基于模板人臉檢測

基于模板的簡易人臉檢測

一、研究背景

人臉識別技術主要應用在公安、金融、網(wǎng)絡安全、物業(yè)管理以及考勤等領域,國外被大量使用在國家重要部門以及軍警得安防部門。人臉檢測是人臉識別與匹配的基礎，在此我們基于顏色分割和模板匹配的思想，建立一種簡單的人臉檢測程序，算法比較簡單，速度快。二、研究動態(tài)幾何特征的人臉識別法基于眼、鼻、嘴等之間的幾何特征，算法識別速度快，需要的內存小，但識別率低?；谔卣髂槪≒CA）的人臉識別法基于KL變換的人臉識別方法，完全基于圖像的灰度統(tǒng)計特性，需要較多的訓練樣本。神經(jīng)網(wǎng)絡的人臉識別法以降低分辨率的人臉圖像、局部區(qū)域的自相關函數(shù)、局部紋理的二階矩為輸入，需要較多的訓練樣本。彈性圖匹配的人臉識別法結合了灰度特性和幾何特性，允許人臉又一定的彈性變形，克服了表情變化的影響，對于單個人不需要較多樣本。三、算法（一）算法思想真彩色RGB圖像可以進行歸一化處理至rgb空間，并可進一步轉化為灰度圖像。其中，灰度圖像的像素值對應該像素點是皮膚的概率。在此基礎上，將灰度圖像進行濾波處理后轉化為二值化圖像，就可提取出圖像的特征點，用0（黑色區(qū)域）和1（白色區(qū)域）分別表示非皮膚區(qū)域和皮膚區(qū)域。

在確定皮膚的基礎上，我們可以通過對鎖定的區(qū)域根據(jù)人臉的特征進行優(yōu)化分割，剔除多余成分，就可基本確定人臉區(qū)域。（二）設計框圖（三）模塊說明建立膚色分布高斯模型rgb圖像空間是將RGB圖像空間歸一化得到的，其轉換公式為

由于rgb空間一般只用(r,g)空間，這樣又實現(xiàn)了三維空間到二維空間的轉換。

由于實際中皮膚的概率分布是呈高斯分布的，假設(r,g)空間中皮膚

的概率分布的一階矩和二階矩分別為則某一像素點是皮膚的概率為對于膚色概率分布的一階矩和二階矩我們可以通過查閱資料或用大量圖片進行估計得到。通過我們的查閱資料可知色彩空間轉換：rgb2gray(Img)如果以R、G、B為軸建立空間直角坐標系，則RGB圖的每個象素的顏色可以用該三維空間的一個點來表示，Gray圖的每個象素的顏色可以用直線R=G=B上的一個點來表示。于是rgb轉gray圖的本質就是尋找一個三維空間到一維空間的映射，最容易想到的就是射影（即過rgb空間的一個點向直線R=G=B做垂線）。

Matlab中Gray=0.29900*R+0.58700*G+0.11400*B。圖像濾波

初始輸入的圖像往往帶有噪聲，為了消除混雜圖像的干擾，改善圖像的質量，增強圖像的表現(xiàn)特征，可以對圖像進行濾波處理。鄰域平均法濾波是利用3×3的BOX模板對圖像進行卷積運算，對當前像素及其相鄰的的像素點統(tǒng)一進行平均處理，這樣就可以濾去圖像中的噪聲。二值化

圖像經(jīng)過平滑濾波后，噪聲大多已經(jīng)被消除，為提取特征點，需對圖像進行分割，要二值化。對于初始輸入的真彩色圖像，我們統(tǒng)計可得皮膚與非皮膚區(qū)域的先驗概率，分別記為，又根據(jù)皮膚概率分布的高斯模型，我們可知

根據(jù)貝葉斯最小誤判準則

然后用二進制圖像顯示出二值化的圖像，其中0（黑色區(qū)域）和1（白色區(qū)域）分別代表非皮膚和皮膚。分割人臉候選區(qū)域二值皮膚分割圖像只是給出了所有與皮膚顏色相同的區(qū)域，有可能把肩膀、手臂等膚色區(qū)域或是與膚色相近的其他物體也包括了進去，所以，要通過各種方法將那些非人臉區(qū)域盡可能去除掉。人臉包含眼睛、鼻子以及嘴巴，因此一張臉在被分割的區(qū)域里應包含至少一個洞。標注二值圖像中連接的部分，找出每個顆粒的坐標，針對每個顆粒進行區(qū)域空洞判斷。若區(qū)域中有空洞，則將此區(qū)域保留，然后做填充將洞封住（即將灰度值賦為1）。最終會在整個二值圖像中保留出一片區(qū)域，即初步判斷的人臉區(qū)域。優(yōu)化模板對上面獲得的二值圖像中的目標區(qū)域進行比例、結構的分析，過濾掉不可能的人臉區(qū)域，便于后面的形狀模板的匹配。長寬比:人臉的比例通常是1：1，但考慮到與人臉相連的脖子可能沒有被衣服覆蓋的情況，本文規(guī)定，如果目標區(qū)域的寬度與高度的比例小于0.6或是大于1.5，則認為不是人臉區(qū)域，刪除該區(qū)域。

區(qū)域填充率:矩形面積S，目標區(qū)域的面積為A，如果A/s小于0.35，則認為不是人臉區(qū)域，刪除該區(qū)域。理想膚色分布VS真實圖片（含噪聲）中膚色分布實際檢測效果展示四、優(yōu)缺點優(yōu)點

算法簡單、無需訓練樣本、占用內存小、速度較快缺點只能檢測單人臉圖像、檢測的成功率