课题设计介绍之人脸.pptVIP

* * 课题设计：  人脸检测定位 第四组 目录 人脸检测定位 人脸检测定位的概述 人脸检测定位的实现方法 结果对比 人脸识别 - 概述 人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。也就是说：是基于人的脸部特征信息进行身份识别的一种生物特征识别技术。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别主要包括4个步骤，分别为：人脸检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。 人脸检测 - 概述 人脸检测的英文名称是Face Detection. 人脸检测问题最初来源于人脸识别（Face Recognition）。人脸识别的研究可以追溯到上个世纪六、七十年代，经过几十年的曲折发展已日趋成熟。 人脸检测(Face Detection)是一种在任意数字图像中找到人脸的位置和大小的计算机技术。它可以检测出面部特征，并忽略诸如建筑物、数目和身体等其他任何东西。有时候，人脸检测也负责找到面部的细微特征，如眼睛、鼻子、嘴巴等的精细位置。 人脸检测-研究现状 国外对人脸检测问题的研究很多，比较著名的有MIT,CMU等；国内的清华大学、中科院计算所和自动化所、南京理工大学、北京工业大学等都有人员从事人脸检测相关的研究。而且，MPEG7标准组织已经建立了人脸识别草案小组，人脸检测算法也是一项征集的内容。 现在的一个比较优秀的人脸检测算法是Viola–Jones的级联分类器算法。这种算法使用基于Haar特征的级联分类器策略，可有快速且有效的找到多种姿态和尺寸的人脸图像。 人脸检测 - 难点 人脸检测是一个复杂的具有挑战性的模式检测问题，其主要的难点有两方面， 一方面是由于人脸内在的变化所引起：（1）人脸具有相当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的开与闭等；（2）人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等； 另外一方面由于外在条件变化所引起：（1）由于成像角度的不同造成人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响较大；（2）光照的影响，如图像中的亮度、对比度的变化和阴影等。（3）图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。 人脸检测 - 应用 人脸检测可用于生物特征识别，通常做为人脸识别系统的一部分。人脸检测也可以用于视频监听、人机交互和图像数据库管理。一些最新的数码相机使用人脸检测来自动对焦。人脸检测也可以在使用了pan-and-scale ken burns effect的photo slideshows中帮助选择感兴趣的区域。 人脸检测也获得了市场的兴趣。电视机上可以集成摄像头来检测任何走过的人脸，然后计算该用户的种族、性别和年龄范围。一旦获得这些信息，可以针对性的播放广告。 人脸检测也可以用于节约能源。人们看电视或电脑的时候往往会做其他工作，这时候普通的显示器不能自动降低亮度来节省能源。智能系统可以识别用户的面部朝向，当用户不看屏幕时，可以自动降低亮度；在用户重新看屏幕时，再增加亮度。 图像处理的matlab实现 图像是人类获取信息、表达信息和传递信息的重要收段。 数字图像处理主要包括图像变换，图像增强，图像编码，图像复原，图像重建，图像识别以及图像理解等内容。 注：下面简单介绍图像增强和图像的边缘检测。 灰度变换增强 灰度变换最常用的就是直方图变换的方法，即直方图的均衡化。这种方法是一种使输出图像直方图近似服从均匀分布的变换算法。 注：先进行图像类型的转换（因为图像增强和边缘检测都是针对灰度图像进行的）。 灰度图像实现如下 i=imread(f:\face1.png); j=rgb2gray(i); imshow(j); imwrite(j,f:\face1.tif); 原图 效果图 灰度图像直方图均衡化 i=imread(f:\face1.tif); j=histeq(i); %histeq 图像直方图均衡化的具体函数 imshow(j); figure,subplot(1,2,1),imhist(i); %imhist 计算和显示图像的直方图 subplot(1,2,2),imhist(j)