基于模板的人脸检测.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,基于模板的简易人脸检测,一、研究背景,人脸识别技术主要应用在公安、金融、网络安全、物业管理以及考勤等领域,国外被大量使用在国家重要部门以及军警得安防部门。,人脸检测是人脸识别与匹配的基础，在此我们基于颜色分割和模板匹配的思想，建立一种简单的人脸检测程序，算法比较简单，速度快。,二、研究动态,几何特征的人脸识别法,基于眼、鼻、嘴等之间的几何特征，算法识别速度快，需要的内存小，但识别率低。,基于特征脸（,PCA,）的人脸识别法,基于,KL,变换的人脸识别方法，完全基于图像的灰度统计特性，需要较多的训练样本。,神经网络的人脸识别法,以降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩为输入，需要较多的训练样本。,弹性图匹配的人脸识别法,结合了灰度特性和几何特性，允许人脸又一定的弹性变形，克服了表情变化的影响，对于单个人不需要较多样本。,三、算法,（一）算法思想,真彩色,RGB,图像可以进行归一化处理至,rgb,空间，并可进一步转化为灰度图像。其中，灰度图像的像素值对应该像素点是皮肤的概率。在此基础上，将灰度图像进行滤波处理后转化为二值化图像，就可提取出图像的特征点，用,0,（黑色区域）和,1,（白色区域）分别表示非皮肤区域和皮肤区域。,在确定皮肤的基础上，我们可以通过对锁定的区域根据人脸的特征进行优化分割，剔除多余成分，就可基本确定人脸区域。,（二）设计框图,（三）模块说明,建立肤色分布高斯模型,rgb,图像空间是将,RGB,图像空间归一化得到的，其转换公式为,由于,rgb,空间一般只用,(r,g),空间，这样又实现了三维空间到二维空间的转换。,由于实际中皮肤的概率分布是呈高斯分布的，假设,(r,g),空间中皮肤,的概率分布的一阶矩和二阶矩分别为,则某一像素点 是皮肤的概率为,对于肤色概率分布的一阶矩和二阶矩我们可以通过查阅资料或用大量图片进行估计得到。通过我们的查阅资料可知,色彩空间转换：,rgb2gray(Img),如果以,R,、,G,、,B,为轴建立,空间直角坐标系,，则,RGB,图的每个象素的颜色可以用该,三维空间,的一个点来表示，,Gray,图的每个象素的颜色可以用直线,R=G=B,上的一个点来表示。于是,rgb,转,gray,图的本质就是寻找一个三维空间到,一维空间,的映射，最容易想到的就是,射影,（即过,rgb,空间的一个点向直线,R=G=B,做,垂线,）。,Matlab,中,Gray=0.29900*R+0.58700*G+0.11400*B,。,图像滤波,初始输入的图像往往带有噪声，为了消除混杂图像的干扰，改善图像的质量，增强图像的表现特征，可以对图像进行滤波处理。,邻域平均法滤波是利用,33,的,BOX,模板对图像进行卷积运算，对当前像素及其相邻的的像素点统一进行平均处理，这样就可以滤去图像中的噪声。,二值化,图像经过平滑滤波后，噪声大多已经被消除，为提取特征点，需对图像进行分割，要二值化。,对于初始输入的真彩色图像，我们统计可得皮肤与非皮肤区域的先验概率，分别记为 ，又根据皮肤概率分布的高斯模型，我们可知,优化模板,对上面获得的二值图像中的目标区域进行比例、结构的分析，过滤掉不可能的人脸区域，便于后面的形状模板的匹配。,长宽比,:,人脸的比例通常是,1,：,1,，但考虑到与人脸相连的脖子可能没有被衣服覆盖的情况，本文规定，如果目标区域的宽度与高度的比例小于,0.6,或是大于,1.5,，则认为不是人脸区域，删除该区域。,区域填充率,:,矩形面积,S,，目标区域的面积为,A,，如果,A/s,小于,0.35,，则认为不是人脸区域，删除该区域。,理想肤色,分布,VS,真实图片（含噪声）中肤色分布,实际检测效果展示,四、优缺点,优点,算法简单、无需训练样本、占用内存小、速度较快,缺点,只能检测单人脸图像、检测的成功率不太高、检测的精确度不是太高,五、进一步拓展与应用,可以通过对检测的人脸区域进行特征分析，然后与库文件进行匹配，实现特定人脸的检测与识别,可以通过算法改进，实现在图像中可以检测出多个人脸的情况,可以进一步开发实现对检测目标的动态跟踪,谢谢！,