复杂背景下基于肤色的人脸检测和性别识别.pdfVIP

复杂背景下基于肤色的人脸检测和性别识别 *** 摘要：本文在纵览人脸检测和识别算法的基础上，尝试性地采用基于肤色分割的方法检测人脸， 接着提取头发长短等性别特征，识别检测出来的头像的性别。实验表明，虽然肤色分割的方法 的鲁棒性一般，但是可以作为人脸检测和识别的重要辅助手段。 关键词：人脸检测；人脸识别；性别分类；肤色；复杂背景 1. 绪论 1.1 漫谈图形图像 图形图像是一家！图像处理，输入为单幅图像，输出为单幅图像，是二维信号处理，提取 对于我们有用的信息；我们不妨望文生义，机器视觉就是使机器具有类似于人的视觉功能，尽 可能地获取三维空间中的信息，一个经典的视觉系统分低层视觉、中层视觉和高层视觉三个部 分；而计算机图形学，是在一个虚拟的三维画布上画图，最后投射到二维屏幕上。 图像处理、机器视觉和计算机图形学，相互紧密联系在一起！譬如，低层视觉中的明暗分 析，要明白光线发射、吸收和反射的知识，结果是从单幅图像中恢复物体的三维形状；而计算 机图形学，也需要建立光学模型，设置环境光、散射光和镜面光，最后依据物体表面的光学质 材和法线向量，按照一定的光线传播规律合成一幅具有3D 效果的二维图像。 图形图像，是一个迅猛发展的热门研究领域。 “工程”前面附上“图像”、“人脸”、“生物医学”等名词，似乎具有独特的魅力。这样可 以将面向某个实际应用的相关联的各个研究方向，纳入一个整体框架之下。 人脸工程，是图形图像中一个极度活跃的研究内容。 1.2 人脸检测综述 鲁棒性是衡量一个系统的重中之重的性能指标。人脸检测和识别系统主要受到以下因素的 影响：（1）人脸可能以不同的姿势出现；（2 ）人脸可能有一些特殊装饰或附属物，比如胡须、 眼镜等；（3 ）人脸在某些情况下会被部分遮挡，使得某些脸部特征缺损或丢失；（4 ）人脸有多 种表情；（5 ）人脸在成像过程中，会受到摄像距离、拍摄方向、光照角度、光照强弱等条件的 影响；（6 ）人脸会随着年龄的增长产生变化。 人脸识别之前，要进行人脸检测。人脸检测效果的好坏，直接影响系统的精确率。人脸检 测的方法大致可以分为以下几类： （1） 基于知识的方法：这种方法充分利用一张典型人脸的组成的知识，一般会捕捉 人脸特征之间的相互关系，主要用于人脸定位。 （2 ） 不变特征的方法：这种方法的目的，是寻找不随姿势、摄像方向和光照条件等 的变化而不存在的结构特征，主要用于定位人脸。这些不变特征有五官、纹理 和肤色等。多特征结合会提高定位效果。 （3 ） 模板匹配：预定义几个标准的人脸模板，用于人脸的整体描述，或是分散描述 人脸特征，然后计算输入图像和存储模板之间的相互关系，最终实现人脸的定 位和检测。这方面的典型算法有ASM 、AAM 等。 （4 ） 基于外观的方法：与模板匹配相反，这种方法在一系列训练图片中提取能够代 表人脸外观的特征，训练出人脸的模型，然后用这个学习模型进行测试，主要 用于人脸检测。特征脸、ANN 、SVM、HMM 和基于信息论的方法都是这方面 的典型算法。2001 年Viola 等利用积分图进行特征提取，利用Boosting 方法设 计分类器，实现了实时高精准的人脸检测效果，被视为人脸检测的一个里程碑！ 1.3 人脸性别识别初探 1.3.1 面部特征提取 一般的人脸识别系统使用的特征分为视觉特征、像素统计特征、变换系数特征、代数特征 和运动特征： （1） 视觉特征主要是肤色特征、纹理特征和几何特征。 （2 ） 像素统计特征主要有灰度特征。由于人脸轮廓近似椭圆，五官分布对称、位置相对 固定和外形大致相同，人脸灰度分布呈现一定规律，这反映了人脸的内在特征。灰 度特征通常采用统计方法或特征空间变换的方法进行提取。 （3 ） 变换系数特征，如傅立叶变化、小波变化等等。 （4 ） 代数特征：将图像看作一个矩阵，对其进行各种代数变换，或进行各种矩阵分解。 如不变矩、奇异值等。 （5 ） 运动特征是指视频序列中各帧图像中人脸特征的变化。 1.3.2 人脸性别识别