《簡(jiǎn)單Matlab人臉檢測(cè)(總11頁(yè)).doc》由會(huì)員分享，可在線(xiàn)閱讀，更多相關(guān)《簡(jiǎn)單Matlab人臉檢測(cè)(總11頁(yè)).doc（12頁(yè)珍藏版）》請(qǐng)?jiān)趨R文網(wǎng)上搜索。

1、 創(chuàng)新性實(shí)驗(yàn)研究報(bào)告實(shí)驗(yàn)項(xiàng)目名稱(chēng) matlab人臉識(shí)別一、實(shí)驗(yàn)摘要 本實(shí)驗(yàn)主要利用高斯膚色的歸一化概率模型，將靜態(tài)圖像中的每一個(gè)像素限定在0到1的范圍內(nèi)。利用人工閾值法將膚色與非膚色區(qū)域分開(kāi)，形成二值圖像。對(duì)上述圖像進(jìn)行開(kāi)閉運(yùn)算，腐蝕膨脹等操作，弱化細(xì)節(jié)。通過(guò)臉部幾何特征選取臉部區(qū)域，排除非臉部區(qū)域。后利用臉部區(qū)域最大最小行列坐標(biāo)得到最小外接矩形。進(jìn)一步分析可得兩眼，嘴部坐標(biāo)，以3點(diǎn)為基礎(chǔ)畫(huà)橢圓。最終圈定臉部區(qū)域。二、實(shí)驗(yàn)?zāi)康?在一幅靜態(tài)圖片中找到人的臉部區(qū)域。三、實(shí)驗(yàn)場(chǎng)地及儀器、設(shè)備和材料：實(shí)驗(yàn)場(chǎng)地：J11-428實(shí)驗(yàn)室；儀器：PC機(jī)一臺(tái)；材料：Matlab軟件、待檢測(cè)圖片四、實(shí)驗(yàn)內(nèi)容1、實(shí)

2、驗(yàn)原理高斯膚色概率模型：由于統(tǒng)計(jì)表明不同人種的膚色區(qū)別主要受亮度信息影響，而受色度信息的影響較小，所以直接考慮YCbCr空間的CbCr分量，映射為CbCr空間，在CbCr空間下，受亮度變化的影響少，且是兩維獨(dú)立分布。通過(guò)實(shí)踐，選取大量膚色樣本進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)膚色在CbCr空間的分布呈現(xiàn)良好的聚類(lèi)特性。 統(tǒng)計(jì)分布滿(mǎn)足：77Cb127 并且滿(mǎn)足：133Cr173根據(jù)膚色在色度空間的高斯分布，對(duì)根據(jù)膚色在色度空間的高斯分布，對(duì)于彩色圖像中每個(gè)像素，將其從RGB色彩空間轉(zhuǎn)換到Y(jié)CbCr空間后，就可以計(jì)算該點(diǎn)屬于皮膚區(qū)域的概率，即根據(jù)該點(diǎn)離高斯分布中心的遠(yuǎn)近得到和膚色的相似度，將彩色圖像轉(zhuǎn)化為灰度圖，其中

3、每個(gè)像素的灰度對(duì)應(yīng)該點(diǎn)與膚色的相似度，相似度的計(jì)算公式如下：其中m為均值，m=E(x)，C為協(xié)方差矩陣，,膚色分布的2D高斯模型G(m,V2)也可表示為 其中，為相應(yīng)的平均值，為協(xié)方差矩陣。為了利用膚色在色度空間的聚類(lèi)性,選取YCbCr色彩空間進(jìn)行膚色提取。首先將彩色圖片顏色空間轉(zhuǎn)換到Y(jié)cbCr空間，然后對(duì)該區(qū)域的CbCr值進(jìn)行統(tǒng)計(jì)處理。處理的方法就是采用高斯模型。m=E(x) , ，C為協(xié)方差矩陣, 。通過(guò)這個(gè)膚色高斯分布可得到待檢測(cè)彩色圖像中任意一個(gè)像素點(diǎn)屬于皮膚的概率。對(duì)于某像素點(diǎn)s,從RGB空間轉(zhuǎn)換到Y(jié)CbCr色彩空間得到色度值(Cb,Cr)則該像素的膚色概率密度可由下式計(jì)算得到: 式

4、中: 。通過(guò)計(jì)算，得到m和C的值如下： m=117.4316 148.5599;（1） YCbCr色彩空間是數(shù)字視頻常用的色彩模型。在模型中，亮度信息單獨(dú)儲(chǔ)存在Y中，色度信息儲(chǔ)存在Cb和Cr中。Cb和Cr分別表示藍(lán)色分量和紅色分量相對(duì)的參考值。Matlab中實(shí)現(xiàn)YCbCr色彩空間的轉(zhuǎn)換函數(shù)為rgb2ycbcr。YCbCr色彩空間是人臉檢測(cè)非常好的選擇。因?yàn)槠涫芰炼茸兓挠绊懶?，能較好地限制膚色分布區(qū)域，而且在YCbCr色彩空間中膚色聚類(lèi)特性比較好。因此我們采用構(gòu)建YCbCr色彩空間的膚色模型來(lái)得出膚色概率譜，計(jì)算出每一個(gè)像素與膚色的相似度，并將每一點(diǎn)的灰度值與其為膚色的概率關(guān)聯(lián)起來(lái)，得到膚色似

5、然圖。越靠近膚色灰度值越高，無(wú)關(guān)部分灰度值會(huì)較低。（2） 閾值化是人臉檢測(cè)中非常重要的一步。上一步操作得到膚色似然圖后，由于近似膚色部分灰度值比較高，無(wú)關(guān)部分灰度值比較低，因此，選定合適的閾值后進(jìn)行閾值分割，得到的二值圖像可以有效地將近似膚色區(qū)域和無(wú)關(guān)部分分割開(kāi)，無(wú)關(guān)部分將作為黑色背景色。便于下一步的操作。經(jīng)過(guò)測(cè)試，閾值在0.5-0.6都能滿(mǎn)足實(shí)驗(yàn)要求。（3） 因?yàn)橐紤]到原圖像的多樣與復(fù)雜性，非膚色區(qū)域中依然有可能有部分區(qū)域顏色與膚色相近，所以閾值分割后的圖像依然存有部分假膚色區(qū)域，經(jīng)過(guò)開(kāi)閉操作、填洞操作、腐蝕膨脹操作可以有效地去掉毛刺、假膚色區(qū)域等，從而得到一個(gè)較為純凈的膚色區(qū)域。（4）

6、得到的膚色區(qū)域可能含有較多的人體信息，包括人臉、手臂、手掌、腿部等等。由于實(shí)驗(yàn)?zāi)繕?biāo)是人臉檢測(cè)，所以需要做面部特征定位把人臉和其他膚色區(qū)域區(qū)分開(kāi)來(lái)。因?yàn)榇龣z測(cè)圖片中的人物信息都是著裝的，所以人臉或者人臉包括頸部和身體的其他部分區(qū)域可以被衣服隔開(kāi)，一般都是非聯(lián)通的。因此本次實(shí)驗(yàn)使用的方法為對(duì)每個(gè)區(qū)域進(jìn)行掃描，通過(guò)限制長(zhǎng)寬比、區(qū)域的像素個(gè)數(shù)（等同于限制區(qū)域大小）和矩形度可以有效地將人臉部分從膚色區(qū)域中篩選出來(lái)，非人臉區(qū)域可以全賦值為0融入背景色。同時(shí)得到結(jié)果與閾值化圖像相與，得到眼嘴特征。（若有）（5） 最終得到的區(qū)域即為人臉區(qū)域，對(duì)其掃描后可以得到其長(zhǎng)寬的最大最小值坐標(biāo)，從而可以輕易畫(huà)出此區(qū)域的最

7、小外接矩形，在原待測(cè)圖片上按照相同坐標(biāo)畫(huà)出矩形后，矩形框內(nèi)即為人臉；而對(duì)有眼嘴特征的圖像，則掃描定位眼睛和嘴巴的位置，用“*”號(hào)標(biāo)注，以這三點(diǎn)為基準(zhǔn)畫(huà)出更貼近人臉的橢圓。這兩種方法都能達(dá)到返回人臉位置大小的目的。2、實(shí)驗(yàn)內(nèi)容實(shí)例一：(1)通過(guò)膚色概率模型得到源圖像概率圖：(2)人工閾值得二值化圖像：(3)選定臉部區(qū)域： (4) 將2,3所得圖像做and運(yùn)算： (5) 通過(guò)眼嘴確定人臉區(qū)域：實(shí)例二：通過(guò)膚色概率模型得到源圖像概率圖： (2) 人工閾值得二值化圖像： (3)選定臉部區(qū)域： (4)將2,3所得圖像做and運(yùn)算： (5)通過(guò)臉部區(qū)域坐標(biāo)確定人臉區(qū)域：3、實(shí)驗(yàn)步驟n 根據(jù)課題要求 ，查閱

8、相關(guān)書(shū)籍；n 根據(jù)課題條件，設(shè)計(jì)算法流程；算法步驟如下：n 尋找合適的膚色概率模型。n 對(duì)概率模型進(jìn)行閾值選擇。形成二值化圖像n 將上述的二值化圖像進(jìn)行幾何辨識(shí)，篩選出臉部區(qū)域。n 對(duì)臉部區(qū)域特征掃描，找到眼，嘴坐標(biāo)，若未掃描到眼，跳至(6)。n 對(duì)所得3點(diǎn)坐標(biāo)為基準(zhǔn)畫(huà)橢圓，確定出臉部區(qū)域。n 將(3)得到的臉部區(qū)域圖加上最小外界矩形，可粗略確定出臉部區(qū)域。n 在matlab環(huán)境中運(yùn)行根據(jù)算法編寫(xiě)的程序；n 測(cè)試程序；n 調(diào)試；n 進(jìn)一步優(yōu)化算法，優(yōu)化程序。五、實(shí)驗(yàn)結(jié)果與分析1、實(shí)驗(yàn)現(xiàn)象、數(shù)據(jù)記錄本次人臉檢測(cè)實(shí)驗(yàn)采用了2種圈定人臉的方法(橢圓和最小外接矩形)，如果靜態(tài)圖片人臉檢測(cè)成功，將顯示類(lèi)

9、似如下結(jié)果：(其中最小外接矩形在掃描不出人眼時(shí)作為備用圈定人臉的方案) 圖1 橢圓圈定人臉 圖2 矩形圈定人臉另外，程序中還有在圖片中定位眼嘴的語(yǔ)句，以方便程序后期調(diào)試，現(xiàn)象類(lèi)似如下：圖3 人臉特征標(biāo)記2、對(duì)實(shí)驗(yàn)現(xiàn)象、數(shù)據(jù)及觀察結(jié)果的分析與討論：本次實(shí)驗(yàn)程序?qū)φ嫒四樀臋z測(cè)率基本能滿(mǎn)足快速檢測(cè)出圖片中人臉的需要，檢測(cè)率也比較讓人滿(mǎn)意。實(shí)現(xiàn)方法簡(jiǎn)便有效，如果能進(jìn)一步增加濾波、光照補(bǔ)償?shù)炔襟E，將可以在滿(mǎn)足實(shí)驗(yàn)要求的前提下進(jìn)一步提高檢測(cè)率和檢測(cè)精度。3、關(guān)鍵點(diǎn)：本次實(shí)驗(yàn)實(shí)現(xiàn)人臉檢測(cè)的方法為利用人臉的明顯特征,膚色，過(guò)程是把人臉圖像視為一個(gè)高維向量，從而將人臉檢測(cè)問(wèn)題轉(zhuǎn)化為高維空間中分布信號(hào)的檢測(cè)問(wèn)題

10、，這個(gè)轉(zhuǎn)化的數(shù)學(xué)形態(tài)學(xué)思想實(shí)現(xiàn)起來(lái)較為簡(jiǎn)便，不僅省去了訓(xùn)練的過(guò)程，而且對(duì)人臉的表情、臉部細(xì)節(jié)容差也比較大，在符合本次實(shí)驗(yàn)?zāi)康牡那疤嵯逻x用這種方法是很適合的，而這種方法所帶來(lái)的膚色模型、膚色采集、閾值分割等問(wèn)題，也成為了這次創(chuàng)新性實(shí)驗(yàn)的關(guān)鍵。六、實(shí)驗(yàn)結(jié)論這次基于膚色的人臉檢測(cè)膚色分割方法本身就是一種較為基礎(chǔ)的基于特征的靜態(tài)人臉檢測(cè)方法，如果要求更高，還需要更高級(jí)的算法，因?yàn)橐紤]到待測(cè)圖片的多樣性和復(fù)雜性，由于人的姿態(tài)、人種膚色、光照、噪聲等等都有可能影響到圖片質(zhì)量或者圖片色度，這個(gè)人臉檢測(cè)程序還需要進(jìn)一步的完善才能滿(mǎn)足更高的要求。七、指導(dǎo)老師評(píng)語(yǔ)及得分： 簽名： 年 月 日附件：源程序等。cl

11、c;clear all;close all;x=imread(f.jpg);y=rgb2ycbcr(x);a b c=size(y);cb=double(y(:,:,2);cr=double(y(:,:,3);for i=1:a; for j=1:b w=cb(i,j) cr(i,j); m=117.4316 148.5599; n=260.1301 12.1430;12.1430 150.4574; p(i,j)=exp(-0.5)*(w-m)*inv(n)*(w-m); endendz=p./max(max(p);%-complextion probabilityimshow(z)%fig

12、ure;imshow(x);th=0.5;for i=1:a for j=1:b if(z(i,j)th) z(i,j)=1; else z(i,j)=0; end endendfigure;imshow(z);title(Set threshold)%-thresholdse=strel(square,3);f=imopen(z,se); f=imclose(f,se);%figure,imshow(f);%open and close processing;f=imfill(f,holes); %figure,imshow(f);%fill holes in the Imgse1=stre

13、l(square,8);f=imerode(f,se1);f=imdilate(f,se1);%figure,imshow(f);%-erosion and expansion;L,num=bwlabel(f,4);for i=1:num;%region loop; r,c=find(L=i); len=max(r)-min(r)+1; wid=max(c)-min(c)+1; area_sq=len*wid; area=size(r,1); for j=1:size(r,1)%pixel loop; if(len/wid2.4)|size(r,1)200|area/area_sq0.55 L(r(j),c(j)=0;%not zero pixel =0; else continue; end end end figure;imsh