论文总字数：18989字

摘 要

人脸识别作为当今应用最为广泛的生物特征识别技术之一，出现在从信息安全，刑事侦破，公共安全事业到相机，美图软件等移动应用，还有例如的人脸识别云计算平台。虽然在与指纹，虹膜识别技术的比较中，人脸检测的准确率相对来说还较低，但是它具有操作性好，使用范围更广的特点。

本文提出的是基于肤色分割和模板匹配的人脸检测算法。通过利用颜色空间特性，以及参考了对人脸的聚类特性的研究，基于不同的色彩空间的肤色聚类特性的对比，选定彩色模型来进行肤色分割。在彩色模型中，参考了先验知识，以及大量的实验结果，建立了肤色模型，即根据人的肤色的固定阈值信息，将人脸图像二值化，用图像处理技术来排除干扰与噪声，提取出人脸轮廓线，最后通过人脸形状的特征来确定人脸位置。

关键词：人脸检测 肤色分割 模板匹配

Implementation of algorithm of Face detection

Abstract

As one of the most popular biometrics recognition technology,it appears from information security, public security enterprise to camera and image beautification apps, and face recognition cloud computing platform like . Although the correct rate of the face recognition is lower than that of fingerprint or iris, it has the advantage of better operability, bigger range of application. In this paper, a face detection algorithm based on skin color segmentation and template matching is proposed. By using the features of color spaces and referring to the research on the clustering of human face based on different color spaces, choosing the color space to do the research of skin segmentation. In the color spaces, referring to prior knowledge and plenty of experimental results, the research finished building the skin color model. The model based on binaryzation of the face images according to the thresholds of the skin color, then using the image processing techniques to eliminate the interference and noise, extracting the contour line of the face and finally locate the face by the shape.

Key Words: Face detection;Skin segmentation;Template matching

目录

摘要 I

Abstract II

第一章 绪论 1

1.1课题的背景和研究意义 1

1.2人脸检测的国内外研究现状 2

1.3人脸检测的具体方法 3

第二章 图像的彩色模型 5

2.1肤色检测 5

2.2图像的彩色模型简介 5

2.2.1 彩色模型 6

2.2.2归一化模型 7

2.2.3彩色模型 8

2.2.4彩色模型 8

第三章 两种彩色模型下的肤色模型建立 13

3.1肤色模型的建立 13

3.1.1高斯分布模型 13

3.1.2规则化查表法 13

3.1.3 贝叶斯分类器 13

3.2 基于彩色模型的人脸检测 14

3.2.1 与彩色模型的转化 14

3.2.2 彩色模型下的肤色模型 14

3.3 基于彩色模型的人脸检测 15

3.3.1 与彩色模型的转换 15

3.3.2 彩色模型下的肤色模型 15

第四章 肤色分割算法 17

4.1对人脸区域的形态学处理 17

4.1.1 形态学处理步骤 17

4.1.2 形态学处理中结构元素值的选定 17

4.2模板匹配 18

4.3人脸数量的检测 18

4.4 边缘提取 19

4.5 标记人脸位置 19

第五章 结论与展望 21

参考文献 22

附录 23

1. 绪论

1.1课题的背景和研究意义

人脸识别技术是一种生物识别技术。生物识别技术，目的就是不同个体的自动鉴别或验证。采集和处理人或动物的生理或动作特征是主要方法,如虹膜和指纹这类每个人先天的特征，又如笔迹，走路方式这类后天培养的习惯的特征。人脸识别是根据由计算机收集到的面部的特性来进行人身份的检测与认证的一种技术。人脸识别技术涉及到众多领域，图像处理技术是基础。计算机视觉和模式识别技术的发展将它推到了更高的高度。

自动人脸识别问题是一个包含了在一个混乱背景中人脸的检测与定位的复杂任务，这个任务带来了标准化和识别。把脸当做一个图案，它是一个在检测与识别中非常有挑战性的目标。人脸的解剖结构是足够刚性的，所以所有的脸都有相同的结构，但同时它们在性别，种族，个体变化和面部表情中是差距非常大的。一个健全的检测识别系统也必须克服由于亮度状况，头部的旋转，复杂背景等等产生的变化。

过去的25年提出了许多不同的面部识别技术，现实生活中需要人类识别的应用的大幅增长刺激了这些技术的发展。和的团队（）在做面部检测与识别中就使用了特征脸。用到线性判别分析（）（）或者支持向量机（）来分类的人脸识别技术也得到了发展。团队（）采用了隐藏模型来做面部识别，并且通过和团队（）的嵌入式的应用，使得他的方法得到了更深的拓展。团队（）在人脸识别中就使用了弹性图匹配（）。团队（）提出了一个基于多尺度侵蚀扩张的弹性图匹配的变体。局部特征分析（），是一个与特征脸相关的技术。但是它能够适应的面容和面貌的改变是由和（）提出的。基于通过微分几何技术（团队，）或点识别标志（）获得的深度图像面部特征的提取的技术也被提出用于面部识别。

大部分面部识别系统是基于2D密度或彩色图像的分析。因为来自2D图像的可靠特征的提取是困难的并且从属于大范围的可能出现的解释错误。这些系统的识别准确性受到了个体集少的局限。由于生物计量学特征在照明影响，头部旋转，

请支付后下载全文，论文总字数：18989字