【2017年整理】数据处理大作业.doc

山 东 大 学 数据图像处理大作业 学生姓名： 陈呈举 学号： 201200121009 专业班级： 物联网 工作单位： 信息工程学院 2015.6.8 基于YCrCb颜色空间的人脸检测 1.1背景及研究意义 人脸检测(FaceDetection)是指在输入图像中确定所有人脸(如果存在)的位置、大小和位姿的过程，人脸检测的研究目的是使计算机具有类似人脸的脸像识别能力, 系统输入可能包含人脸的图像，输出关于图像中是否存在人脸以及人脸的数目、位置、尺度、位姿等信息的参数化描述。具体地说，就是根据一定的算法确定输入图像是否存在人脸；如果存在的话，标出人脸的位置作为人脸检测系统的输出。 人脸检测问题最初来源于人脸识别( Face Recognition) .。人脸识别的研究可以追溯到20世纪60—70 年代, 经过几十年的曲折发展已日趋成熟 。 人脸检测是自动人脸识别系统中的一个关键环节, 但是由于早期对人脸识别的研究主要针对约束条件较强的人脸图像( 如静止的无背景的图像) , 常常假设的人脸位置已知或很容易获得, 因此人脸检测问题并没有受到大家的重视。近几年来随着电子商务应用的快速发展, 人脸识别逐渐成为最有潜力的生物身份验证手段。 人脸作为人的特征之一,它同虹膜、视网膜,和指纹一样具有不可更改性和唯一性。同时，人脸提供了大量丰富的信息，同其他生物特征识别技术相比，它作为一个信息极丰富的模式集合，是人们之间互相判别、认识、记忆的主要标志。人脸识别技术具有例如操作方便、结果直观、隐蔽性好的优势，是一种非常有潜力的身份验证途径，也是近年来机器视觉、图像处理、模式识别、神经网络等领域非常热门的课题之一。 人脸是一类具有相当复杂的细节变化的自然结构模式, 此类目标的检测问题的难点在于 : ( 1) 人脸由于外貌、表情、肤色等不同, 具有模式的可变性; ( 2) 一般意义下的人脸上, 可能存在眼镜、胡须等附属物;( 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, 我们如果能够找到方法解决这些问题, 成功构造出人脸检测系统,就可以为解决其它类似的复杂模式检测问题提供重要的基础。 虽然人脸作为一种自然形体具有很强的共性，但是，由于个体的外貌差异、表情变化以及图像在采集时所受光照、角度等因素的影响，使得我们所得到的人脸图像是有着复杂而细致的模式变化的，这就加大了人脸检测的复杂性。现在，我们还没有找到一种能够适应各种情况的通用检测方法，那些已有的算法和软件对使用环境都有着太多的要求。 1.2人脸检测技术研究现状 人脸检测作为人脸信息处理中的一项关键技术，具有着广阔的应用前景，它越来越受到研究者们的关注。当今国外从事人脸检测研究机构非常多，比较著名的有 MIT，CMU 等；国内的有清华大学、中科院计算所和自动化所等。并且 MPEG 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内容。近年来人脸检测技术的研究已经取得了很大进步，研究出了许多新的人脸检测方法。目前人脸检测的方法主要分为四类：基于知识的方法、基于特征的方法、基于模板匹配的方法和基于外观学习的方法。 1.人脸检测技术1）将基于彩色空间的RGB模型转换为YCbCr模型（考虑到人脸的生理特征，只采取了Cr分量作为辅助） 2）阈值分割，根据多次实验发现，正常黄种人的Cr分量大约在140~·160之间 3）滤波，本实验采用性能较好的中值滤波 4）特征区域提取，利用matlab的bwlabel函数 5）对标记的特征区域利用高宽度之比和面积两个指数来进一步简化特征区域 1.1）rgb-ycbcr %公式 Y = 0.2990*R + 0.5780*G + 0.1140*B + 0 %公式 Cr = 0.5000*R - 0.4187*G - 0.0813*B + 128 %公式 Cb = -0.1687*R - 0.3313*G + 0.5000*B + 128 本实验直接采用mtalab自带函数rgb2ycbcr()转换就OK了。 I1=imread(blue_lg.jpg); si=size(I1); m=si(1);n=si(2); img1=rgb2ycbcr(I1); cr1=img1(:,:,3);%大小为mxn的二维矩阵 2）阈值分割 cr3=cr1; for i=1:m for j=1:n if(