VC毕业论文基于WebCam的人脸检测技术论文答辩演示文稿new.ppt

人脸检测的意义 实现在Internet上的身份认证和安全 本文的研究内容 利用WebCam获取视频流 在获取的视频流中进行人脸定位 彩色空间 RGB彩色空间 图像的每个像素都是由3个字节表示，每个字节代表一个不同的颜色分量，依次是蓝色分量B、绿色分量G、红色分量R，三个字节存储的实际内容就是三个分量的值，范围在（0，255）。这种被大多数图像格式所采用的彩色空间，称之为RGB彩色空间。 YCrCb彩色空间 YCrCb彩色空间（也称为YUV彩色空间）的Y分量是表示像素的亮度， Cr和Cb称为色度，其中Cr分量表示红色色差分量，Cb表示蓝色色差分量。 决定色度 ， 决定饱和度。 人脸肤色建模 文献[2]介绍的人脸肤色模型 视频流 视频工具包Video for Windows VFW是Microsoft公司推出的关于数字视频的一个软件开发包,包含了一整套完整的视频采集、压缩、解压、回放和编辑的应用程序编程接口（后简称API）。 视频流采集的实现 利用AVICAP.DLL文件里的视频采集函数 。 视频流的显示 在整个VFW软件开发包中，DrawDib模块是用来在视频终端（如显式器，打印机）上回放视频数据的。我们采用WebCam直接采集视频流，以DIB位图方式存储在数据缓冲区中，然后由DrawDib模块为我们提供的DrawDibDraw函数来绘制DIB图像。 谢谢大家！ * * 基于WebCam的人脸检测技术 2004年6月13日 基于WebCam的人脸检测技术 1.人脸检测的意义，本文的研究内容 2.基于肤色的人脸定位 3.视频流 4.试验数据与展望 结束 总体设计流程 返回 图1 基于WebCam的人脸检测和跟踪流程 基于肤色的人脸定位 （1）转换彩色空间 （2）人脸肤色模型，二值化 （3）后处理 （4）人脸区域的定位 返回 在多媒体计算机中采用的YCrCb彩色空间，数字化后Y:Cb:Cr为8:4:4或8:2:2。为了简化起见，本文从RGB彩色空间转换到YCrCb彩色空间的每个像素存放位数未做压缩，变换公式如下： 彩色空间转换 （1） （2） （3） 返回 （4） （5） 自定义的人脸肤色模型 （6） 图2　YCrCb彩色空间中的视频流图像 人脸肤色建模，二值化 （7） 返回 图3　二值化后的视频流图像 自定义的人脸肤色模型 后处理 返回 图4 后处理后的视频流图像 采用膨胀与统计的后处理方法来去掉单帧图像中那些离散的非人脸区域。 人脸区域的定位 返回 图5 定位后的视频流图像 图4 后处理后的视频流图像 返回 试验数据 本文分两种情况来试验视频流图像中的人脸定位，下面举4张具有代表性的实验结果来进行说明： 情况1：在无大面积的与人脸肤色相近区域的情况下，对人脸的定位。 图4 人脸位于图像中央的正面人脸定位 图8 人脸位于图像一测的正面人脸定位 试验数据 情况2：存在较大面积的与人脸肤色相近区域的情况下，对人脸的定位。 图9 存在干扰情况下的正确人脸定位 图10 存在干扰情况下的错误人脸定位 展望 总的来说，本次毕业设计实现了对单帧图像的人脸定位，可以为下一步即“验证检测到人脸是否是参加在线考试的人员”提供基础。但是，对人脸的精确验证还需要更好的能抽象出人脸特征的建模公式，比如在视频流处理过程中，可以利用“眨眼”这种面部表情中的特征来进行融合处理，实现更准确的定位。 返回 *