答辩小区物业管理系统.ppt

阳光家园小区物业管理系统 答 辩 人： 班 级： 指导教师： 阳光家园小区物业管理系统 第一章　开发背景 1. 生物识别方法中，人脸识别有以下优点： 非侵扰性 采集设备简单、快捷 通过人脸识别身份与人类的习惯以致 2. 人脸识别应用的领域： 企业、住宅安全和管理 公安、司法和刑侦 自助服务 信息安全等 第一章　开发背景 小区的治安管理关系到每个小区公民的切身利益。每天都有很多外来人员进入小区，管理员无法逐个验证他们的身份。如果能利用摄像头捕捉他们的人脸图像进行检测识别来判断他们是否为小区的常住人口，可及时提醒工作人员引起警觉。我在毕业设计期间利用c#.net与Matlab混合编程开发了一个基于复杂背景的人脸自动检测与识别的原型系统。 第二章 人脸检测技术与方法的研究 彩色图像中，肤色是人脸的重要信息，它不依赖于面部的细节特征，对于旋转、表情、姿态等变化情况都能适用，具有相对的稳定性。在色度空间中，人脸的肤色分布表现出良好的聚类特性。利用肤色特征可以快速抛弃大量背景因素迅速得到目标区域。而模板的研究也比较成熟，且计算量小，运用简单。所以本文采用两种方法的结合。并在原有基于肤色和模板的人脸检测算法的基础上提出了一种基于肤色备选人脸区域分割优化和模板匹配的人脸检测算法。 2.1 彩色空间的选取 1. 彩色空间选择的依据： 该彩色空间是否有效地将亮度分量与色度分量分离，得到仅包含色度信息的色度空间。 在该色度空间中能否用给定的模型描述“肤色”区域的分布。 色度空间中“肤色”与“非肤色”区域的重叠有多少。 2. YCbCr颜色空间的优点： 在YCbCr颜色空间中，Y分量给出所有的亮度信息，而Cb和Cr分量不受亮度影响，有效地将亮度分量分离出来； 彩色分量Y、Cb、Cr可由三基色R、G、B经过线性变换得到，因此有较高的计算效率； 避免了非线性空间的奇异性。 基于以上论述，本文选用了YCbCr颜色空间. 2.2 肤色模型的建立 1. 手工剪裁出肤色区域 2. 使用低通滤波去除噪声 3. 色彩空间的转换，计算均值矢量M和协方差矩阵C。 2.2 肤色模型的建立 4. 统计色度为（cb，cr）的像素点数，得到三维色度分布图如下图所示： 2.2 肤色模型的建立 5. 用高斯模型归一化色度，肤色在Cb、Cr色度空间的高斯模型分布图如下图所示： 2.2 肤色模型的建立 6. 计算肤色似然度。图像每一像素的（Cb，Cr）值通过肤色概率密度函数公式 计算该（Cb，Cr）值所对应的肤色概率值，也即肤色似然度；并且得到整幅图像的最大肤色似然度。每一点像素的肤色似然度除以最大肤色似然度所得到的值，作为该像素点的灰度值，从而得到肤色似然图像，如下图所示： 2.3 阈值分割 肤色分割即为二值化各像素，用0代表背景，1代表肤色，从复杂背景中分辨出目标并将其形状完整地提取出来，阈值的选择是关键。本文选用最佳阈值的分割方法。具体的做法是：首先设定阈值为0.60，每次以0.05的间隔减少直到0.10。记录下每次阈值变化时属于肤色像素数量的变化，然后找出属于肤色像素数量变化最小时的那个阈值作为最佳阈值。阈值分割效果如下图所示： 2.4 基于肤色信息的备选人脸区域分割算法 应用前面得到的肤色模型进行色彩分割，得到粗略的包含人脸的候选区的二值分割图，如下图所示： 2.4 基于肤色信息的备选人脸区域分割算法 针对此现象，本文提出了一种基于肤色信息的备选人脸区域分割算法，具体步骤如下： 2.5 肤色区域优化 1.基于高度比的区域优化方法 研究表明：理想人脸的高度和宽度的黄金比例为: 如果某个候选区域高宽比（Ratio）满足0.8=Ratio=1.6，那么就可以认为该候选区域可能为人脸区域；如果不满足这种比例关系的候选区域，我们将对候选区域进行一定的优化选择。 2.基于面积占有率的区域优化方法 通过一些实验分析，得出当候选区域的面积小于整个待检测图像面积的2/1000时，也即区域面积占有率小于0.002时，可以将该区域从候选队列中剔除。 2.6 基于平均脸模板匹配的检测算法 算法流程如图 2.7 结果对比 下面将原有的基于肤色和模板匹配的算法（左图）与本文的算法（右图）进行对比，如下图所示： 第三章 基于PCA人脸识别算法的研究 PCA方法的基本原理是利用K-L变换抽取人脸的主要成分，