基于WebCam人脸识别过程.docVIP

基于WebCam人脸识别过程 　　人脸识别技术可以应用于基于网络的身份认证，本文通过截取视频流中的单帧图像，对其依次进行了色彩空间的转换、人脸肤色的建模、后处理操作以及人脸定位算法四个过程的操作，详述了基于WebCam（Internet上的摄像头）的人脸识别的处理过程。 　　【关键词】人脸识别 视频流 WebCam 　　1 人脸识别技术 　　基于视频流的人脸分析的目的是在视频中自动检测、人脸定位、跟踪和人脸的识别，这是目前计算机模式识别领域和图形图像领域中的研究热点，广泛应用于生物认证、计算机安全等领域。由于人脸存在动态性和可变性的特点，人脸检测技术还是机器视觉中的一个难点。 　　当前，已有多种生物认证技术广泛应用于身份认证或加强传统身份认证技术（如口令），但是受限于单机操作，而不能用于网络上身份的验证。基于WebCam的人脸识别技术，在人脸分析技术的基础上，结合基于网络的视频流，实现基于网络的身份认证。 　　人脸的分析是基于WebCam的人脸识别技术的核心，主要包括彩色空间及转换、人脸肤色模型二值化、后处理、人脸定位4个过程。本文利用WebCam截取视频流，并对截取的视频流进行人脸分析，实现人脸定位。 　　2 基于肤色的人脸分析 　　人脸和背景之间的色彩差异可以作为为程序区分人脸和背景的依据。本文将人脸中的肤色作为背景。 　　2.1 彩色空间及其转换 　　单帧图像的采集是通过AVICap、WebCam提供的视频采集函数实现的，图像保存为32位真彩色格式，选择YUV彩色空间来完成人脸肤色和背景色的分析，并完成人脸肤色的建模。 　　YUV彩色空间含Y、Cr、Cb 3个分量，其中Y为像素的亮度，Cr为红色色差分量，Cb为蓝色色差分量，分别用来传送亮度分量Y的差值信号、红基色分量R、蓝基色分量B。而对于彩色图像，由决定其色调，由 决定其饱和度。在采用的YCrCb彩色空间进行数字化后Y：Cb：Cr的值为8：4：4或8：2：2。处理亮度分量时，每个像素将数字化为8b，Cb、Cr色差分量是每四个像素用一个8b数据表示。利用公式将RGB彩色空间的每个像素存放位数转换为YCrCb彩色空间的存放位数： 　　Y=0.229R+0.587G+0.114B（1） 　　Cr=R?Y=?0.229R?0.587G+0.886B（2） 　　Cb=B?Y=0.701R?0.587G?0.114B （3） 　　转换后的24位像素值中，前8位表示Y，中间8位表示Cr分量，后8位表示Cb分量。 　　2.2 人脸肤色模型二值化 　　将单帧图像转换到YUV彩色空间后，判断像素的灰度值时采用“阈值处理”的方法，将符合“阈值处理”公式的像素标记出来，将图像二值化并确定该单帧图像中某一像素是不是人脸像素。其中，阈值处理是指当输入图像的各像素灰度值属于某阈值范围内时，将其对应输出图像的像素设为白色或黑色。 　　实现单帧图像的二值化时，首先确定合适的人脸肤色模型。人脸肤色的变化多是由于肤色亮度值的差异造成，所以在确定人脸肤色模型时，可以只用色度值来确定而忽略掉由肤色亮度值造成的差异。 　　2.3 后处理 　　二值化操作后得到的单帧图像中，符合人脸肤色模型的像素是白色部分的像素，黑色像素不符合模型判别条件。由于在WebCam采集到的图像中，人脸所占范围很大，要去掉单帧图像中离散的非人脸区域可以采用膨胀与统计的后处理方法。 　　首先，使用形态学上的膨胀（dilation）和腐蚀（erosion）操作，填满被检测到的脸部皮肤区域里的小且稀少的洞，这样既不明显改变这些区域，又能使其边界线变得平滑。其中：膨胀是指某像素的邻域内只要有一个像素是白像素，该像素就由黑变白，其他像素不作变化；腐蚀是指某像素的邻域内只要有一个像素是黑像素，则该像素就由白变黑，其他像素不作变化。在图形学中，一个像素的邻域范围内最多可以有8个像素，在确定操作的邻域范围时，选择某个像素的上下、左右四个像素进行相应的操作即可。 　　然后，统计图像中的连续白色区域内的白色像素数，把在作出比较之后的白色像素个数最多的区域保留下来。 　　最后，用一个常量AREAPIXEL来判定白色像素的个数，这个常量值的确定应以“视频帧图像中有效人脸的范围”为依据，白色像素的个数大于该常量时，将该区域判定为人脸区域。反之，白色像素个数小于该常量时，判定为非人脸区域，同时将该区域黑色化。当确定有符合判定条件的人脸存在时，人脸区域就是进行二值化后的单帧图像剩下的白色区域。 　　2.4 定位人脸区域 　　后处理操作后，确定图像中有人脸的存在时，要进行人脸区域的定位操作。 　　人脸区域的确定是通过扫描图像检测出人脸的边缘来完成的。按照图像的存储原理，首先从下往上进行扫描，将出现白色像素的第一行作为人脸的下边界，记为y1。然后继续向上扫描，扫描的同时