（测试计量技术及仪器专业论文）视频监控系统的人脸检测与识别技术研究.pdf

i ， f ： ? 错 争 j，1 l 1 ，ilfl ；o瓣*a粤” i!，l， n a n j i n gu n i v e r s i t yo f a e r o n a u t i c s a n da s t r o n a u t i c s t h eg r a d u a t es c h o o l c o l l e g eo f a u t o m a t i o ne n g i n e e r i n g f a c ed e t e c t i o na n dr e c o g n i t i o nt e c h n o l o g yr e s e a r c ho f v i d e om o n i t o r i n gs y s t e m a t h e s i si n i n s t r u m e n ts c i e n c ea n d t e c h n o l o g y l i ul i a n h u a a d v i s e db y a s s o c i a t e p r o f e s s o rd i n gw a n s h a n s u b m i r e di np a r t i a lf u l f i l l m e n t o ft h er e q u i r e m e n t s f o rt h ed e g r e eo f m a s t e ro f e n g i n e e r i n g j a n u a r y ， 2 0 1 0 l。， 逮 承诺书 本人声明所呈交的硕士学位论文是本人在导师指导下进 行的研究工作及取得的研究成果。除了文中特别加以标注和致 谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得南京航空航天大学或其他教育机构的学位 或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本承诺书) 作者签名： 日期： 盈巡 垂_鲢 _ 一 。 。 钒芤 b， j，l，t h 南京航空航天大学硕士学位论文 摘要 近年来，生物识别技术得到了高速发展，而人脸识别是所有生物识别方法中应用最广泛的 技术之一。与传统的身份识别系统相比，生物识别系统具有普遍性、唯一性、永久性的特点， 在许多场所被公认为是比较安全的身份识别系统。 本文对人脸识别系统提出了一套研究方法，具体包括以下几个方面： l 、针对人脸识别方面的知识，对其研究背景，发展前景进行了研究，对检测和识别算法系 统性地进行概括说明。人脸检测方法主要包括基于知识和统计学习的方法，具体介绍了p c a 和 l d a 方法、d c t 方法、s v d 方法、小波变换方法、参数模型法、弹性图匹配法、s v m 方法、 神经网络方法和三维人脸识别方法。 2 、系统预处理，主要包括视频采集、图像载入、人体定位、光线补偿、中值滤波、肤色 建模和水平、垂直灰度投影，最后确定人脸方位。其中人体定位部分采用背景相差法，可以很 快地得到人体目标。肤色建模法可以对黄色皮肤和白色皮肤建模，但对黑色皮肤建模效果较差。 然而水平、垂直灰度投影法有所突破，对黑色皮肤的人体目标有非常优越的检测效果。 3 、人脸检测，分为眼睛定位，嘴巴定位和人脸勾勒三个部分。眼睛定位时首先对人脸样 本进行色度匹配和亮度匹配，并相结合，再进行去假区域和膨胀处理，最终检测到眼睛中心点。 嘴巴定位部分样本经过亮度和色度匹配、像素腐蚀、去离散点、去假区域等，从而得到嘴巴中 心点。最后检验所得到的三点是否满足锐角三角形规则，满足条件的样本即为人脸。 4 、对检测为人脸的图像进行人脸识别，先采用传统p c a 和欧氏距离方法，该方法检测速 度较慢；为此引入小波变换，提取低维空间的特征，明显提高检测速度。为了提高识别率，采 用g a b o r 小波加b p 神经网络方法取得显著效果。 5 、在二维空间的人脸识别方法终究会受到光照、表情、姿态的影响，为此，有必要的将 人脸识别从二维空间拓展到三维空间。采用连续小波变换方法对光栅投影图像进行相位分解， 可以得到人脸的三维数据，完成人脸的重构。 本文完成了基于人脸识别技术的家庭防盗系统的研究和设计。论文所做的理论分析、系统 搭建、计算机仿真和实验为今后人脸识别方面的进一步研究提供了有益的帮助。 关键词：p c a ，小波变换，b p 神经网络，人脸检测，人脸识别 基于人脸识别技术的视频监控系统的研究与设计 a b s t r a c t i nr e c e n ty e a r s ，b i o m e t r i ct e c h n o l o g yh a sr a p i dd e v e l o p m e n t , a n df a c er e c o g n i t i o ni st h em o s t w i d e l yu s e dt e c h n o l o g yo fa l lb i o m e t r i cf a c er e c o g n i t i o nt e c h n o l o g i e s c o m p a r e dw i t hc o n v e n t i o n a l i d e n t i f i c a t i o ns y s t e m s ，t h eb i o m e t r i ci d e n t i f i c a t i o ns y s t e mh a sa u n i v e r s a l ，u n i q u e ，p e r m a n e n tf e a t u r e ， a n di nm a n yp l a c e si th a sb e e nr e c o g n i z e da sam o r es e c u r ei d e n t i f i c a t i o ns y s t e m i nt h i sp a p e r , f a c er e c o g n i t i o ns y s t e m ，a n das e to fr e s e a r c hp r o g r a m sa r ep r e s e n t e d ，s p e c i f i c a l l y i n c l u d e st h ef o l l o w i n ga s p e c t s 1 ar e s e a r c ho nt h eb a c k g r o u n da n dt h ed e v e l o p m e n tp r o s p e c t so ff a c er e c o g n i t i o n ，a sw e l la s t h ed e t e c t i o na n dt h er e c o g n i t i o na l g o r i t h m sa r es y s t e m a t i c a l l yi n t r o d u c e d f a c ed e t e c t i o na p p r o a c h e s a r em a i n l yb a s e do nk n o w l e d g eo rs t a t i c a ll e a r n i n g w h i c ha r es p e c i f i c a l l yd e s c r i b e di nt h ep a p e r i n c l u d ep c a ，l d a ，d c t , s v d ，w a v e l e t w a n s f o r m ，p a r a m e t e rm o d e l ，e l a s t i cg r a p h i cm a t c h i n g ，s v m ， n e u r a ln e t w o r k ，a n d3 df a c er e c o g n i t i o nm e t h o d s 2 s y s t e mp r e p r o c e s s i n g ，m a i n l yi n c l u d e sv i d e oc a p t u r e ，i m a g el o a d i n g ，b o d yp o s i t i o n i n g ，l i g h t c o m p e n s a t i o n ，m e d i a nf i l t e r i n g ，c o m p l e x i o nm o d e l i n g ，伊a yp r o j e c t i o nh o r i z e n t a i l yo rv e r t i c a l l y , a n d f a c eg r a b i n g i nw h i c h ，t h ep a r to fb o d yp o s i t i o n i n ge m p l o y e dt h eb a c k g r o u n d d i f f e r e n c em e t h o d ， w h i c hc a nq u i c k l yg e tah u m a nt a r g e t ，a n dt h ec o m p l e x i o nm o d e l i n gc a ne s t a b l i s hm o d e l sf o r y e l l o w a n dw h i t es k i n ，b u tl e s se f f e c t i v ef o rt h eb l a c ks k i n ，h o w e v e r , t h eg r a yp r o j e c t i o nm e t h o dc a na c h i e v e a g r e a ta d v a n t a g ef o rd e t e c t i n gb l a c ks k i nh u m a nt a r g e t s 3 f a c ed e t e c t i o nc o n s i s t so ft h r e ep a r t si n c l u d i n ge y ep o s i t i o n i n g ，m o u t hp o s i t i o n i n g , a n df a c e d e p i c t i n g i nt h ep a r to fe y ep o s i t i o n i n g ，t h es a m p l e df a c e sa r es e n tt oc o l o rm a t c h i n ga n db r i g h t n e s s m a t c h i n gf i r s t , t h e ni tr e c e i v e st h ep r o c e d u r e so ff a k er e g i o nc u t t i n ga n de x p a n s i o n , a n da tl a s tt h e c e n t r es p o t so ft h ee y e sc a nb ea c q u i r e d i nt h em o u t hp o s i t i o n i n gp a r t , t h es a m p l ei sp r o c e s s e db y b r i g h t n e s sm a t c h i n g ，c o l o rm a t c h i n g , p i x e lc o r r o s i o n ，d i s c r e t ep o i n t sd e l e t i n g ，f a k er e g i o nc u t t i n g ，a n d t h ec e n t e ro ft h em o u t hc a l lb ea c q u i r e da sw e l la st h ee y es p o t st o o i ft h e s et h r e es p o tf o r m sa l la c u t e t r i a n g l e ，t h es a m p l ec a nb er e c o g n i z e da sah u m a n f a c e 4 f a c er e c o g n i t i o no nt h ei m a g e sw h i c hh a v eb e e nt h o u g h ta sf a c e s f i r s t ，t h et r a d i t i o n a lp c a a n de u c l i d e a nd i s t a n c em e t h o d sa r eu s e d ，b u tr e s u l t e di nal o we f f i c i e n c y s ot h ew a v e l e tt r a n s f o r mt o e x t r a c tt h ec h a r a c t e r i s t i c so fl o w - d i m e n s i o n a ls p a c ei si n v o l v e dt ob em o r ee f f i c i e n t i no r d e rt o i m p r o v et h er e c o g n i t i o nr a t e ，t h eg a b o rw a v e l e tm e t h o da n db pn e u r a ln e t w o r ka r ea p p l i e d ，a n da n o b v i o u sp r o m o t i o ni sa c h i e v e d 一一 南京航空航天大学硕士学位论文 二二_ _ 二二- _ 二二二二= 二二二二一一一 5 f a c er e c o g n i t i o ni n2 ds p a c ec a r lb em o r eo rl e s sa f f e c t e db yb d n g t n e s s ，f a c i a le x p r e s s i o n s a n dg e s t u r e s t h e r e f o r e ，i ti sn e c e s s a r yt oe x p a n df a c er e c o g n i t i o nf r o m2 d s p a c et o3 ds p a c e t h e p h a s ed e c o m p o s i t i o no f t h eg r a t i n gp r o j e c t i o ni m a g ec a nl e a dt ot h eg e n e r a t i o no f3 df a c ev e c t o r ， w h i c hc a nb eu s e df o rt h er e c o n s t r u c t i o no fh u m a nf a c e s t h i sp a p e ri sc o m p l e t e db yt h eh o m es e c u r i t ys y s t e m sr e s e a r c ha n dd e s i g nb a s e do n f a c e r e c o g n i t i o nt e c h n o l o g y t h et h e o r e t i c a la n a l y s i s ，t h es y s t e mc o n s t r u c t i o n , c o m p u t e rs i m u l a t i o na n d e x p e r i m e n t sd o n eb yt h i sp a p e rc a l lp r o v i d eu s e f u l h e l pf o rf u r t h e rr e s e a r c ho nf a c er e c o g n i t i o n t e c h n o l o g y k e yw o r d s ：p c a ，w a v e l e tt r a n s f o r m ，b pn e u r a ln e t w o r k ，f a c ed e t e c t i o n ，f a c er e c g i g n i t i o n 基于人脸识别技术的视频监控系统的研究与设计 目录 第一章绪论1 1 1j ；i 言1 1 2 论文的主要研究内容及成果2 1 3 编程开发环境v c + + 6 0 的介绍3 1 4 本章小结3 第二章人脸检测和人脸识别方法概述4 2 1 人脸检测技术概述4 2 1 1 人脸检测的研究范围及方法4 2 1 2 本文所采用的人脸检测方法5 2 2 人脸识别技术概述7 2 2 1 人脸识别技术的研究方法7 2 2 2 本文所采用的人脸识别方法1 0 2 3 本章小结l o 第三章系统预处理1 1 3 1 视频采集和图像载入1 1 3 1 1 视频流输入1 l 3 1 2 图像载入一1 2 3 2 人体定位1 3 3 3 光线补偿1 5 3 4 区域中值滤波1 6 3 4 1 中值滤波基本原理1 6 3 4 2 实验结果图1 7 3 5 人脸定位1 7 3 5 1 肤色建模方法18 3 5 2 水平、垂直灰度投影函数2 l 3 6 本章小结2 4 第四章人脸检测2 5 4 1 眼睛定位2 5 4 1 1 眼睛的色度匹配2 5 4 1 2 眼睛的亮度匹配2 6 4 1 3 眼睛的双重匹配2 6 4 1 4 去假眼睛区域2 6 4 1 5 膨胀眼睛区域2 7 4 1 6 定位眼睛中心点2 7 4 2 嘴巴定位2 7 4 2 1 嘴巴的匹配2 8 4 2 2 腐蚀嘴部像素2 8 4 2 3 去离散点2 8 南京航空航天大学硕士学位论文 4 2 4 去假嘴巴区域2 9 4 2 5 嘴巴中心点定位2 9 4 2 6 勾勒人脸和检测结果。2 9 4 3 本章小结一3 0 第五章人脸识别31 5 1p c a 人脸识别技术31 5 1 1 传统的p c a 方法3 l 5 1 2 基于小波变换的p c a 方法一3 9 5 1 3 实验结果分析4 3 5 2 人工神经网络方法。4 3 5 2 1 人工神经网络的发展。4 3 5 2 2b - p 方向传播网络4 7 5 3 本章小结5 2 第六章连续小波变换算法在人脸三维轮廓测量上的应用5 3 6 1 小波变换的应用5 3 6 1 1 小波分解求相位5 3 6 1 2 相位求解方法5 4 6 1 3 实验装置和结果5 7 6 2 本章小结5 9 总结与展望：6 0 参考文献6 1 致谢。n 6 4 在学期间的研究成果及发表的学术论文6 5 附录光线补偿程序。6 6 ，0if 基于人脸识别技术的视频监控系统的研究与设计 图表清单 图1 1 视频监控系统流程图。2 图2 1 系统总体流程图。7 图3 1 系统预处理流程图l l 图3 2b m p 图像文件结构1 2 图3 3 工作主界面。1 3 图3 4 人体定位图1 5 图3 5 光线补偿实验图1 6 图3 6 中值滤波前后图像1 7 图3 7 肤色建模入脸定位图2 0 图3 8 黄色皮肤的人脸定位图_ 2 2 图3 9 黑色皮肤的人脸定位2 3 图3 1 0 白色皮肤的人脸定位2 3 一， 图4 1 眼睛定位流程框图2 5 图4 2 眼睛定位亮度和色度匹配图2 6 图4 3 眼睛定位进一步处理图像2 7 图4 4 定位眼睛中心点2 7 图4 5 嘴巴定位流程图2 8 图4 6 嘴巴匹配图2 8 图4 7 去假嘴巴图2 9 图4 8 嘴巴中心点定位2 9 图4 9 人脸检测结果3 0 图5 1 噪声图示3 4 图5 2 冗余图示3 4 图5 3 训练样本3 7 图5 4 测试样本3 8 图5 5 小波与傅立叶正弦波3 9 图5 6 双尺度小波变换4 l 图5 7h a r r 小波一层分解示意图4 l 产 图5 8 基于小波变换的p c a 处理流程图4 2 图5 9h a r r 小波两次分解示意图4 2 。 图5 1 0 神经元构成示意图4 4 图5 1 1 人工神经元模型与两种常用的输出函数。：4 5 图5 1 2 神经网络结构4 7 图5 1 3b - p 网络模型结构图4 8 图5 1 4 反向传播算法4 8 图5 1 5b p 算法流程图5 0 图5 1 6 实验图像5 0 图5 1 7 网络训练中误差收敛图。5 l 图6 1 相位求解流程图5 5 图6 2 相位梯度仿真和误差分析图5 7 南京航空航天大学硕士学位论文 图6 3 相位测量法的实验装置示意图5 7 图6 4 人脸的光栅投影图像5 8 图6 5 三种方法人脸轮廓重构结果图5 9 表5 1p c a 方法和小波变换加p c a 方法的执行效果4 2 表5 2 几种人脸识别方法的效率比较5 l 基于人脸识别技术的视频监控系统的研究与设计 略写 p c a l d a d c t s v m h m m b p c c d f t p 注释表 英文全称 p r i n c i p a lc o m p o n e n t sa n a l y s i s l i n n e a rd i s c r i m i n a n ta n a l y s i s d i s c r e t ec o s i n et r a m f o r m s u p p o r tv e c t o rm a c h i n e h i d d e nm a r k o vm o d e l b a c k - p r o p a g a t i o n c h a r g ec o u p l e dd e v i c e f o u r i e rt r a n s f o r mp r o f i l o m e t r y 中文名称 主成分分析 线性判别分析 离散余弦变换 支持向量机 隐马尔可夫模型 反向传播算法 电荷耦合器件 傅里叶变换轮廓术 南京航空航天大学硕士学位论文 第一章绪论 1 1 引言 生物识别技术是模式识别与机器视觉研究领域的热点问题，是目前最为方便与安全的识别技 术。它不需要记住复杂的密码，也不需随身携带钥匙、智能卡及身份证之类的证件，在国家安全、 军事安全和公共安全领域，智能门禁、智能视频监控、公安布控海关身份验证、司机驾照验证等 都有典型的应用；在民事和经济领域，各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验 证，社会保险人的身份验证等具有重要的应用价值；在家庭娱乐等领域，人脸识别也具有一些有 趣有益的应用，比如能够识别主人身份的智能玩具、家政机器人，具有真实面像的虚拟游戏玩家 等等。生物识别技术认定的是人本身，没有什么能比这种认证方式更安全、更方便。由于每个人 的生物特征具有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利 用生物识别技术进行身份认定，安全、可靠、准确。此外，生物识别技术产品均借助于现代计算 机技术来实现，很容易配合电脑及安全、监控、管理系统实现自动化管理【l 】【2 1 。 在目标检测问题中，人脸检测是一个重要的研究方向。人脸研究主要包括人脸检测技术和人 脸识别技术的研究。人脸检测是指对于任意一幅给定的静态图像或视频序列图像，采用一定的策 略和方法对其进行搜索以确定其中是否含有人脸。最初人脸研究1 3 1 1 4 1 主要集中在人脸识别领域， 早期的人脸识别算法都是在认为已经得到了一个正面人脸或者人脸很容易获得的前提下进行的， 但是随着人脸应用范围的不断扩大，这种假设下的研究不再能满足需求。人脸检测开始作为独立 的研究内容发展起来，同时人脸检测的应用背景也已经远远超出了人脸识别系统的范畴，在基于 内容的检索、数字视频处理、媒体资产管理、视觉监测等方面有着重要的应用价值。 将人脸检测和识别技术与视频监控系统联系起来形成基于人脸识别技术的视频监控系统。目 前，国外对人脸检测和识别问题的研究很多，比较著名的大学有m i t ( 麻省理工学院) 、c m u ( 卡 内基梅隆大学) 、y a l e ( 耶鲁大学) 等。国内的清华大学、上海交通大学、南京大学和中国科 学院自动化研究所等科研院校都有人员从事这方面的研究。视频监控系统的发展大致经历了三个 阶段。在九十年代初以前，主要是以模拟设备为主的闭路电视监控系统，称为第一代模拟监控系 统。九十年代中期，随着计算机处理能力的提高和视频技术的发展，人们利用计算机的高速数据 处理能力进行视频的采集和处理，利用显示器的高分辨率实现图像的多画面显示，从而大大提高 了图像质量，这种基于p c 机的多媒体主控台系统称为第二代数字化本地视频监控系统。九十年 代末，随着网络带宽、计算机处理能力和存储容量的快速提高，以及各种实用视频处理技术的出 现，视频监控步入了全数字化的网络时代，称为第三代远程视频监控系统。第三代视频监控系统 以网络为依托，以数字视频的压缩、传输、存储和播放为核心，以智能实用的图像分析为特色， 基于人脸识别技术的视频监控系统的研究与设计 引发了视频监控行业的技术革命，受到了学术界、产业界的高度重视。随着信息化时代的来临更 多的智能化需求不断涌现。数字视频监控系统作为一种新型的监控手段，以数字视频处理为核心， 综合利用光电传感器、计算机网络、自动控制和人工智能等先进技术，近年来在各行业得到了广 泛的应用【5 】【6 】。 1 2 论文的主要研究内容及成果 本文设计了一个家庭防盗门的视频监控系统，具体流程图如图1 1 所示，包括视频采集，图 像预处理，人脸检测和人脸识别四部分： 2 图1 1 视频监控系统流程图 本文共分为六章，具体结构安排如下： 第一章为绪论部分。主要介绍了本课题提出的背景、当前的研究现状及发展趋势、课题 研究的主要内容和结构框架。 第二章对人脸检测和人脸识别方法进行概述。人脸检测方法主要介绍了基于知识的人脸 检测方法和基于统计学习的人脸检测方法。人脸识别方法主要介绍了p c a 、d c t 、s v d 、弹性 图匹配等二维识别方法和三维识别方法。 第三章为系统预处理部分。包括视频采集、图像载入、人体定位、光线补偿、中值滤波、 肤色建模、水平和垂直灰度投影、人体定位等具体操作步骤。 第四章为人脸检测部分。首先对眼睛采用色度匹配和亮度匹配，及去假区域操作得到眼 睛中心点，再用相似的方法得到嘴巴中心点。最后检验三点是否满足人脸规则，从而检测是 否为人脸。 第五章为人脸识别部分。主要采用p c a 、小波变换和人工神经网络方法实现。整个系 统的测量要求是较高的实时性与准确性，但是这两个性质又是相互矛盾的。使用简单的算法 可以快速给出试验结果，但是测量精度不够。采用复杂的算法可以提高测量精度，但是运算 时间会较长，影响判断效率。整个实验就是争取在实时性与准确性两个性能折中的基础上进 行。在两个性能不相冲突的情况下，尽量以提高其中的一个性能为主，例如保持实时性的基 础上采用几种人脸识别算法相结合的方法提高实验精度。 第六章主要研究了三维人脸识别方法。采用投影栅相位法检测出三维人脸的高度，进行 三维图像的重构。 南京航空航天大学硕士学位论文 1 3 编程开发环境v c + + 6 0 的介绍 本文在v c + + 6 0 下实现编程，v c + + 6 0 是由m i c r o s o f t 公司在1 9 9 8 年推出的基于w i n d 0 w s9 x 和w i n d o w sn t 的优秀集成开发环境。它与b a s i c 、p a s c a l 程序相比有速度快、尺寸小等优势， 其最大的特色就是提供面向对象技术的支持。它利用类，把大部分与用户界面设计有关的 w i n d o w sa p i 函数封装起来，通过m f c 类库的方式提供给开发人员使用，大大提高了程序代码的 重用性；v c + + 6 0 提供了一个强大的应用程序生成向导a p p w i z a r d ，帮助m f c 类库的用户自 动生成一个应用程序框架，大大减轻了程序开发人员劳动强度，提高了开发效率；v c + + 的还有一 个强大的工具c l a s s w i z a r d ，用户通过它能够方便而有效地使用和管理m f c 类；不仅可以编写普通 的应用程序，还能很好地进行系统软件及通信软件的开发。 1 4 本章小结 本章介绍了人脸检测和识别技术的研究背景、发展概况及在家庭防盗系统中的应用，对本课 题所做的研究工作做了介绍。 3 基于人脸识别技术的视频监控系统的研究与设计 第二章人脸检测和人脸识别方法概述 从广义上将人脸识别( f a c er e c o g n i t i o n ) 分为以下两个方面的内容【7 】： 1 、人脸定位和检测( f a c ed e t e c t i o n ) ：即从在动态的场景与复杂的背景中检测出人脸的存在 并且确定其位置，最后分离出来。这一任务主要受到光照、噪声、面部倾斜以及各种各样遮挡的 影响。 2 、人脸表征( f a c er e p r e s e n t a t i o n ) ( 也称人脸特征抽取) ：即采用某种表示方法表示检测出 的人脸与数据库中的己知人脸。通常的表示方法包括几何特征( 如欧氏距离、曲率、角度) 、代。 数特征( 如矩阵特征向量) 、固定特征模板、特征脸等。 目前人脸检测比较常用的方法是利用统计或知识的方法对人脸建模，比较所有可能的待检测， 区域与人脸模型的匹配度，从而得到可能存在人脸的区域。前者将人脸图像视为一个高维向量， 从而将人脸检测问题转化为高维空间中分布信息的检测问题；而后者则利用人的知识建立若干规 则，从而将人脸检测问题转化为假设、验证问题。 2 1 人脸检测技术概述 人脸检测和定位是人脸识别系统的一个重要的环节。人脸检测将不同背景中的人脸检测出 来，并准确定位人脸在背景中的位置。人脸检测和定位的好坏直接影响到人脸识别的准确率，同 时检测的速度也直接关系到实时系统的可行性。 2 1 1 人脸检测的研究范围及方法 根据实际应用中人脸检测的难易程度分，人脸检测方法大致分为两类：一类是基于知识的人 脸检测方法；另一类是基于统计学习的人脸检测方法。下面将概要介绍这两种方法： l 、基于知识的人脸检测方法 基于知识的方法首先抽取几何形状、灰度、纹理等特征并形成一定的规则，然后检验这些规 则是否符合人脸的先验知识引。这类方法一般检测速度都很快，但精度较差，主要用来对人脸进 。 行粗检测。 ( 1 ) 器官分布规则：虽然人脸在外观上变化很大，但遵循一些几乎是普遍适用的规则，如 五官的空间位置分布大致符合“三庭五眼”等，检测图像中是否有人脸，e p 沏, u 试该图像中是否存 在满足这些规则的图像块。 ( 2 ) 轮廓规则：人脸的轮廓可以简单地看出近似椭圆，而人脸检测可以通过椭圆检测来完 成。 ( 3 ) 颜色规则：同民族人的面部肤色在颜色空间中的分布相对比较集中，颜色信息在一定 程度上可以将人脸同大部分背景区分开。 4 南京航空航天大学硕士学位论文 ( 4 ) 运动规n - 通常相对背景人总是在运动的，利用运动信息可以简单有效的将人从任意 复杂背景中分割出来。 ( 5 ) 对称性：人脸具有一定的轴对称，各器官也具有一定的对称性。还有一种方向对称变 换，分别在不同方向上考察对称性，不仅能够用来寻找强对称点，而且可描述有强对称性物体的 形状信息，在进行人脸器官定位时更为有效。 基于知识的方法所存在的问题主要是检测率不高，如果图像背景中存在类似人脸区域和不同 视角的某些人脸特征不可见，都会导致误检率升高。另外描述人脸特征之间关系的规则不易设计， 在规则制定的过高或过低会造成漏检和误检。虽然存在许多局限性，但其采用对图像马赛克处理、 分层次检测和通过先验知识指导人脸检测的思想对以后的研究提供了极大的帮助。 2 、基于统计学习的人脸检测方法 在静态图像人脸检测方法中，统计学习的方法尤为重要。总的来说，这种方法遵循一种统一 的模型，即首先通过学习，在大量训练样本集的基础上建立一个能对人脸和非人脸样本进行正确 分类的分类器，然后对被检测图像进行全局扫描，用分类器判断扫描到的图像窗口中是否包含人 脸。人脸检测问题被转化为统计模式识别的二分类问题，故称为基于统计模型的人脸检测方法。 采用这种检测策略的关键在于如何选取大量的具有代表性的图像样本，特别是非人脸样本来训练 分类器。 基于统计的检测方法不依赖于人脸的先验知识和参数模型，可以避免不精确或不完整的知识 造成的错误，且统计特征能更好地反应人脸图像和非人脸图像之间的差别。该方法大多适用于复 杂背景图像中的人脸检测，虽然该方法具有很强的适应能力和鲁棒性，但工作量大，需要对所有 可能的检测窗口进行穷举搜索，计算复杂度很高，因此检测速度有待于提高，另外“非人脸”样 本的选取仍然是一个较为困难的问题。 统计学习的方法从大量典型的数据中获得统计特征，不需要提取具体的人脸特征，而统计特 征也能更好地反应人脸图像和非人脸图像之间的差别，所以基于统计的人脸检测方法一般能够获 得较好的检测效果。但这类方法大多需要很大的计算开销，所以本文采用基于知识和统计学习相 结合的人脸检测方法，通过采用简单的知识特征滤除掉大量的背景区域，然后采用统计学习的方 法对保留区域进行人脸检测和识别。 2 1 2 本文所采用的人脸检测方法 综合比较了上述方法，本文主要采用基于知识建模的人脸检测方法，提出了在人类视觉特性 原理的基础上，利用人脸的几何特征，提取具有尺寸、旋转和位移不变性的人脸特征点的方法， 可以快速、有效地确定出人脸主要器官眼睛、嘴巴等部位的关键特征点位置。 人脸定位和检测部分可细分为人脸大致定位和人脸轮廓准确定位两部分： l 、人脸大致定位 5 基于人脸识别技术的视频监控系统的研究与设计 人脸大致定位部分本文采用了基于知识建模方法中的第三个规则，即颜色，纹理规则。人体 的皮肤颜色是人体的一个重要特征，肤色检测被广泛的应用于人脸跟踪、人脸检测、手语识别、 敏感图像过滤等领域中，具有重要的理论研究意义和实际应用价值。 肤色在人脸检测中具有以下特点：速度快且对姿态不敏感；不依赖于面部的细节特征，对于 光照、角度、阴影以及环境的变化具有鲁棒性并且和大多数背景物体的颜色相区别：在特定的色 度空间中其分布聚类在一个小范围内而容易提取。因此本文采用了肤色特征这一人脸定位中最常 用的特征。肤色特征主要由肤色模型描述，其主要的色彩空间将在下文介绍。 2 、人脸轮廓准确定位 本文综合了基于知识建模方法的( 1 ) 、( 2 ) 两个规则，在得到人脸特征点如眼睛、嘴巴等位 。 置后，根据经验公式画出匹配人脸轮廓的椭圆。 根据人类视觉特性在人脸识