人脸自动定位算法设计的开题报告.docVIP

毕 业 设 计 开 题 报 告 学 院： 电子工程学院 班 级： 学生姓名： 指导教师： 职 称： 2010 年 月 日  课题题目 基于电话网的远程智能控制系统 课题性质 A B C D E □ □ ■ □ □ 课题来源 A B C D □ □ ■ □ 成果形式 A B C D E ■ □ □ ■ □ 同组同学 开题报告内容（可另附页） 指导教师意见（课题难度是否适中、工作量是否饱满、进度安排是否合理、工作条件是否具备等） 指导教师签名： 月 日 专家组及系里意见（选题是否适宜、各项内容是否达到毕业设计（论文）大纲要求、整改意见等） 专家组成员签字： 教学主任（签章）： 月 日 一、研究目的: 随着社会的不断进步以及各领域对快速有效的自动身份验证技术的迫切需求，生物特征识别技术在近几十年中得到了飞速的发展。生物特征识别技术是指通过计算机利用人体固有的生理或行为特征来进行身份识别和鉴定的科学，作为人的一种内在属性，并且具有很强的自身稳定性及个体差异，生物特征成为了自动身份验证的最理想依据。经过数十年的研究，生物特征识别在不同的领域获得了不同程度的成功，基于各种生物特征识别技术的身份识别系统具有更好的安全性，可靠性和有效性，正越来越受到人们的重视，并开始进入社会的各个领域。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，步态识别，静脉识别，人脸识别等。与其它识别相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。 在人脸识别系统中，为了识别检测到的人脸，还需要进一步提取检测的人脸面部关键特征点的位置，比如眼睛，鼻子和嘴巴的位置，形状乃至整个人脸的外轮廓等信息。换句话说，就是利用计算机在一幅人脸图像或图像序列中自动的定位出人脸各个器官的准确位置。人脸自动定位可以为人脸识别，姿态表情分析，人脸跟踪等研究工作提供相应的基础数据，因而具有举足轻重的地位。 眼睛自动定位是人脸识别中一个非常重要的课题，因为与人连其他部位如鼻子、嘴巴相比，眼睛区域不仅包含了丰富的、区别于其它人的重要信息，而且是对图像进行旋转校正，归一化和均衡化的前提，同时也是人脸其他部位检测和提取的基础。 二、研究内容： 根据眼睛轮廓所具有的椭圆特性提出一种简单易行的定位算法。首先对人脸图像进行边缘提取，并对边缘上的点进行椭圆拟合，因为眼镜高和宽的比例是具有一定范围的，因此可以对椭圆的长轴和短轴设定一个阈值，已确定眼睛的候选位置，再运用支持向量机分类器粗略定位眼睛区域，最后在该区域内应用基于方向性圆形霍夫变换（Circle Hough Transform(CHT)） 的检测算子来定位眼球中心。 各步骤功能用途简介： 1.边缘提取 为了减少计算量及背景对眼睛检测的影响，所选择的算子应具备：在所提取的边缘图像中，在包含眼睛轮廓的前提下，其它边缘点应尽可能的少。综合考虑，选择眼睛区域边缘点较丰富的Canny边缘检测算子进行边缘提取。 2．最小平方椭圆拟合 椭圆拟合中最为常用的是最小平方拟合。它主要是通过找到一组参数，使待拟合的数据点与椭圆之间的距离达到最小来实现的。而最小平方拟合中，常用的是二次曲线拟合。二次曲线可以由一个二次多项式来表示：F(G,X)=a·x=ax^2+bxy+cy^2+dx+cy+f=0,其中：G=[a b c d e f],X=[x^2 xy y^2 x y 1]。 3.支持向量机（SVM） SVM是建立在经验风险最小的基础上，通过找到一个最佳决策超平面来实现的两类分类方法。开始时通过一些训练数据，来获得最优超平面。然后根据眼睛的候选区域，以其拟合椭圆的中心为中心，从原图像中分割出和训练图像同样大小的子图像并形成矢量，输入到训练过的SVM中，SVM将会将输入矢量分到眼睛类和非眼睛类。 4.眼球中心定位 采用一种基于方向性的CHT的检测算子来定位眼球中心。 三、课题的准备情况及进度计划 序号 毕业设计阶段性工作及成果 时间安排