1、毕业设计 开题报告 计算机科学与技术 人脸检测关键技术研究与实现 一、 选题的背景、意义 随着科技的不断进步，人脸检测的应用也会越加广泛，在现今我们可以看到在视屏会议、图像与视屏检索、智能人机交互等方面都有重要的作用。可以这么说，只要有将人脸作为内容的视屏或者图像必然会使用到人脸检测技术。 人脸检测问题最初来源于人脸识别，人脸自动识别的研究最早可以追溯到 20世纪 60-70年代。经过几十年的曲折发展，人脸自动识别已经有了一些较为成功的方法，目前正日趋成熟。早期的人脸识别研究主要针对具有强约束条件的人脸图像（如无背景或背 景简单的图像），往往假设人脸位置已知货很容易获得，因此人脸检测问题并未受
2、到重视。在 20世纪 90年代以后，随着网路安全的电子商务等应用需要的剧增人脸识别成为最有潜力的生物身份鉴别方式，出现了实际的人脸识别系统和商用产品，这种应用背景要求自动人脸识别系统能够对一般环境图像具有一定的适应能力，由此所面临的一系列问题使得人们对人脸检测的各个重要方面引起了极大的研究兴趣，并逐渐独立分离出来。 人脸是常见而复杂的视觉模式，人脸所反映的视觉信息在人与人交流和交往中有着重要的作用和意义，对人脸进行处理和分析在视屏监控、出入 口控制、视屏会议以及人迹交互等领域都有着广泛的应用前景，因此是模式识别和计算机视觉领域持续的研究热点。对人脸进行处理和分析包括人脸识别、人脸跟踪、姿态估计
3、和表情识别等，早期的人脸处理和分析一般都假设已知图像中的人脸的位置和大小，但对于一个人脸自动处理和分析系统而言，人脸检测是关键性的第一步，人脸检测算法的精度直接影响着整个系统的性能。 近几年来，由于人脸检测在人脸处理和分析中的地位，人脸检测已经引起了越来越多研究者的注意，并逐渐发展成为一个相对独立的研究方向，其研究方法和等手段上也逐渐成熟出现了各种各样实用 的人脸检测算法。 二、 研究的基本内容与拟解决的主要问题 1、研究的基本内容 1.1 人脸与非人脸样本的选取与测试 人脸具有相当复杂的细节变化，比如人的年龄、表情、性别、肤色以及冀须、头发、眼镜等都会对人脸的模式空间造成一定的影响。为了能比
4、较全面地描述人脸空间，这就要求采集的样本应该尽可能包含各种可能情况，比如园脸型，方脸型，瘦长脸型等，以及喜怒哀乐等各种表情，还应该注意到不同性别和年龄之间的差异。其次，样本数要尽量多，因为只有足够多的样本才能对样本空间进行细致的描述。因为统计模型的人脸检测方法是建立在对大量人脸 和非人脸样本学习的基础上，如果没有大量的数据，学习的效果可能会大打折扣。人脸样本的收集虽然费对费力，但人脸样本的定义非常清晰，收集的时候目标明确。而非人脸样本的收集则困难多了因为任何不是脸的图像都可以作为非人脸样本，导致非人脸的模式空间太过于庞大，如果我们不能收集到具有代表性的非人脸样本，那么也就不能很好的描述非人脸的
5、模式空间，用这样的数据训练出来的支持向量机的性能必然不可能达到令人满意的效果。非人脸样本只能用不是人脸的样本都是非人脸样本来描述。在根据相应的支持向量机的方法进行人脸匹配测试。 1.2 基于支 持向量机算法 支持向量机的求解问题实际上就是一个带有线性约束的凸二次规划问题，共轭梯度法、对偶算法等，原则上都可以，但实际上在处理具体问题时，由于存储和计算量两方面的要求，这些算法往往会失败。这就产生了一些快速专用算法，这些算法将大规模的原问题分解成若干小规模的子问题，按照某种迭代策略，反复求解子问题，构造出原问题的近似解，并使该近似解逐渐收敛到原问题的最优解。按子问题的选取和迭代策略的不同，可以有如下
6、不同的算法： 1）选块算法 2）分解算法 3）序列最小优化方法 2、拟解决的主要问题 2.1 肤色建模 以 三基色为基础的格拉斯曼定律可以用相应的公式，再根据计算机色彩理论，对于同一种颜色而言，在计算机中有不同的表达方式，这样就形成了各种不同的颜色空间模型。每一种颜色空间模型都有其各自得产生背景及应用领域，人的肤色具有以下三个重要特征； (1)人的肤色分布在颜色空间中很小的一个范图内； (2)人的肤色不同主要由颜色的强度不同引起； (3)在一定的光照条件下，人的肤色分布近似为高斯分布。 这为我们肤色建模提供了理论基础，肤色的聚类性使我们利用肤色缩小人脸范围， 简化问题的复杂度成为可能。在选择的
7、合适的颜色空间 中植入图像并根据相应的公式遍历所有像素点，判断出哪些点是肤色。 2.2 肤色分割 利用肤色分割快速排除图像中大量的非人脸区域，对于彩色图像中的每个像素点，计算其相似度，可以得知该像素点属于肤色区域的可能性大小。据肤色相似度，采用阈值化技术可以对输入图像进行肤色分割。也可以根据一种动态阈值确定方法使肤色相似度与求得的动态阈值相结合，以实现对输入图像的肤色区域进行精确分割，从而提高人脸检测的速度与性能 。 2.3 基于 SVM 原理的分类策略 大量的选取人脸与非人脸的样本，其根本就是要实现采样的多样性，由于非人脸样本的选取的难度更大，可以采用一种自举的方法进行搜索。 还可以适当的进
8、行样本的预处理工作，使得不同的人脸样本图像进行归一化而且人脸的主要特征为五官特征，所以将图片上的背景、头发及耳朵等信息去除掉会对人脸检测工作更加有帮助，再用相应算法进行匹配。 三、 研究的方法与技术路线、研究难点，预期达到的目标 研究的方法与技术路线：先通过对支持向量机（ SVM）原理的学习研究，然后结合肤色建模、肤色分割等技术，设计算法并运用相应方程，通过实验将静态图像进行人脸匹配提取，对大量的人脸和非人脸的图像进行人脸识别测试，得出实验结果，进而论 证该算法是否有较好的高效性和准确性。 研究难点：弄懂支持向量机的基本原理和如何运用，根据颜色空间进行肤色建模， 分析不同情况下的人脸识别的关键
9、点， 确定识别点，再根据肤色分割技术屏除不是人脸的区域等，及大量的人脸与非人脸的样本建立和测试。考虑如何优化这些工作，比较处理结果，得出结论和见解。 预期达到的目标：在复杂的背景下检测图像中有无人脸 ,从而判断人是否存在 ,并提取出人脸面部图像信息。 四、 论文详细工作进度和安排 第七学期第 11 周至第 18 周（ 2011 年 1 月 6 日前）：文献检索和资料收集，完成毕业论文（设计）文献综述、 开题报告和外文翻译； 第八学期 第 1 周 至第 3 周（ 2011 年 03 月 13 日前）：撰写论文提纲，完成毕业论文（设计）初稿；需求分析，系统设计； 第八学期 第 4 周 至第 11
10、周（ 2011 年 05 月 8 日前）：详细设计； 第八学期第 12 周至第 17 周（ 2011 年 06 月 19 日前）：完成应用软件系统的设计，毕业论文定稿； 第八学期第 18 周（ 2011 年 06 月 26 日前）：完善毕业论文（设计）文档，完成答辩准备工作； 第八学期第 19 周：开始参加毕业论文（设计）答辩。 五、 主要参考文献： 1Hjelmas E and Low B K,Face detection:a survey,Computer Vision anf Image understanding,83(1),2001 2Yang M-H, kriegman D,Ahu
11、ja N,Detecting face in image:a survey,IEEE Transactions on Pattern Analysis and Machine Intelligence,24(1),2002 3梁路宏、艾海舟、徐光佑、张钹等，人脸检测研究综述，计算机学报， 25(5)， 2002 4刘万春、贾云得、徐一华等，基于肤色的人脸实时跟踪方法，北京理工大学学报， 20（ 4），2000 5张永新，基于 SVM的人脸检测算法研究论文， 2009，西北大学 6Vapnik V， The Mature of Statistical Learning Theory， Sprin
12、ger， 1995 7陈泽宇，威飞虎，基于级联神经网络的人脸检测方法的研究，红外与毫米波学报， 19（ 1） ,2000 8梁路宏、艾海舟、徐光佑等，基于肤色和模板的人脸检测，软件学报， 12（ 12）， 2001 9王嵘，基于支持向量机的人脸检测系统的设计与实现论文， 2007，天津师范大学 10宁桂英，周永权基于双种群的小生境差分进化算法阴计算机应用与软件， 2009， 26(3)：29 31 11吴亮红，王耀南，周少武，等双群体伪并行差分进化算法研究及应用 J控制理论与应用， 2007， 24(3)： 453 458 12付忠良图像阈值选取方法的构造 J中国图象图形学报， 2000， 5 (6)。 13刘明宝，高文，复杂背景下的人脸检测与跟踪系统，计算机研究与发展， 34(SI)： 54 58，1997 14Sung K K Poggio T， Examplc-BasedLcaming for View-Based Human Face Detection,TechnicalReport AI Memo 1521， Massachusetts Inst.of Tcchnology AI Lab， 1994 15 姚鸿勋，刘明宝，高文等基于彩色图像的色系坐标变换的面部定位与跟踪法计算机学报， 2000,23(2)
