课题设计之人脸课件

1、课题设计： 人脸检测定位第四组目录人脸检测定位人脸检测定位的概述人脸检测定位的实现方法结果对比人脸识别 - 概述 人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。也就是说：是基于人的脸部特征信息进行身份识别的一种生物特征识别技术。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别主要包括4个步骤，分别为：人脸检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。人脸检测-研究现状国外对人脸检测问题的研究很多，比较著名的有MI

2、T,CMU等；国内的清华大学、中科院计算所和自动化所、南京理工大学、北京工业大学等都有人员从事人脸检测相关的研究。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内容。现在的一个比较优秀的人脸检测算法是ViolaJones的级联分类器算法。这种算法使用基于Haar特征的级联分类器策略，可有快速且有效的找到多种姿态和尺寸的人脸图像。人脸检测 - 难点 人脸检测是一个复杂的具有挑战性的模式检测问题，其主要的难点有两方面， 一方面是由于人脸内在的变化所引起：（1）人脸具有相当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的开与闭等；（2）人脸的遮挡，如眼镜

3、、头发和头部饰物以及其他外部物体等； 另外一方面由于外在条件变化所引起：（1）由于成像角度的不同造成人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响较大；（2）光照的影响，如图像中的亮度、对比度的变化和阴影等。（3）图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。人脸检测 - 应用人脸检测可用于生物特征识别，通常做为人脸识别系统的一部分。人脸检测也可以用于视频监听、人机交互和图像数据库管理。一些最新的数码相机使用人脸检测来自动对焦。人脸检测也可以在使用了pan-and-scale ken burns effect的photo slideshows中帮助选择感兴

4、趣的区域。人脸检测也获得了市场的兴趣。电视机上可以集成摄像头来检测任何走过的人脸，然后计算该用户的种族、性别和年龄范围。一旦获得这些信息，可以针对性的播放广告。人脸检测也可以用于节约能源。人们看电视或电脑的时候往往会做其他工作，这时候普通的显示器不能自动降低亮度来节省能源。智能系统可以识别用户的面部朝向，当用户不看屏幕时，可以自动降低亮度；在用户重新看屏幕时，再增加亮度。图像处理的matlab实现 图像是人类获取信息、表达信息和传递信息的重要收段。 数字图像处理主要包括图像变换，图像增强，图像编码，图像复原，图像重建，图像识别以及图像理解等内容。 注：下面简单介绍图像增强和图像的边缘检测。灰度

5、变换增强 灰度变换最常用的就是直方图变换的方法，即直方图的均衡化。这种方法是一种使输出图像直方图近似服从均匀分布的变换算法。 注：先进行图像类型的转换（因为图像增强和边缘检测都是针对灰度图像进行的）。灰度图像直方图均衡化i=imread(f:face1.tif);j=histeq(i); %histeq 图像直方图均衡化的具体函数imshow(j);figure,subplot(1,2,1),imhist(i); %imhist 计算和显示图像的直方图subplot(1,2,2),imhist(j) 空域滤波增强 空域滤波按照空域滤波器的功能可分为平滑滤波器和锐化滤波器。 平滑滤波器可以用低通

6、滤波实现，目的在于模糊图像或消除噪声。 锐化滤波器是用高通滤波来实现的，目的在于强调图像被模糊的细节。平滑滤波效果锐化滤波效果空域滤波增强的代码i=imread(f:face1.tif);j=imnoise(i,gaussian,0,0.02);%gaussian加入高斯噪声subplot(1,2,1),imshow(j);j1=wiener2(j);subplot(1,2,2),imshow(j1);%wiener函数实现对图像噪声的自适应滤波h=fspecial(gaussian,2,0.05);%高斯滤波器的方法进行锐化滤波j2=imfilter(i,h);%imfilter函数实现中值

7、滤波figure,subplot(1,2,1),imshow(i)subplot(1,2,2),imshow(j2)边缘检测 数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础，也是图像识别中提取图像特征的一个重要属性。 边缘检测算子可以检查每个像素的领域并对灰度变化率进行量化，也包括对方向的确定。i=imread(f:face1.tif);j=edge(i,canny,0.04,0.25,1.5);imshow(j) 原灰度图像 边缘检测后的图像原始图片灰度图片均衡化的灰度图片效果图以下是其他几组人脸检测的效果图原图效果图原图效果图原图效果图原图效果图总结

8、由最后的几组效果图可以看出，人脸检测定位效果并不是很理想，只有当脸部突出比较明显或背景干扰较小时才能定位较准确，其他情况下并不是很准确，其中大部分原因还是本组成员技术水平较低，无法对图片信息进行更好的处理，导致无法做到精准的检测定位。致谢感谢柴燕燕、李爱珠等几位同学为本组课题设计提供照片素材。 % detection of face objectL=bwlabel(BW,8);BB=regionprops(L,BoundingBox);BB1=struct2cell(BB);BB2=cell2mat(BB1);s1,s2=size(BB2);mx=0;for k=3:4:s2-1 p=BB2(1,k)*BB2(1,k+1); if pmx&(BB2(1,k)/BB2(1,k