一种基于HSV颜色空间的皮肤毛孔检测算法-论文

微弱信号检测装置(实验报告)剖析

2012年TI杯四川省大学生电子设计竞赛 微弱信号检测装置（A题） 【本科组】

微弱信号检测装置（A题） 【本科组】 摘要：本设计是在强噪声背景下已知频率的微弱正弦波信号的幅度值，采用TI公司提供的LaunchPad MSP430G2553作为系统的数据采集芯片，实现微弱信号的检测并显示正弦信号的幅度值的功能。电路分为加法器、纯电阻分压网络、微弱信号检测电路、以及数码管显示电路组成。当所要检测到的微弱信号在强噪音环境下，系统同时接收到函数信号发生器产生的正弦信号模拟微弱信号和PC机音频播放器模拟的强噪声，送到音频放大器INA2134，让两个信号相加。再通过由电位器与固定电阻构成的纯电阻分压网络使其衰减系数可调（100倍以上），将衰减后的微弱信号通过微弱信号检测电路，检测电路能实现高输入阻抗、放大、带通滤波以及小信号峰值检测，检测到的电压峰值模拟信号送到MSP430G2553内部的10位AD 转换处理后在数码管上显示出来。本设计的优点在于超低功耗 关键词：微弱信号MSP430G2553 INA2134 一系统方案设计、比较与论证 根据本设计的要求，要完成微弱正弦信号的检测并显示幅度值，输入阻抗达到1MΩ以上，通频带在500Hz~2KHz。为实现此功能，本设计提出的方案如下图所示。其中图1是系统设计总流程图，图2是微弱信号检测电路子流程图。 图1系统设计总流程图 图2微弱信号检测电路子流程图

1 加法器设计的选择 方案一：采用通用的同相/反相加法器。通用的加法器外接较多的电阻，运算繁琐复杂，并且不一定能达到带宽大于1MHz，所以放弃此种方案。 方案二：采用TI公司的提供的INA2134音频放大器。音频放大器内部集成有电阻，可以直接利用，非常方便，并且带宽能够达到本设计要求，因此采用此方案。 2 纯电阻分压网络的方案论证 方案一：由两个固定阻值的电阻按100:1的比例实现分压，通过仿真效果非常好，理论上可以实现，但是用于实际电路中不能达到预想的衰减系数。分析：电阻的标称值与实际值有一定的误差，因此考虑其他的方案。 方案二：由一个电位器和一个固定的电阻组成的分压网络，通过改变电位器的阻值就可以改变其衰减系数。这样就可以避免衰减系数达不到或者更换元器件的情况，因此采用此方案。 3 微弱信号检测电路的方案论证 方案一：将纯电阻分压网络输出的电压通过反相比例放大电路。放大后的信号通过中心频率为1kHz的带通滤波器滤除噪声。再经过小信号峰值电路，检测出正弦信号的峰值。将输出的电压信号送给单片机进行A/D转换。此方案的电路结构相对简单。但是，输入阻抗不能满足大于等于1MΩ的条件，并且被测信号的频率只能限定在1kHz，不能实现500Hz~2KHz 可变的被测信号的检测。故根据题目的要求不采用此方案。 方案二：检测电路可以由电压跟随器、同相比例放大器、带通滤波电路以及小信号峰值检测电路组成。电压跟随器可以提高输入阻抗，输入电阻可以达到1MΩ以上，满足设计所需；采用同相比例放大器是为了放大在分压网络所衰减的放大倍数；带通滤波器为了选择500Hz～2KHz的微弱信号；最后通过小信号峰值检测电路把正弦信号的幅度值检测出来。这种方案满足本设计的要求切实可行，故采用此方案。 4 峰值数据采集芯片的方案论证 方案一：选用宏晶公司的STC89C52单片机作为。优点在于价格便宜，但是对于本设计而言，必须外接AD才能实现，电路复杂。

有限空间作业检测标准

有限空间有毒、有害气体检测标准 1、有限空间的作业场所空气中的含氧量应为 19."5%～21%，若空气中含氧量低于 19."5％，应采取通风措施。 2、有限空间空气中可燃气体浓度： 氢气小于 0."4％、柴油小于 0."2％。 3、有限空间粉尘浓度小于20g/m3。 4、有限空间硫化氢最高容许浓度10mg/m3。 5、一氧化碳时间加权平均容许浓度20mg/ m3、短时间接触容许浓度30mg/ m3。 6、二氧化碳时间加权平均容许浓度9000mg/ m3、短时间接触容许浓度18000mg/ m3。 7、氨时间加权平均容许浓度20mg/ m3、短时间接触容许浓度30mg/m3。 8、氯最高容许浓度1mg/ m3。 9、"氰化氢（按CN计）最高容许浓度1mg/ m3。 10、"氰化物（按CN计）最高容许浓度1mg/ m3。 1 1、"溴时间加权平均容许浓度 0."6mg/ m3、短时间接触容许浓度2mg/m3。

1 2、"溴化氢最高容许浓度10mg/ m3。 1 3、"液化石油气时间加权平均容许浓度1000mg/ m3、短时间接触容许浓度1500mg/m3。 14、"一氧化氮时间加权平均容许浓度15mg/ m3。 1 5、"乙醚时间加权平均容许浓度300mg/ m3、短时间接触容许浓度 500mg/m3。 16、"乙醛最高容许浓度45mg/ m3。 1 7、"苯时间加权平均容许浓度6mg/ m3、短时间接触容许浓度10mg/m3。 1 8、"二氧化氮时间加权平均容许浓度5mg/ m3、短时间接触容许浓度 10mg/m3。 19、"二氧化硫时间加权平均容许浓度5mg/ m3、短时间接触容许浓度 10mg/m3。 20、"甲苯时间加权平均容许浓度50mg/ m3、短时间接触容许浓度 100mg/m3。 2 1、"甲醇时间加权平均容许浓度25mg/ m3、短时间接触容许浓度 50mg/m3。 2

基于肤色检测和背景差分的人手定位和跟踪

万方数据

基于肤色检测和背景差分的人手定位和跟踪?２ｌ? ２基于肤色检测和背景差分的人手定位和跟踪算法 ２．１基于ＨＳＶ色彩空间的肤色检测 经过对３０张不同光照环境下的肤色照片进行分析可以发现，当照射在皮肤表面的光线强度或曲度发生变化时，获取到的图像中皮肤的Ｈ（Ｈｕｅ）分量基本保持在０—０．１和０．９—１．０这两个区间内（如图２所示），实验过程中测试了从阴暗的室内（照度大约为２０Ｉｘ）到光线条件良好的室外（照度大约为２００００ｌｘ）不同环境条件的情况。 ｛雪 糕 图２归一化后的黄种人肤色Ｈ值统计直方图而Ｊｓ（Ｓａｔｕｒａｔｉｏｎ）分量则随着光照强度的增加逐渐减小，Ｖ（Ｖａｌｕｅ）分量随着光照强度的增加逐渐增加（如图３所示）。另外，可以发现，．Ｓ和ｙ两条曲线关于某一条平行于水平轴的直线基本对称，即：ｓ分量和ｙ分量之和基本保持不变帕ｊ。因此，通过对获取到的图像日分量、Ｊｓ分量和ｙ分量进行分析后，可以设定合适的阈值进行图像二值化处理，从而实现肤色的检测。 图３不同光照度情况下皮肤的Ｓ、ｙ值 本文设定日分量的阈值为０．１和０．９，Ｓ分量的阈值为０．２和０．８，即认为日分量在０。０．１和０．９—１．０之间，ｓ分量在０．２—０．６之间的像素点为肤色点，肤色检测的效果如图４所示。 ２．２利用背景差分滤除噪声 在进行肤色检测后，已经将人体部分与复杂的背景显著地分离开来，但是由于周围环境中类肤色物体的影响，可能还会带来一些噪声点，如图５中所示。此时，采用了背景差分的方法滤除这些噪声点”１。 图４肤色检测的效果图 Ｉ冬Ｉ５背景差分后的效果图 背景差分所要解决的首要问题就是如何对环境背景进行建模，这里采用高斯混合模型【７Ｊ（ＧＭＭ，Ｇａｕｓｓｉ— ａｎｍｉｘｔｕｒｅｍｏｄｅｌ）对背景进行建模。高斯混合模型是单一高斯几率密度函数的延伸。即对背景图像而言，特定像素Ｍ（并，Ｙ）的各个通道的值的大小分布满足多个高斯分布Ｍ。（戈，Ｙ）一Ｎ（ｎ。，ｄ。），￡∈［１，ｋ］，其概率模型为 Ｋ Ｐ（Ｍ）＝∑咄Ｊ×７１（Ｍ。，ｎｉＪ，ｄｉ，ｊ）（１）式中，使用了Ｋ个高斯模型来组成混合高斯模型，Ｋ的值应根据相应硬件环境进行适当调整；∞“为每个高斯模型的权重；叩为高斯概率密度函数；ｎｉ和ｄ“分别为，ｊ 各个高斯模型的期望和均方差 ’７（Ｍ。，，ｔ，ｄ）２芝：；——：；丽ｅ一｝（村ｆ—ｎ）２ｅ一１（２） ％＝信二）（３）以上对图像上的每个点都建立了高斯模型。当得到新的一帧以后，就可以将相应位置的点与高斯模型进行匹配，认为在模型期望３倍以内的值都是正确匹配的，其余的就是运动物体上的点，再设置阈值，进行一次二值化即可，如图５所示。 ２．３实现手的跟踪 在实现了人手定位后就需要进一步实现跟踪，这里采用了求质心的方法实现跟踪，与物理学中算法类 似，此处质心的确定方法为 万方数据

OpenCV下肤色检测代码

1.void cvSkinSegment(IplImage* img, IplImage* mask){ 2. CvSize imageSize = cvSize(img->width, img->height); 3. IplImage *imgY = cvCreateImage(imageSize, IPL_DEPTH_8U, 1); 4. IplImage *imgCr = cvCreateImage(imageSize, IPL_DEPTH_8U, 1); 5. IplImage *imgCb = cvCreateImage(imageSize, IPL_DEPTH_8U, 1); 6. 7. 8. IplImage *imgYCrCb = cvCreateImage(imageSize, img->depth, img->nChannels ); 9. cvCvtColor(img,imgYCrCb,CV_BGR2YCrCb); 10. cvSplit(imgYCrCb, imgY, imgCr, imgCb, 0); 11.int y, cr, cb, l, x1, y1, value; 12. unsigned char *pY, *pCr, *pCb, *pMask; 13. 14. pY = (unsigned char *)imgY->imageData; 15. pCr = (unsigned char *)imgCr->imageData; 16. pCb = (unsigned char *)imgCb->imageData; 17. pMask = (unsigned char *)mask->imageData; 18. cvSetZero(mask); 19. l = img->height * img->width; 20.for (int i = 0; i < l; i++){ 21. y = *pY; 22. cr = *pCr; 23. cb = *pCb; 24. cb -= 109; 25. cr -= 152 26. ; 27. x1 = (819*cr-614*cb)/32 + 51; 28. y1 = (819*cr+614*cb)/32 + 77; 29. x1 = x1*41/1024; 30. y1 = y1*73/1024; 31. value = x1*x1+y1*y1; 32.if(y<100) (*pMask)=(value<700) ? 255:0; 33.else (*pMask)=(value<850)? 255:0; 34. pY++; 35. pCr++; 36. pCb++; 37. pMask++; 38. } 39. cvReleaseImage(&imgY); 40. cvReleaseImage(&imgCr); 41. cvReleaseImage(&imgCb); 42. cvReleaseImage(&imgYCrCb);

微弱信号检测放大的原理及应用

《微弱信号检测与放大》 摘要：微弱信号常常被混杂在大量的噪音中 ,改善信噪比就是对其检测的目的，从而恢复信号的幅度。因为信号具备周期性、相关性,而噪声具有随机性，所以采用相关检测技术时可以把信号中的噪声给排除掉。在微弱信号检测程中，一般是通过一定的传感器将许多非电量的微小变化变换成电信号来进行放大再显示和记录的。由于这些微小变化通过传感器转变成的电信号也十分微弱，可能是VV甚至V或更少。对于这些弱信号的检测时，噪声是其主要干扰，它无处不在。微弱信号检测的目的是利用电子学的、信息论的和物理学的方法分析噪声的原因及其统计规律研究被检测量信号的特点及其相干性利用现代电子技术实现理论方法过程，从而将混杂在背景噪音中的信号检测出来。 关键词：微弱信号；检测；放大；噪声 1前言 测量技术中的一个综合性的技术分支就是微弱信号检测放大，它利用电子学、信息论和物理学的方法，分析噪声产生的原因和规律，研究被测信号的特征和相关性，检出并恢复被背景噪声掩盖的微弱信号。这门技术研究的重点是如何从强噪声中提取有用信号，从而探索采用新技术和新方法来提高检测输出信号的信噪比。 微弱信号检测放大目前在理论方面重点研究的内容有： a.噪声理论和模型及噪声的克服途径； b.应用功率谱方法解决单次信号的捕获； c.少量积累平均，极大改善信噪比的方法； d.快速瞬变的处理； e.对低占空比信号的再现； f.测量时间减少及随机信号的平均； g.改善传感器的噪声特性； h.模拟锁相量化与数字平均技术结合。 2.微弱信号检测放大的原理 微弱信号检测技术就是研究噪声与信号的不同特性，根据噪声与信号的这些特性来拟定检测方法，达到从噪声中检测信号的目的。微弱信号检测放大的关键在于抑制噪声恢复、增强和提取有用信号即提高其信噪改善比SNIR 。根据下式信噪改善比（SNIR）定义

肤色检测

图像处理综合实践 课程设计报告 设计题目:NO1、肤色检测 学院自动化与信息工程学院 专业 班级 姓名 学号 指导教师张志禹 2011 年秋季学期 起止时间：2011年12月25日至2012年1月2日 一、设计思路 肤色检测原理是根据皮肤的固有色彩，在图像中选取相对应的颜

色范围作为皮肤颜色。给定一幅包含人像的彩色图像，将其转换至其它表色系，利用肤色检测算法将皮肤区域以二值图像的形式检测出来并对比算法效果。在本次课程设计中，我们组确定将图像分别转换到HSV 表色系和YCbCr 表色系下，然后将不同表色系下的图像分别转换成相应的二值图，对比观察图像转换结果，以得到实验的实验结论。 1）HSV 表色系下的肤色检测原理 HSV 表色系包含三个属性：图像的色调(Hue)，即表示相应的颜色；饱和度(Saturation)，即表示颜色的纯度；亮度(Value)，即颜色的亮暗程度。所以该表色系是分别对图像的色调，饱和度和亮度进行描述的，根据皮肤的固有色调可以提取出皮肤区域。 图像从Rgb 表色系转换到hsv 表色系固定公式如下： max(,,)V R G B = [min(,,)]/,00,0V R G B V V S V ->?=?=? 60()/,60(2()/),60(4()/), 00360,0 G B SV V R B R SV V G H R G SV V B V H H -=??+-=??=+-=??=?+

微弱信号检测课程论文

微弱信号检测 课程论文 题目数字滤波技术的研究 学生姓名 学号 院系 专业 指导教师 二ＯＯ九年十二月三十一日

数字滤波技术的研究 摘要：阐述了数字滤波技术的概念和特点，探讨了算术平均值法、积分平均值法、加权算术平均法、中值滤波法、滑动平均值法以及限幅滤波法等几种常用的数字滤波技术。 关键词：数字滤波技术；特点；常用方法。 一、概述 在信号的检测与处理过程中，干扰信号经常会使系统不稳定，有时甚至能带来严重的后果。如果要消除干扰，可用数字字滤波技术对信号进行处理。数字滤波技术是指在软件中对采集到的数据进行消除干扰的处理。一般来说，除了在硬件中对信号采取抗干扰措施之外, 还要在软件中进行数字滤波的处理, 以进一步消除附加在数据中的各式各样的干扰, 使接收到的信号能够真实地反映传递信息的实际情况。 二、数字滤波技术的特点 对于一般的测量仪器, 检测现场传感器所测到的信号不可避免地要混杂一些干扰信号, 尤其在长线传输时更是如此, 在模拟控制系统中, 都是由硬件组成各种各样的滤波器滤除干扰。在数字控制系统里, 除一些必要的硬件滤波器外, 很多滤波任务可由数字滤波器来承担, 数字滤波器实质上是一种数字处理方法, 是由程序实现的数学运算。数字滤波又称软件滤波。数字滤波在数字控制系统里得到成功的应用, 因为与硬件滤波相比, 数字滤波有很多优点。 数字滤波是对数字进行滤波, 因此它不仅适用于测量仪器的现场测量, 也同样适用于其它用到数据处理的领域, 如图象信息, 地形地貌信息等庞大数据的数据处理。 数字滤波的优点是 1. 数字滤波器是由程序实现的, 不需增加硬设备, 且可以多个输人通道共用, 因而成本低。 2. 由于数字滤波是由程序实现的, 不需硬设备, 因而可靠性高, 稳定性好, 同时不存在阻 抗匹配的问题。 3. 使用灵活, 修改方便。 如果在某个回路要更换滤波器, 若采用更换硬件的方法就要更换器件或设备, 更换费用高且很麻烦, 而采用数字滤波的方法只需调用另一个滤波子程序即可。若要更改滤波器参数, 数字滤波器只需修改内存中的某个数据即可, 非常灵活。 4. 可以实现硬件滤波无法实现或难以实现的滤波任务。 以低通滤波器来说, 如果截止频率很低, 便要求滤波器的电阻和电容值很大, 电阻太大, 滤波器的稳定性差, 电容值大则体积大。但对数字滤波来说只是某几个参数不同比如时间常数, 实现起来很方便。另外有些滤波方法用硬件实现是很困难的, 但用数字滤波就很容易比如判断滤波。 三、几种常用的数字滤波方法 1. 算术平均值法

基于PWM调制的微弱信号检测的毕设论文 (本科).

学校代码： 11059 学号： Hefei University 毕业设计（论文）BACH ELOR DISSERTATION 论文题目：基于PWM调制的微弱信号检测 学位类别：工学学士 年级专业： 作者姓名：孙悟空 导师姓名： 完成时间： 2015年5月8号

中文摘要 工程设计领域中在强噪声环境下对微弱信号的检测始终是个技术难点。因此，全面地去研究、分析微弱信号在时域、频域等方面的特点，以及微弱信号的检测技术，都非常重要且有意义的。 本文首先介绍了在电子设备中元器件内部因为载流粒子的运动及外部因素导致系统噪声产生的原理。阐述了在分析研究微弱信号的方法中，时域分析法是目前应用范围最为广泛的分析方法，比如短时Fourier、小波变换。在此基础上，本文从工程设计的角度重点分析了PWM技术检测微弱信号的原理及实现的方法。PWM检测技术是利用PWM脉冲对微弱信号的调制, 从而达到进行频谱搬移。最后，对于调制后的信号，本文中采用带通、全波整形以及低通等三种方式实现了对待调制信号的解调，并在解调端得到最终的解调信号。 在电路仿真方面本文给出了基于Multisim软件的系统电路仿真图。通过搭建各个模块然后利用仿真电路给出了系统调制解调的各个过程及波形图。利用示波器对系统调制、解调等模块的波形检测可以发现各个模块的信号波形与理论波形基本吻合，系统的设计满足对微弱信号检测的要求。 关键词:微弱信号检测；频谱搬移；PWM调制

Abstract The detection of weak signal in the field of engineering design is always a technical difficulty.. Therefore, it is very important and meaningful to study and analyze the characteristics of weak signal in time domain and frequency domain and the detection technology of weak signal.. In this paper, we first introduce the in Zhongyuan electronic equipment device for load flow particle's motion and external factors lead to system noise principle. In the research of weak signal analysis, time-domain analysis is the most widely used method, such as short time Fourier and wavelet transform.. On this basis, the paper analyzes the principle and the method of the weak signal detection from the angle of the engineering design from the point of view of the engineering design.. PWM detection technology is the use of PWM pulse modulation of the weak signal, so as to achieve the frequency shift. Finally, for modulated signals, this paper by band-pass, full wave shaping and low pass in three ways the treated signal modulation and demodulation, and the final demodulation signal at the end of the demodulation. In the circuit simulation, the paper presents the simulation chart of the system circuit based on Multisim.. By building each module and using the simulation circuit, the process and the waveform of the system modulation and demodulation are given.. Using the oscilloscope system modulation and demodulation module of waveform detection can be found that each module of signal waveform and theoretical waveforms are basically consistent, the design of the system meet the requirements of weak signal detection. .Keyword：Weak signal detection ；Frequency shift ；PWM detection

有限空间作业检查表

本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载，另外祝您生活愉快，工作顺利，万事如意！ 工贸行业企业有限空间作业安全检查表 企业名称（盖章）企业主要负责人及电话 序号项目检查内容及要求检查结果检查说明备注 1 制度 和规 程 1.1制定有限空间作业安全责任制度；□是□否 1.2制定有限空间作业审批制度；□是□否 1.3制定有限空间作业现场安全管理制度；□是□否 1.4制定有限空间作业现场负责人、监护人员、作业人员、应急救援 人员制定安全培训教育制度； □是□否 1.5制定有限空间作业应急管理制度；□是□否 1.6制定有限空间作业安全操作规程□是□否 2 专项 安全 培训 2.1企业主要负责人和安全管理人员是否参加过属地安全监管部门组 织的涉及有限空间的安全培训班。 □是□否 2.1对从事有限空间作业的现场负责人、监护人员、作业人员、应急 救援人员进行专项安全培训。安全培训应当有专门记录，并由参加培 训的人员签字确认 □是□否总局59号令第29条，责令限期改正， 可处5万元以下罚款

序号项目检查内容及要求检查结果检查说明备注 3 辨识3.1对本企业的有限空间进行辨识，确定有限空间的数量、位置以及 危险有害因素等基本情况，建立有限空间管理台账 □是□否总局59号令第30条，责令限期改正， 可处3万元以下罚款 3.2及时更新有限空间管理台账□是□否 4 作业 管理 4.1是否执行作业审批制度（查看作业审批表/单等记录）□是□否 4.2有限空间作业前制定有限空间作业方案（应当对作业环境进行评 估，分析存在的危险有害因素，提出消除、控制危害的措施），并经 本企业安全生产管理人员审核，负责人批准。 □是□否总局59号令第30条，责令限期改正， 可处3万元以下罚款 4.3明确作业现场负责人、监护人员、作业人员及其安全职责□是□否 4.4实施有限空间作业前，应当将有限空间作业方案和作业现场可能 存在的危险有害因素、防控措施告知作业人员。 □是□否 4 作业 管理 4.5现场负责人应当监督作业人员按照方案进行作业准备。□是□否 4.6采取可靠的隔断（隔离）措施，将可能危及作业安全的设施设备、 存在有毒有害物质的空间与作业地点隔开。 □是□否 4.7设置明显的安全警示标志和警示说明。□是□否总局59号令第28条，责令限期改正， 可处5万元以下罚款 4.8应当严格遵守“先通风、再检测、后作业”的原则。进行检测时， 应当记录检测的时间、地点、气体种类、浓度等信息。检测记录经检 测人员签字后存档。（查检测记录） □是□否总局59号令第30条，责令限期改正， 可处3万元以下罚款 4.9应当根据有限空间存在危险有害因素的种类和危害程度，为作业 人员提供符合国家标准或者行业标准规定的劳动防护用品，并教育监 督作业人员正确佩戴与使用。 □是□否总局59号令第28条，责令限期改正， 可处5万元以下罚款 4.10有限空间作业的现场负责人、监护人员、作业人员和应急救援人 员应当掌握作业风险、作业程序和应急救援等内容（现场提问） □是□否 5 应急 救援 5.1应当根据本企业有限空间作业的特点，制定应急预案，□是□否总局59号令第29条，责令限期改正， 可处5万元以下罚款 5.2并配备相关的应急装备和器材。（通风设施□气体浓度检测仪器□空 气呼吸器□安全绳索□防毒面罩□通讯设备□其他□） □是□否总局59号令第28条，责令限期改正， 可处5万元以下罚款

基于肤色和眼睛定位的人脸检测算法——MATLAB实现

本文提出了一种基于肤色信息和眼睛粗略定位的人脸检测算法。该算法先对Anil K.Jain 的Cb、Cr椭圆聚类方法进行了改进，用改进的算法进行肤色提取，经过肤色区域的分析，对人脸区域进行预检测，确定人脸可能区域，然后再根据眼睛的粗略定位进一步确定人脸区域。一、肤色分析(skin.m) Anil K.Jain提出的基于YCbCr颜色空间的肤色模型，根据当前点的Cb Cr值判断是否为肤色。 1% Anil K.Jain提出的基于YCbCr颜色空间的肤色模型 2% 根据当前点的Cb Cr值判断是否为肤色 3function result = skin(Y,Cb,Cr) 4% 参数 5 a = 25.39; 6 b = 14.03; 7ecx = 1.60; 8ecy = 2.41; 9sita = 2.53; 10cx = 109.38; 11cy = 152.02; 12xishu = [cos(sita) sin(sita);-sin(sita) cos(sita)]; 13% 如果亮度大于230，则将长短轴同时扩大为原来的1.1倍 14if(Y > 230) 15 a = 1.1*a; 16 b = 1.1*b; 17end 18% 根据公式进行计算 19Cb = double(Cb); 20Cr = double(Cr); 21t = [(Cb-cx);(Cr-cy)]; 22temp = xishu*t; 23value = (temp(1) - ecx)^2/a^2 + (temp(2) - ecy)^2/b^2; 24% 大于1则不是肤色，返回0；否则为肤色，返回1 25if value > 1 26result = 0; 27else

微弱信号检测和控制要点

保密类别 编 号 20091080604020 武汉大学珞珈学院 毕 业 论 文 基于单片机的微弱信号的检测和控制装置 系 别 电子信息科学系 专 业 通信工程 年 级 2009级通信一班 学 号 20091080604020 姓 名 毛伟 指导教师 方洁 武汉大学珞珈学院 2013年 05月 01日 此处不用填写 此处填学号 论文题目不用加括号，二号黑体，字数不超过20个字，可分为两行 内容居中； 1】系别一栏填写所在系的全称， 2】专业一栏填写所学专业 2】年级一栏写“年级+班级”，如：2006级物流一班 不要加页眉 一号宋体加粗 页边距2.3cm 页边距3.0cm 页边距2.3cm

摘 要 本系统为一套微弱信号检测装置，用以检测在强噪声背景下已知频率的微弱正弦波信号的幅度值，并数字显示出该幅度值。正弦波信号源可以由函数信号发生器来代替。噪声源采用给定的标准噪声（wav 文件）来产生，通过PC 机的音频播放器或MP3播放噪声文件，从音频输出端口获得噪声源，噪声幅度通过调节播放器的音量来进行控制。当输入正弦波信号VS 的频率为1 kHz 、幅度峰峰值在200mV ~ 2V 范围内时，要求误差不超过5%。 采用以TI 公司超低功耗单片机MSP430G2553为核心的Launchpad 开发板来处理数据和驱动1602液晶屏显示正弦波信号的幅度值。 关键词：噪声弱信号检测MSP430G2553. 小二号黑体居中，单倍行距 顶格 空格隔开 中英文摘要用罗马数字编页码，页码居中 小四号黑体 页边距2.6cm 之间空两格

Weak signal detection based on single-chip microcomputer and control devices ABSTRACT Weak Signal Detection system is used to test the magnitude of a Sine with known frequency,in the context of heavy noise,and display the magnitude with SMC1602. The noise is produced by the .wav file,and SDG1025 provide the Sine wave.Changing the volume can control the magnitude of the noise.The error should be under 5% when the Vpp ranging from 200mV to 2V with the frequency of 1KHz. The system is based on the Launchpad,with the core of ultra-low power MSP430G2553(MCU).Then deal with the data and display the magnitude with SMC1602. Keywords: noise Weak Signal Detection system MSP430G2553. 英文小二号加粗 字体为Times New Roman 16号加粗 Times New Roman ，单倍行距 14号，行距1.25 Times New Roman 14号，行距1.25 Times New Roman 空格隔开 顶格

复杂背景下基于肤色分割的人脸检测算法研究

0引言 人脸检测技术不仅是人脸识别、表情识别、数字视频处理、视频检测等技术的重要前提条件，同时在模式识别、人机交互、智能监控、视频检索等领域引起了广泛的重视[1]。对于人脸检测，国内外研究者们提出了许多有效的人脸检测算法[2] ，大体上可以分为4类：基于知识的方法，不变特征量法，模版匹配方法，基于统计理论的方法。基于知识的方法检测速度较快，如Yang 和Huang 提出了基于镶嵌图的人脸检测方法[3]，对于正面人脸的检测精度较高，但不适用于多姿态的人脸检测；基于模板的方法稳定性高且鲁棒性好，如梁路宏等提出的基于仿射模板匹配的方法来检测多姿态人脸，但使用各种倾斜角的模板与输入图像中的每一个可能窗口进行匹配[4]，冗余匹配次数太多、检测速度难以提高。为了解决人脸尺寸的不 确定性，许多检测算法往往需在图像的多个分辨率上重复搜索[5]，计算开销大。Pau1Viola 和Michael Jones 在2001年提出了一种基于Haar-Like 型特征的Adaboost 人脸检测算法[6]，并使用Cascade 结构将第一个真正实时的人脸检测系统成功建立，因该算法具有检测率高，实时性好的优点，成为学术界普遍采用的方法，但该方法需要大量时间进行训练，导致检测系统的灵活性不强。对于复杂背景和人脸姿态未知情况下的人脸检测，很难在检测速度和精度上达到两全的效果。 梁路宏等在人脸检测研究综述中指出[7]：人脸检测研究的趋势是利用多种线索(头发、肤色、器官、轮廓、模板等)综合多种分类方法，启发式信息与统计学习方法相结合。本文算法就利用了基于人脸肤色区域象素分布的统计信息、人脸模板以及人脸特征等线索和分类方法，取得了很快的检测速度和较高的检测率。算法主要包括预处理、人脸粗检和人脸细检 收稿日期：2009-07-20；修订日期：2009-10-28。 智能技术

基于肤色相似度的人脸检测与定位

毕业设计（论文） 基于肤色相似度的人脸检测与定位 摘要 本课题致力于完成Visual C++ 6.0平台下的人脸检测与定位系统，人脸检测定位的算法限制于基于肤色相似度算法。要完成的工作包括相似度的计算，图像的二值化，垂直直方图和水平直方图的获取，人脸特征（眼睛、嘴和鼻子）的提取。本课题着重于肤色模型相似度在人脸检测与定位中的应用，对增加人脸检测与定位的准确率的研究有一定的指导意义。 提出一种基于肤色的人脸检测定位算法，设计了基于肤色的人脸检测和定位系统。采用了脸部皮肤之间相似度的方法以及二值化方法，使用了基于边界方法和基于区域方法相结合的算法，提取了眼睛、嘴和鼻子等关键特征，最终较好地实现了人脸定位。在Microsoft Windows平台上，利用Visual C+ + 6. 0 开发了软件。 本课题的成果具有一定的应用价值。实验结果表明，该软件对于一定尺寸范围内清晰的正面人脸图能够正确检测定位并提取特征，并且在速度和准确性方面具有良好的性能。 关键词：图像分割；人脸定位；肤色；人脸检测；特征提取

基于肤色相似度的人脸检测与定位 Detection and Localization of Person Face Based on Skin Color Similarity Abstract This topic devotes to completing the detection and localization system of the person face under the Visual C++ 6.0 platforms, and the detection localization algorithm of the person face limit to basing on the skin color similarity algorithm. The topic must complete similarity computation, binary image processing, vertical histogram, horizontal histogram and extracting person face characteristic (eye, mouth and nose). This topic emphasize application of skin color model similarity in the detection and the localization of person face, and has a significant instruction for research of increasing accuracy in detection and the localization of person face. In this paper, the authors have presented an algorithm and designed a system for face detection and location based on complexion. By strengthening the contrast between face features and by adopting binary image processing method, the system has improved the preprocessing effect; and by using boundary-based algorithm plus region-based algorithm , the system has realized face location through the extraction of the features of eyes, nose and mouth. Taking advantages of Visual C++ 6.0, the authors have also developed corresponding software based on Microsoft Windows. Production of this paper have definite application value.Experiment results prove that the system is valid in detecting, locating and extracting frontal view face features in a certain range.And it possess favorable performance in rapidity and accuracy. Key words: image segmentation; face localization; complexion; face detection;feature ex- traction

激光测距微弱信号检测方法研究

三峡大学 硕士学位论文 激光测距微弱信号检测方法研究 姓名：田桂平 申请学位级别：硕士 专业：控制理论与控制工程 指导教师：万钧力 20050401

内容摘要 在激光测距系统中，光电探测器接收激光回波信号时,信号受限于光电探测元件的噪声以及背景光干扰等原因,往往淹没在噪声之中,给实际应用带来了很多的困难,因而寻找合适的信号检测方法来提高信噪比,对许多应用场合来说,都是至关重要的。 本文以激光测距回波信号为研究对象，分析信号和噪声的特性，比较不同探测方法对改善信噪比的效果，探讨以提高信噪比为目的的激光测距微弱信号检测技术。论文共六章。第一章介绍了激光测距原理，概述了激光测距技术的发展与应用，讨论了信噪比与测程的关系。 论文第二章讨论了相关检测技术在激光测距微弱信号检测中的应用。相关检测技术是应用信号周期性和噪声随机性的特点，通过自相关或互相关运算，达到去除噪声,提取信号的目的。根据相关检测的原理，设计了一种基于相关检测的光电探测器的激光回波探测系统。仿真表明，对于淹没在噪声中的信号，互相关处理可以减少噪声,提高信噪比。该方法对脉冲式或相位式激光测距微弱信号检测均有效。论文第三章提出了一种用于相位式激光测距鉴相的新方法：向量内积法检相，理论仿真表明，该方法可消除信号幅值变化带来的测量影响，有很高的相位差检测精度。论文第四章介绍了信号积累技术的原理，设计了一种用于微弱信号检测的硬件电路方案，仿真表明该 m 方案的信噪改善比为m(是积累次数)。论文第五章介绍了小波变换用于激光脉冲回波微弱信号检测原理和方法，其中对小波多分辨率分析方法、小波阀值去噪算法几方面进行了详细的分析和研究；重点讨论了含噪脉冲信号的小波分解与重构，仿真表明，小波分解与重构方法能有效消除噪声。论文第六章对全文进行了总结。 关键词：微弱信号检测相关检测信号积累 小波变换

微弱信号检测论文

微弱信号检测论文

微弱信号检测 课程论文 课程名称：微弱信号检测技 术原理及应用 学校：南京信息工程大学 学院：电子与信息工程学院 专业：电子信息工程系 姓名：李青 学号：20081305071 日期：2010年12月20日

摘要 人们在研究宏观和微观世界的过程中，常需检测极微弱的信号，常规仪表由于存在较大的内部噪声，信号常被噪声淹没，使采用放大器和滤波器无法检测出有用信号。由于信号具有周期性、相关性，而噪声具有随机性，所以采用相关检测技术时，可以把信号中的噪声排除。传统的检测方法采用模拟技术，先将信号经放大通道放大后，再利用锁定放大器（LIA）与参考通道信号完成相关运算。由于锁定放大器价格昂贵，体积较大，一般不适合于小系统和户外运行的设备。如果把中的相关运算转换成功率谱计算，就可以采用数字器件取代LIA，来实现数字相关器。在微弱信号检测（Weak Singal Detection）过程中许多非电量的微小变化都是通过一定的传感器将其变换成电信号进行放大再显示或记录的。由于这些微小的变化通过传感器转变成的电信号十分微弱，可能是V，V，甚至V或更少。对于这些弱信号的检测，无疑噪声是其主要干扰，噪声对于弱检测是无处不在的。微弱信号检测技术主要针对克服所谓“电子噪声”的影响，噪声包括热噪声、散粒噪声和低频噪声，它们一般来自构成检测电路系统的元器件的内部或表面状态。或可以说来自进行检测的传感器和检测仪器。经传感器探测并转换成的微弱的电信号，需要通过电子线路放大，才能进行显示或记录，弱检测量本身的涨落及所用传感器的本底以及测量仪表底噪声影响，表现出来底总效果是：有的被测信号被大量的噪声和干扰信号所淹没。因此，微弱信号检测的目的是利用电子学的、信息论的和物理学的方法，分析噪声的原因及其统计规律，研究被检测量信号的特点及其相干性，利用现代电子技术实现理论方法过程从而将深埋在背景中的信号检测出来。 关键词：内部噪声相关检测技术模拟技术功率谱计算电子噪声电子线路放大

人脸肤色检测技术

一种基于肤色的复杂背景人脸检测方法 1>.人脸肤色模板提取 复杂背景的彩色图像中,总存在类肤色区域,裸露的非人脸肤色区域以及类肤色区域和肤色区域或者多个肤色区域紧密连接在一起. 单纯使用肤色分割定位，人脸不能排除这些因素的影响，因此，肤色分割通常只是对人脸图像进行粗定位。要确定肤色区域是否为人脸，则需对区域上的其他特征进行验证。在人脸肤色分割图中，眼睛、嘴等特征因其为非肤色区域而被漏掉，而在肤色范围内的其他区域可能与人脸区域相连，这不利于人脸特征验证。特征验证需要一个准确的人脸区域（只包括必要的人脸特征而没有背景等其他干扰）。 2>.肤色块分类 肤色分割可能在人脸区域形成独立块，区域边缘分割也可能将完整面部分割诚若干个小块，因此需要进行肤色块的合并，重新组合属于同一人脸的独立块。同一人连区域中像素点古色在变换Ycbcr空间中对应的矢量值相近，在空间位置上应小于一定距离。根据以上原理提出如下算法：（1）按照块面积从大到小排列各块（忽略面积小于一定阈值的小块）。 (2)寻找每个块的重心（X,Y）； （3）计算各块间距离的（重心连线减去在各块内部部分的长度）。 （4）从大块开始，将距离小于一定阈值的归位一类。 （5）在没一类中，计算各块重心连线在各块边缘附近的Ycbcr值。 （6）去除面积小于一定阈值的类。 对所有块分类完成后，按各类中肤色块所占区域的大小，建立包含类中所有块的最小矩形，将类中所有块复制到矩形内，后续操作则在该矩形内进行。

基于肤色模型的人脸检测研究 2.1>建立肤色样本 建立肤色模型需要大量包含不同肤色、不同大小人脸的RGB图像。本文从互联网、人脸库和日常的生活照中选用了100副肤色不相同的人脸图像，然后从中裁剪出人脸皮肤区域的一小部分作为肤色的样本。接着将其从RGB色彩空间转换为Ycrcb色彩空间。 经过色彩空间转换之后，人脸图像不可避免地会出现噪声。本文采用滑动窗口为3X3的二维中值滤波来去除噪声，并在速度和效果上都取得了很好的结果。2.2>建立肤色模型 消除噪声后，先用二维高斯分布来描述这种cbcr的色度分布，然后对肤色样本进行训练，以此得到一个分布中心，再根据所观察的香色离该中心的远近来得到一个肤色的相似度。最后利用均值和方差的计算得到高斯分布模型，这就是实验中的肤色模型。 2.3>光照预处理 由于受外界光照坏境的影响，尤其是光源颜色，采集来的彩色图像经常会发生彩色偏移。本文使用彩色均衡方法来消除这种彩色偏移。该方法首先通过图像的R G B三个分量中各自的平均值确定出图像的平均灰度值，然后调整每个像素的R G B值，使得调整后图像的R G B三个分量中各自的平均值都趋于平均灰度值。实验结果表明，消除彩色偏移能有效提高算法的检测率和准确率。 2.4>类肤色检测 本文算法最为关键的一步是人体皮肤区域的检测。检测方法是计算图像像素与肤色模型的相似度，这个值描述了像素与肤色的相似程度。通过计算图像中每