人脸识别论文
基于颜色人脸图像分割的算法
杨璐
廊坊师范学院
摘 要:为了达到通过人脸对比识别身份的方法，本文提出了一种基于面部特征值提取和按比例分割相融合的自适应模型，利用肤色提取人脸位置并采取按比例分割识别人脸器官的方法对图像进行人脸分割和器官分割，从而对每幅图像进行对比识别人脸及其五官。针对不同的人脸图像通过代码检测，判断所属身份，来达到某些人员控制问题的解决。实验
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
明上述问题通过我们的方法得到了很好的解决。本文提出了一种新的学习策略，我们针对不同像素类型采用不同的更新策略，并且实时更新。实验结果表明，在有诸多不确定性因素的视频序列中构建的背景有较好的自适应性，能迅速响应实际场景的变化。
关键词 : Matlab;特征提取;图像分割
图像，输出的是图像中是否存在人脸和人脸0引言
数目、位置、尺度等信息的参数化描述。人由于生物特征是人的内在属性，具有很强的
脸检测任务的完成涉及从复杂的背景中分自身稳定性和个体差异，因此成为身份验证
割、抽取、验证人脸区域和可能用到的人脸的最理想的依据。其中，利用人脸特征进行
特征(如眼睛、唇色等)。 身份验证有最直接的手段。人脸识别(所谓
1.2人脸检测技术的发展 人脸识别就是利用计算机分析人脸图像，从
人脸检测问题来源于20 世纪60、70 年中提取有效的识别信息，用来识别身份的一
代的人脸识别的研究，但早期的人脸识别研门技术。对已知人脸进行
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
化处理后，通
究主要针对有较强约束的人脸图像(如无背过某种方法和数据库中的人脸标本进行匹
景图像)，并往往假设人脸位置很容易获得，配，寻找库中对应人脸及该人脸的相关信
因此人脸检测问题并没有受到重视。近年息。)人脸与指纹、虹膜、掌纹等其他人体
来，由于人脸作为人体的代表性特征，具有生物特征识别系统相比，更加友好、方便，
直观自然的特点，以人脸信息为
内容
财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容
的人机更易于为用户所接受，并且配合声音、体态
交互方式受到了广泛的重视。 等识别方式，全方位、立体、高效识别生物
从对目前人脸检测算法的回顾可看出，体。
人脸检测算法大多是基于灰度图像的，而现1人脸识别的相关知识和算法
实中灰度图像只能有限描述信息，已经不能1.1人脸检测 适应很多场合的需要，因此对彩色图像的人
人脸检测是指在输入图像中确定所有脸检测研究将是今后的一个重点。另外，在人脸(如果存在)的位置、大小和姿态的过复杂背景图像中的人脸检测大多针对正面程。人脸检测系统输入的是可能包含人脸的
端正的人脸。多姿态的人脸检测(特别是侧类器具有最大的工作自由度。如我们已经知面人脸检测)还存在很大困难，这方面的研道鼻子、肤色、面部轮廓等信息与表情关联究也将是一个重点。总之，由于人脸检测问不大，那么在表情识别中就不需要人脸照片题的复杂性，实现通用的人脸检测方法还不中的全部信息，可以只拿出眉毛、眼睛和嘴实际，因此解决特定约束条件下或某种应用这些表情区域作为特征提取的候选区，这时背景下的人脸检测问题将是该领域研究的可以进一步在表情区中提取统计特征。 主要课题。 1.3.3本文采用的特征提取方法
人脸检测技术的研究涉及到人脸信息基于色彩信息:色彩信息类方法的基本研究的各个方面，如人脸识别，人脸跟踪，思想是用统计方法对目标对象的色彩建模, 姿态估计，性别识别和表情识别等，这些研在搜索中根据被测点的色彩与模型的匹配究在出入
安全检查
安全检查记录表范本安全检查记录表格安全检查记录表格式安全检查记录表范文安全检查记录表模板
、视频监视、智能人机接度, 筛选出待测特征的可能位置。 色彩信口、基于内容的图像检索和视频编码中都有息在人脸检测中有广泛的应用, 而在脸部广泛的应用价值。 特征定位方面的应用则相对较少, 这是因1.3人脸特征提取简介 为, 肤色在色彩空间中具有聚合性, 而脸1.3.1图形特征概述 部特征的色彩信息较为复杂, 如眼与嘴,
众所周知，计算机不认识图像，只认识以及眼睛的瞳孔与眼白的色彩有显著区别,数字。为了使计算机能够“理解”图像，从这给统一建模造成了一定的难度。 而具有真正意义上的“视觉”，我们研究如1.4人脸识别核心算法
何从图像中提取有用的数据或信息，得到图在检测到人脸并定位面部关键特征点像的“非图像”的表示或描述，如数值、向之后，主要的人脸区域就可以被裁剪出来，量和符号等。这一过程就是特征提取，而提经过预处理之后，馈入后端的识别算法。然取出来的这些“非图像”的表示或描述就是后利用按比例分配的方法裁剪出眼睛，完成特征。有了这些数值或向量形式的特征我们人脸识别。简单讲就是对人脸图像进行图像就可以通过训练过程教会计算机如何懂得分析然后进行边界提取提取出人脸位置，然这些特征，从而使计算机具有识别图像的本后再进行图像分割，得到人眼等。 领。 2核心代码分析
1.3.2特征提取的一般原则
2.1确定人脸位置: 在对某个图像进行分类时，可以通过提
取图像中所有像素的灰度值作为特征，这样>> a=imread('face7.jpg');
可以提供尽可能多的信息给识别程序，让分
>> b=imshow('face7.jpg')
200
150
100
50
0050100150200250300350b=impixel() 得出峰值为60.
>> c=max(b) >> cedass=abs(cedas)>60; c = >> y1=find(cedass,1,'first');
253 246 238 >> y2=find(cedass,1,'last'); >> d=min(b) >> cedas=sum(edas,2); d = >> plot(cedas)
51 40 34 150
>>
eads=a(:,:,1)>=51&a(:,:,1)<=253&100a(:,:,2)>=40&a(:,:,2)<=246&a(:,:
,3)>=34&a(:,:,3)<=238;
50050100150200250>> cedas=sum(edas,1);
>> plot(cedas) 峰值为80.
>> cedas=abs(cedas)>80;
>> x1=find(cedas,1,'first');
>> x2=find(cedas,1,'last');
>> imshow(a);hold on;
>> plot([y1 y2 y2 y1 y1]',[x1 x1
x2 x2 x1]')
>> size(ss1)
ans =
220 315
2.3提取眼睛部分:
>> sstemp=ss1(60:75,80:160);
2.2转变成二值图像，对脸进行局部分割 >> figure(2); >> ss1=edge(rgb2gray(a)); >> imshow(sstemp) >> imshow(ss1)
浙公网安备 33021202002483