动态人脸识别技术与应用研究详细分解.ppt

* C A S I P P 动态人脸识别技术与应用研究 报告人: 徐从东 导 师: 肖炳甲 研究员 罗家融 研究员 C A S I P P 报告主要内容 一、系统概述 二、研究现状 三、下一步工作 C A S I P P 一、系统概述 系统设计为基于动态图像的人脸识别系统，设计本系统的目的是通过前端的摄像头判断某一视野是否有人，如果有人则对其身份进行鉴定,进而作出一些必要的反应。 C A S I P P 前端摄像头 图像采集 人脸检测与分割 人脸识别 特征库管理 人脸特征库 一、系统概述 C A S I P P 二、研究现状 图像采集 图像采集是指将前端摄像头传过来的信号采集为视频和图片。主要内容： （1）采集摄像头传来的视频信号 （2）对采集到的视频进行分割与取帧 （3）对处理后的视频的再现 在Windows操作系统下，采用VFW方法，对数字摄像头进行操作，用VC6.0编程。（已完成） C A S I P P 二、研究现状 根据采集的图像，确定图像中是否有人脸，如果有则确定人脸的位置，并转化成标准大小的人脸图像。此处我们采用基于皮肤颜色的人脸检测方法。首先在图像中检测人的皮肤，确定皮肤的位置，以此作为人脸的候选区域。再在这些候选区域中检测脸部特征，进一步确定人脸区域。 人脸检测与分割 C A S I P P 二、研究现状 人脸检测与分割 第一步：光线补偿 第二步：将RGB图像转化为YCBCR图像 第三步：建立皮肤颜色的高斯分布模型 第四步：用高斯模型检测出图像中的皮肤区域 第五步：求出皮肤区域中皮肤色调的马氏距离图 第六步：用主成份分析法确定皮肤区域是否是人脸 C A S I P P 二、研究现状 人脸检测与分割 第一步：光线补偿 第二步：将RGB图像转化为YCBCR图像 目的是减小外界光照的影响 C A S I P P 二、研究现状 人脸检测与分割 第三步：建立皮肤颜色的高斯分布模型 皮肤颜色服从高斯分布： （1）收集皮肤图像样本（收集了一些皮肤图像样本） （2）统计计算出皮肤颜色高斯分布的参数 C A S I P P 二、研究现状 人脸检测与分割 第三步：建立皮肤颜色的高斯分布模型 （2）统计计算出皮肤颜色高斯分布的参数（颜色分量只取CB与CR分量） 均值与协方差： C A S I P P 二、研究现状 人脸检测与分割 第四步：用高斯模型检测出图像中的皮肤区域 根据上面的高斯模型，可以直接计算出颜色c是皮肤的可能性的概率，也可用从颜色向量c 到均值向量的Mahalanobis距离来度量，计算公式如下： C A S I P P 二、研究现状 人脸检测与分割 第四步：用高斯模型检测出图像中的皮肤区域 （1）计算图像的马氏距离 （2）根据马氏距离确定图像中各点像素是否是皮肤像素 （3）对皮肤像素进行膨胀与腐蚀 （4）去除假区域 （5）确定可能的人脸区域并缩放到标准人脸图像大小。 步骤如下： 用MATLAB进行编程 C A S I P P 二、研究现状 人脸检测与分割 原始图像 根据马氏距离确定的皮肤像素 C A S I P P 二、研究现状 人脸检测与分割 对皮肤像素进行膨胀与腐蚀 去除假区域 C A S I P P 二、研究现状 人脸检测与分割 确定的可能人脸区域 C A S I P P 二、研究现状 人脸检测与分割 第五步：求出皮肤区域中皮肤色调的马氏距离图 （计算方法与前面完全一样） 第六步：用主成份分析法确定皮肤区域是否是人脸 （与特征脸法类似，此处是用的马氏距离图） C A S I P P 二、研究现状 根据前面检测的人脸图像，计算其特征，根据这些特征判断是不是已知的人脸，从而确定人的身份。这些特征可以是具体的，也可是抽象的。 人脸识别 为了便于计算，可以将人脸图像作为高维空间的一个点或一个向量，将这个高维向量映射到维数较低的向量空间，并用映射空间的向量表示人脸图像，来进行人脸识别。 *