，在人脸识别技术的早期，都是认为人脸是已经得到并已实现定位的假设下进行的，但随着技术的应用日益广泛，此项假设已经不能满足需求，这便提出了人脸检测（facedetection）技术。

对于人脸检测技术，主要涉及以下几个问题的研究：

人脸特征的描述：

即如何描述一人脸的典型特征，比如说相对固定的几何外形，都有眼睛和嘴巴，对于同一人种，肤色大家都差不多，也就是肤色具有类聚的特征，对于不同的特征描述方式，我们就会提出不同的检测方法，可以这样说，选择一个较好的人脸特征描述方式，那我们就会事半功倍，取得较好的效果。

尺度：

对于不同的人脸照片，人脸的大小会有所不同，在同一相片中，也可能有大小不一的人脸，这对于在对人脸的大小特征描述是一个比较大的挑战。

搜索策略：

在描述了人脸特征之后，如何搜索到这些特征点便要用到合适的搜索策略。

速度和精度：

任何一个实现判断功能的系统，其精度和速度都是十分重要的指标。

人脸检测也不例外，在我们选择特征描述和搜索策略时，要在满足精度和速度要求下进行[1-2]。

人脸检测的难点主要有一下几项：

（1）如何判断图像中是否存在人脸，如何区别人脸和类似人脸的非人脸图像，这是人脸检测不同于人脸识别的地方。

（2）人脸具有复杂的细节变化，脸形、肤色等特征的个体差异比较明显，即使同一个人也会有不同的表情和姿态等，当侧脸时有面部器官的缺失，这些都使人脸的变化复杂，增加了很大的难度。

（3）某些外部物品可能会遮挡人脸，如头发、眼镜、帽子等。

（4）由于不同的成像角度会造成人脸的不同姿态，如平面旋转、深度旋转以及上下旋转，其中深度旋转影响较大。

（5）光照的影响，如图像中的亮度、对比度的变化和阴影等。

（6）图像的成像条件，如摄像设备的焦距、成像距离、图像获得的途径。

由此可见，人脸检测涉及的问题十分广泛，它是一个复杂的具有挑战性的问题。

解决此问题具有重要的学术价值，可以为其它类似的复杂模式检测问题提供重要启示，因此人们对人脸检测进行了大量的研究工作。

1.1.2课题研究的意义

研究人脸识别在理论和技术上都有重要的意义：

一是可以推进对人类视觉系统本身的认识；二是可以满足人工智能应用的需要。

采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。

同时人脸识别作为一种生物体征识别与其它较成熟的识别方法（如指纹、虹膜、DAN检测等）[3]相比有以下几个优点：

①无侵犯性，人脸图像的获取不需要被检测人发生身体接触，可以在不惊动被检测人的情况下进行；

②低成本、易安装，人脸识别系统只需要采用普通的摄像头、数码摄像机或手机上的嵌入式摄像头等被广泛使用的摄像设备即可，对用户来说也没有特别的安装要求；

③无人工参与，整个人脸识别过程不需要用户或被检测人的主动参与，计算机可以根据用户预先的设置自动进行。

由于具有以上优点，近几年来，人脸识别技术引起了越来越多科研人员的关注。

人脸检测研究具有重要的学术价值。

人脸是一类具有相当复杂的细节变化的自然结构目标,此类目标的检测问题的挑战性在于:

①人脸由于外貌、表情、肤色等不同,具有模式的可变性;②一般可能存在眼镜、须等附属物;③作为三维物体的人脸的影像不可避免地受由光照产生的阴影的影响；因此,如果能够找到解决这些问题的方法,成功构造出人脸检测与跟踪系统,将为解决其它类似的复杂模式检测问题提供重要的启示。

1.2国外研究发展现状

人脸检测问题是计算机视觉领域中的重要问题，最初作为人脸自动识别系统的定位环节被提出，近年来由于其在安全访问控制、视觉监测和新一代人机界面等领域的应用价值，开始作为一个独立的课题受到研究者的重视。

人脸检测问题在近十年中得到了深入的研究并取得了长足的发展，国外的很多学者提出了许多不同的方法，在不同的领域都取得了不同的成果，但是要寻找一种准确率很高的、能普遍适用于各种复杂情况的人脸检测算法，还有一定的距离。

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，国的微软亚洲研究院、中科院自动化研究所、清华大学、工业大学等都有专业人员从事人脸检测的相关研究[4]。

而且，MPEG7标准组织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容。

此外，随着人脸检测研究的深入，国际上发表的有关论文数量也大幅度增长，如IEEE的FG、ICIP、CVPR等重要的国际会议上每年都有大量的关于人脸检测的论文，占有关人脸研究论文的1/3之多。

其中提出了许多当下流行的算法,Yang和Huang提出了Mosaic方法[5]；Zabrodshky提出连续对称性检测方法，检测一个圆形区域的对称性，从而确定是否为人脸[6]；Riesfield提出广义对称变换方法检测局部对称性强的点来进行人脸器官定位[7]；卢春雨定义方向对称变换，分别在不同方向上考察对称性，不仅能用来寻找强对称点，而且还可以描述强对称性物体的形状信息，这样的变换对人脸偏转、脸部表情变换、光照等因素都不敏感，使人脸器官定位更为有效[8]。

国很多研究机构、大学以及科技公司都对此区域进行了深入的研究。

清华大学、工业大学、理工大学、大学、交通大学、中国科学院计算技术研究所和中国科学自动化研究所等都有人员从事人脸检测方面的相关研究。

为了促进这项技术的发展，很多知名的国际会议、期刊都设立了人脸检测技术专题，其中包括CVPR、ICPR、IEEE等，方便研究人员间的技术交流与学习。

只不过就目前国外对人脸检测研究的现状来看，虽然针对人脸检测已经提出了多种算法，也取得了一定的成果。

整体来看，人脸检测研究涉及计算机视觉、数字图像处理、人工智能等多个学科领域，同时这项研究还满足了现代计算机网络和通信系统高速发展的需求，无论从实用性还是从学术性来看，均具有很高的研究价值。

随着计算机网络的普及，图像、视频等多媒体信息在计算机信息中比重的加大，这一研究必然会得到更快、更长远的发展。

1.3本文的主要容

本文主要利用肤色的聚类特性，实现了一个复杂背景下的人脸检测，本文的主要容为：

第一章介绍了研究本课题的课题背景、学术意义和应用意义，简要介绍了人脸检测的国外研究和发展现况，并对本文的主要容作了简要说明。

第二章为人脸检测技术简介，通过比较目前比较常用的人脸检测方法，对它们的优劣和实现难度等指标进行评估，提出适合在视频中应用的人脸检测算法，也是本文主要研究的算法-在YCbCr色彩空间中的基于肤色的人脸检测。

第三章针对提出的算法进行了算法的实现，并在matlab平台上进行了计算机仿真，对部分仿真结果进行了分析，对算法的应用场合和实用性进行评估。

对误检结果进行了分析，并将其作为未来使用中的参考。

2人脸检测技术简介

人脸检测是指在输入图像中确定所有人脸（如果存在）的位置、大小、位姿的过程。

人脸检测作为人脸信息处理中的一项关键技术，近年来成为模式识别与计算机视觉领域一项受到普遍重视、研究十分活跃的课题。

人脸检测问题来源于人脸识别问题。

人脸检测是对给定的图像，判断其中是否有人脸，若有，将所有人脸从背景中分割提取出来，并确定每个人脸在图像中的位置和大小。

人脸检测技术可以应用于人脸识别、视频会议、图像与视频检索、刑侦破案和证件验证等领域。

人脸检测是对于输入的人脸图像或视频，首先判断其中是否存在人脸，如果存在人脸，则进一步给出每个人脸的位置、大小以及各个主要面部器官的位置信息，并依据这些信息，进一步提取每个人脸中所蕴含的特征，并将其与已知人脸库中的人脸图像进行对比，从而得到识别结果。

由此可见，一个完整的人脸识别过程应包括人脸检测与人脸识别两大部分。

人脸识别由两部分工作组成：

（l）人脸检测：

在输入的图像或视频画面当中确定存在的人脸位置、尺寸等的过程，这是识别工作的基础课题，在减少算法复杂度等方面对识别工作有关键性影响。

（2）人脸识别：

通过与计算机相连的摄像头动态捕捉人的面部信息，并把捕捉到的人脸与预先录入的人脸数据库中存储的人脸进行比较识别。

人脸检测的基本思想是建立人脸模型，比较所有可能的待检测区域与人脸模型的匹配程度，从而得到可能存在人脸的区域。

本章主要对常用的人脸检测方法进行总结、分析，得出自己的算法依据。

近几年，人脸检测技术发展迅猛，研究人员提出很多人脸检测的方法，但是由于人脸检测问题的复杂性，实现通用的人脸检测方法还不实际，因此解决特定约束条件下或某种应用背景下的人脸检测问题仍将是该领域研究的主要课题。

对人脸进行检测之前，需要对人脸的特征进行合适的描述，人脸的特征有许多，大体可分为生物特征和外形特征，生物特征有肤色，人类固有的眼、鼻、口等。

外形特征有相对固定的长宽比，相对固定的形状，以及面部器官的几何关系等。

针对不同的人脸特征描述方式，就可以提出不同的人脸检测方案。

从目前来看，人脸检测方法大致可分为以下四类。

2．1基于先验知识的方法

这种方法是利用对人脸的先验知识给出检测规则来进行人脸检测。

人脸局部特征的分布总是存在着一定的规则，如图像中出现的人脸通常会有几个位置和数量相对固定的面部器官，如鼻子、眼睛、嘴巴等。

在一幅人脸图像中，面部的这些特征将首先被提取出来，然后基于检测规则将候选的脸部区域辨别出来。

2.1.1器官分布法

虽然人脸在外观上变化很大，但五官的空间分布大致符合一些普遍的规律，器官分布法检测人脸即是检测图像中是否存在满足器官分布规则的图像块。

这种方法一般有两种思路：

一种思路是“从上至下”，其中最为简单有效的是Mosaic方法，它给出了基于人脸区域灰度分布的规则，依据这些规则对图像从粗分辨率到高分辨率进行筛选，以满足这些规则的程度作为检测的判据。

这种方法的吸引之处在于使用从粗到细的策略减少了计算量。

另一种思路则是“从下至上”，先直接检测几个器官可能分布的位置，然后将这些位置点分别组合，利用器官分布的几何关系准则进行筛选，找到可能存在的人脸。

2.1.2投影法

这是一种利用图像的投影快速定位人脸边界和脸部特征的方法。

在处理一幅输入图像时，首先获得其水平投影，然后通过检测其图像的急剧变化处得到两个局部最小值，这两个值对应头部的左右轮廓线。

类似地，通过检测垂直投影的局部最小值，检测出人脸的嘴唇、鼻尖和眼睛。

这种方法的缺陷在于无法有效检测出有多人脸的图像以及在复杂背景中的人脸。

2.1.3对称法

人脸具有一定的轴对称性，各个器官也具有很强的点对称性。

连续对称性检测方法，检测一个圆形区域的对称性，从而确定是否为人脸；广义对称变换方法检测局部对称性强的点来进行人脸器官定位；卢春雨定义方向对称变换，分别在不同方向上考察对称性，不仅能用来寻找强对称点，而且还可以描述强对称性物体的形状信息，这样的变换对人脸偏转、脸部表情变换、光照等因素都不敏感，使人脸器官定位更为有效[8]。

该方法对图像要求很高，并且受姿态、表情、光照等因素的影响较大。

其中器官分布法、对称法准确率较高，但运算量大；而投影法虽然准确率不高，但运算量小。

2．2基于特征的方法

基于特征的方法试图先找出人脸的稳定特征，再利用其它信息进一步检测人脸。

人脸的稳定特征是指在外界环境有所改变时相对不变的特征，比如人的脸部特征、肤色、纹理以及它它们的综合特征等。

2.2.1脸部特征

首先我们要提出一些可靠有效的方法来检测脸部特征，然后推断是否有人脸存在。

至于人的脸部特征，往往使用边缘检测来获得，如眼睛、眉毛、嘴巴、鼻子等。

基于这些特征，我们可以建立起描述特征之间的统计模型，然后去校验是否有人脸存在。

当然，这种方法也存在缺陷，此种方法的缺陷在于表情、光照、噪声等因素会造成脸部特征边界弱化，这样就影响到人脸检测结果的准确性。

2.2.2纹理特征

人脸的纹理特征可以分为三类，即皮肤、毛发和其它类，这些人类特有的纹理可以被用来区别其它物体。

这种方法的优点是在对于“不干净”的人脸检测上，如有须、眼镜等附属物存在时，检测结果仍然比较准确。

2.2.3肤色特征

研究表明，人类肤色在去除亮度的色度空间（如YCbCr空间）具有聚类性，颜色信息在一定程度上可以将人脸同大部分背景区分开来，因此可以利用肤色模型有效地检测人脸。

利用肤色信息检测人脸的方法具有计算量小，方法相对简单，易于实时性处理及适合复杂背景下的人脸检测定位等特点。

在设计了肤色模型表征人脸颜色之后，利用感光模型进行复杂背景下人脸及器官的检测与分割。

该方法对图像要求较高，但运算量小。

其最大的优点在于受人脸姿态、表情、光照等因素的影响小。

2．3基于模板匹配的方法

基于模板匹配的方法也可以用来检测人脸，首先设定一些不同标准的、描述人脸的整体特征或局部特征的模板，然后根据模板与图待检测图像的相似度进行匹配检测。

2.3.1预定模板匹配法

根据人脸的先验知识，我们可以制作出描述人脸轮廓特征的模板，通过计算图像区域和人脸轮廓模板的相关性参数可检测出候选人脸区域，然后利用器官特征子模板筛选上一步检测出的候选人脸区域。

在早期研究人员使用了眼睛、鼻子、嘴巴、脸部轮廓的子模板建立起人脸模型。

Craw等人首先使用一个Sobel滤波器来提取边缘，然后将这些边缘集合起来搜索基于几个约束条件的人脸模板。

[9]

2.3.2变形模板法

其主要思想是定义一个具有参数的可变模板和一个能量函数来描述人脸特征，通过一个非线性最优化方法求出各个模板对应的能量函数。

能使能量函数最小的参数模板即被认为是所求特征的描述。

此方法充分考虑到人脸是变形体的特点，稳定可靠，且与姿态和光照无关，但仍然存在难以适应一般情况和计算量巨大的问题。

并且该方法必须是在待检测的人脸附近，变形模板必须被初始化。

2.3.3动态轮廓法

又称Snakes模型法。

Kass等人提出在不需要更多先验知识或高层处理结果指导的情况下实现自追迹以得到目标的闭合、光滑、连续的轮廓线，该方法具有较强的抗噪能力[10]。

Snakes模型通过对一条初始给定的连续闭合曲线计算初始能量函数，然后通过变分方法求取能量函数的最小化，以得到人脸的轮廓曲线[11]。

该方法对图像要求高，运算量大，并且受姿态、表情、光照等因素的影响大，但其优点是准确率高。

2．4基于统计模型的方法

由于人脸图像的复杂性，一般地描述人脸特征具有一定困难，因此另一类方法，即基于统计模型的方法越来越受到重视。

此方法将人脸区域看作一类模式，即模板特征，使用大量的“人脸”与“非人脸”样本训练、构造分类器，通过分类器对图像中所有可能区域进行“人脸”与“非人脸”的划分。

实际上此方法将人脸检测问题转化为统计模式识别的二分类问题，即判断区域是否为人脸。

统计识别方法可分为四大类：

基于特征空间的方法、基于人工神经网络的方法、基于概率模型的方法和基于支撑向量机的方法。

2．4．1基于特征空间的方法

此类方法将人脸区域图像变换到某一特征空间，根据其在特征空间中的分布规律划分为“人脸”与“非入脸”两类模式。

特征脸