毕业设计-基于肤色分割的彩色图像人脸检测系统设计
基于肤色分割的彩色图像人脸检测系统设计 1 1 绪论 1.1 论文的研究背景及意义 人脸检测是指在输入图像中确定所有人脸(如果存在)的位置、大小、位姿的 过程。随着时代的进步，信息化程度的提高，人机交互技术日益成为当前研究的 一个中心。而其中的人脸检测问题也越来越受到重视，成为计算机视觉和模式识 别等领域研究的一个热点。 早在上世纪60年代，人们就已经开始了对人脸识别的研究，至今已有50多年的历史了，是当前模式识别和人工智能领域的一个前沿课题，时代的发展使得人脸识别技术的应用前景更加广阔。随着电子信息技术的迅猛发展，人脸识别技术成为身份验证的最理想的方式。作为一种重要的个人身份鉴别技术，在国家安全、视频监控、门禁系统等多种地方法都有运用。和其他方法比较起来，该技术具有更加方便、低侵犯性、鲁棒性强等多种特点]1[。 人脸检测的目的就是从背景图像中找到人脸区域，然后把人脸从中分割出来，接着再进行人脸识别的后续工作。论文主要研究基于肤色分割的彩色图像人脸检测方法。
1.2 国内外的研究状况 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab，AI lab，CMU的Human-Computer Interface Institute，Microsoft Research，英国的Department of Engineering in University of Cambridge等。目前的方法主要集中在以下几个方面]2[： （1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较多。但是由于人脸特征的变化很大，很难得到有效的模板来表示人脸的共性。变形模 基于肤色分割的彩色图像人脸检测系统设计 2 板在原理上与固定模板相同，但其中包含一些非固定的元素，一种方法是手工构
造参数化的曲线和曲面以表征人脸中的某些非固定特征，如眼睛，鼻子和嘴唇等。另一种方法是系统自动生成自适应的曲线或曲面，以构成变形人脸模板。检测方法是：将模板与测试图像进行弹性匹配，并加入惩罚机制，利用某种能量函数表示匹配程度。 （2）示例学习 示例学习的基本思想是从某一概念的已给正例和反例的集合中归纳产生出接受所有正例同时排斥所有反例的该概念的一般规则。将人脸样本和非人脸样本送入学习机中，产生出判别规则，从而用于作为判断输入的测试图像是否属于人脸的主要判别依据。为了获得较高的精度，学习过程需要大量的样本，另外样本数据本身是高维矢量，因此，研究通用而有效的学习算法的关键是精确的区分性和数据维数的降低。 将多个表示人脸模式的线性空间进行组合，是示例学习的另一条途径。采用了Kohonen自组织映射网络对人脸样本和非人脸样本进行聚类，对每一类样本进行Fisher线性判别，得到每一类的判别平面，从而构成图像子空间，并运用高斯模型描述每个子空间，估计出类条件概率密度。这样，对于测试图像，计算其属于各个子空间的概率，分类决策为概率最大的类是它所属的类，从而判断测试图像是否为人脸。 （3）神经网络 从本质上讲，神经网络也是一种基于样本的学习方法。将神经网络用于人脸检测取得了很大的进展。MIT的学者首先对人脸样本集和非人脸样本集聚类，以测试样本与人脸样本集和非人脸样本集的子类之间的距离作为分类的度量，利用多层感知器（MLP）网络作为分类器。CMU的研究人员直接以图像作为神经网络的输入，设计了一个具有独特结构的适用于人脸特征的神经网络分类器，并通过前馈神经网络对检测结果优化。Raphael Feraud等利用多个神经网络：多层感知器（MLP）和约束产生式模型（CGM，Constrained Generative Model），实现了一个可应用于WEB中人脸图像检索的快速而准确的人脸检测方法。Shang-Hung Lin等训练了三个基于概率决策的神经网络（PDBNN，Probabilistic Decision Based Neural Network），用于人脸检测，眼睛定位和人脸识别，实现了 基于肤色分割的彩色图像人脸检测系统设计 3 一个完整的人脸识别系统。
（4）基于隐马尔可夫模型的方法 马尔可夫模型是一个离散时序有限状态自动机，隐马尔可夫模型（HMM）是指这一马尔可夫模型的内部状态外界不可见，外界只能看到各个时刻的输出值。对于人脸模式来说，可以把它分成前额，眼睛，鼻子，嘴巴和下巴这样一个序列。人脸模式就可以通过对这些区域的有序的识别来检测，这正好是隐马尔可夫模型容易做到的。Samaria等人提出了使用HMM模型进行人脸检测的算法，他们使用人脸区域的结构信息作为隐马尔可夫模型的状态迁移条件。除此以外，基于AdaBoost的人脸识别算法，基于彩色信息的方法，基于形状分析的方法，以及多模态信息融合的方法，国外都进行了大量的研究与实验。 国内关于人脸自动识别的研究始于二十世纪80年代，主要的研究单位有清华大学，哈尔滨工业大学，中科院计算所，中科院自动化所，复旦大学，北京科技大学等，并都取得了一定的成果。国内的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸正面自动识别方法、基于代数特征的人脸正面自动识别方法和基于连接机制的人脸正面自动识别方法。周激流]3[实现了具有反馈机制的人脸正面识别系统，运用积分投影法提取面部特征的关键点并用于识别，获得了比较满意的效果。他同时也尝试了“稳定视”特征提取方法，即为使识别系统中包含3D信息，对人脸侧面剪影识别做了一定的研究，并实现了正，侧面互相参照的识别系统。彭辉、张长水等]4[“特征”的方法做了进一步的发展，提出采用类间散布矩阵作为产生矩阵，进一步降低了产生矩阵的维数，在保持识别率的情况下，大大降低了运算量。程永清，庄永明等]5[对同类图像的平均灰度图进行SVD分解得到特征脸空间，每一幅图像在特征脸空间上的投影作为其代数特征，然后利用层次判别进行分类。张辉，周洪祥，何振亚]6[采用对称主元分析神经网络，用去冗余和权值正交相结合的方法对人脸进行特征提取和识别。该方法所用特征数据量小，特征提取运算量也较小，比较好地实现了大量人脸样本的存储和人脸的快速识别。北京科技大学的王志良教授]7[主要研究人工心理，建立了以数学公式为基础的心理学模型。 尽管人脸识别技术有着广阔的应用前景，但是无论是在识别率，还是在防伪 基于肤色分割的彩色图像人脸检测系统设计 4 性上，都与指纹，视网膜等有着较大的差距，归根结底，影响人脸识别效果的原
因主要有以下的几个方面： （1）人脸图像的获取过程中的不确定性（如光的方向，以及光的强度等）。 （2）人脸模式的多样性（如胡须，眼镜，发型等）。 （3）人脸塑性变形的不确定性（如表情等）。 （4）所涉及的领域知识的综合性（如心理学，医学，模式识别，图像处理，数学等）。正因为在人脸识别过程中存在上述各种各样的问题，因此在实际的检测和识别过程中，当这些因素叠加到一起的时候，情况就变得更加复杂。基于几何特征的识别方法，其存在的主要问题在于，没有形成一个统一的，优秀的特征提取标准。在描述人脸的时候，受到表情，光照，姿态的影响比较大，无法准确地描述人脸特征。尽管如此，基于几何特征的方法在处理人脸表情分析时，仍然是一个最有效的依据。同时，目前已经提出了很多改进的特征提取的算法，使得人脸几何特征的提取越来越趋于合理，这里面最具代表性的方法就是结合3D人脸信息的特征点提取技术。基于代数特征的识别方法是目前在实际应用中使用得最多的一类方法，其主要原因是由于代数特征矢量（即人脸图像在特征空间的投影结果）对角度，表情等因素都具有一定的稳定性。但对于光照而言，似乎效果并不太明显。这种代数的特征识别方法，无法应用于人脸的表情识别]8[。 人脸识别的各种方法，实际上就是在寻找一种人脸的描述方式，但是要找到一种能够不受各种因素影响的描述方式非常地困难，无论是最早使用的几何描述方式以及后来比较常用的代数描述方式，都不可避免地存在各种干扰。只能是在以后的研究中，逐渐去完善人脸的描述方式，使之更加有效，更加准确。 1.3 论文的主要研究内容 人作为智能监控中的重要对象之一，其图像的检测和识别在监控中有着重要的地位。对人的检测验证有多种方法，可以通过运动物体的轮廓、面积因子等方法得到，但是对其中最感兴趣的部分是人脸部分，其在防盗、追捕中的地位是人的其他特征所不能代替的，这也是人脸检测被广泛研究的原因。故本文在选题时选择相对较为复杂的人脸图像检测，通过对人脸检测的算法研究，设计并实现一个快速的方法应用在静态图片中的人脸检测。 原有的人脸检测算法包括多关联模板匹配的方法、人工神经元的方法、支持 基于肤色分割的彩色图像人脸检测系统设计 5 向量机等方法，以及这些方法的综合运用。但这些方法都主要是针对灰度图像中
的信息，运算量较大；再加之没有任何先验知识，通常是在全图像范围内进行穷举搜索，搜索的矩形框尺度变化也很大，所以不可避免的造成了检测时间长、效率低，而且误报率也较高。本文主要研究内容是如何有效的将肤色信息应用于人脸检测中去。重点是将肤色判断作为人脸检测的预处理，即在现有人脸检测算法的基础上增加肤色分割的预处理，分别研究肤色模型的选取和建立、肤色分割的方法，以及人脸区域的验证。实验证明本设计效率高、误报率低，同时尽量提高检测的正确率、降低漏检率。 1.4 论文内容组织 本文章节安排如下： 第一章绪论 本章主要介绍了人脸识别的研究背景及现状，继而提出本论文的研究内容，最后给出本文的章节安排。 第二章肤色分割技术及人脸检测方法 本章主要介绍了与人检测相关的基础理论知识。对人脸检测方法进行详细的综述。 第三章人脸检测系统的设计及实现 本章详细介绍人脸检测系统的原理框图和功能，在人脸检测模块所采用的人检测方法。并介绍了各步骤的图像处理其相应的算法，及其利用该算法进行人脸检测的过程 第四章实验结果及分析 编程实现了一种基于肤色分割的彩色图像人脸检测算法，这种算法实现较为简单，速度较快。 第五章总结
基于opencv的人脸识别毕业设计
基于opencv的人脸识别毕业设计一、引言人脸识别技术是一种通过对图像或视频中的人脸进行识别和验证的技术。
随着计算机视觉和深度学习技术的发展，人脸识别技术已被广泛应用于安防监控、人脸支付、智能门禁等领域。
本文将以基于opencv 的人脸识别技术为研究对象，设计一种高效、准确的人脸识别方案，作为毕业设计的主题。
二、背景介绍1. 人脸识别技术发展历程人脸识别技术的发展经历了传统图像处理、特征提取、模式识别等阶段，近年来，随着深度学习技术的成熟，人脸识别技术取得了突破性进展。
基于深度学习的人脸识别算法不仅能够实现高精度的人脸检测和识别，还能适应不同光照、姿态和表情下的人脸识别任务。
2. opencv在人脸识别中的应用opencv是一个开源的计算机视觉库，提供了丰富的图像处理和机器视觉算法库。
opencv的简单易用、跨评台兼容等特性，使其成为人脸识别技术开发中的重要工具。
许多经典的人脸检测、人脸识别算法都有基于opencv的实现。
三、研究内容与目标本文拟以基于opencv的人脸识别技术为研究对象，结合深度学习技术和opencv图像处理算法，设计一种高效、准确的人脸识别方案。
具体研究内容和目标如下：1. 掌握opencv图像处理和人脸识别的基本原理与算法；2. 分析深度学习在人脸识别中的应用，并结合opencv实现深度学习模型；3. 设计并实现一个基于opencv的人脸检测和识别系统；4. 评估所设计系统的准确性、鲁棒性和实时性，并与市面上主流的人脸识别系统进行性能比较。
四、研究方法与流程1. 研究方法本研究将采用文献调研、实验分析和系统设计等方法，通过阅读相关文献，深入了解深度学习和opencv在人脸识别中的应用；结合实际数据集，分析人脸识别算法的性能和特点；基于opencv和深度学习框架，设计实现人脸识别系统，并进行性能评估。
2. 研究流程（1）文献综述：梳理文献，了解人脸识别领域的研究现状和发展趋势；（2）数据准备：收集人脸图像数据集，用于实验分析和算法训练；（3）算法实现：基于opencv和深度学习框架，实现人脸检测和识别算法；（4）系统设计：设计一个基于opencv的人脸识别系统，包括图像预处理、特征提取和匹配识别等模块；（5）性能评估：通过实验评估所设计系统的准确性、鲁棒性和实时性，并与市面上主流的人脸识别系统进行性能比较；（6）撰写毕业设计论文。
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3个部分。
(1)对于彩色图像，肤色是人脸表面最为显著的特征之一，对于输入的人脸图像，肤色具有较强的聚类特征，且分布稳定，利用肤色特征进行检测具有计算量小，计算速度快的优点，且对于表情、大小、姿势等人脸自身因素的影响有很强的鲁棒性。
基于肤色模型和特征定位的人脸检测算法
第27卷 第6期 吉首大学学报(自然科学版)Vol.27 No.6 2006年11月J ournal of J ishou University(Natural Science Edi ti on)Nov.2006文章编号:1007-2985(2006)06-0069-04基于肤色模型和特征定位的人脸检测算法张书真1,2,宋海龙3,杨卫平1(1.国防科学技术大学ATR国防科技重点实验室,湖南长沙 410073;2.吉首大学物理科学与信息工程学院,湖南吉首 416000;3.国防科学技术大学理学院数学与系统科学系,湖南长沙 410073)摘 要:针对彩色图像提出一种基于肤色模型和特征定位的检测算法.首先建立一个新的肤色模型(H SI I模型),它对光照亮度具有强鲁棒性.在肤色分割的基础上,利用水平灰度投影估计人眼水平位置,然后结合候选脸区的边缘图像,给出人眼的确定位置,并输出人脸检测结果.实验表明该算法简单、快速、鲁棒性强.关键词:人脸检测;肤色模型;脸部特征定位;水平灰度投影;边缘检测中图分类号:TP391.41 文献标识码:A人脸检测是模式识别与计算机视觉领域的一项热点课题,它广泛用于人脸识别、智能人机接口、视频会议等.目前,比较常用的人脸检测方法可以概括为基于知识、基于结构特征、基于模板匹配以及基于统计模型的方法[1-2].在彩色图像中,肤色对于人脸检测是一项非常有用的信息,有效地利用肤色信息可以大大减小人脸区域的搜索范围.在肤色分割的基础上,再利用针对灰度图像的方法做进一步检测.笔者提出一种基于肤色模型和特征定位的人脸检测方法.首先建立一种改进的H SI I颜色空间.实验证明,在该空间建立的肤色模型能够适用于光照亮度变化范围较大条件下的肤色检测.在肤色分割的基础上,对候选脸区进行水平灰度投影,估计出人眼水平位置,然后采用Canny算子提取候选脸区的边缘,再通过加窗方法定位人眼,并最终输出人脸检测结果.1 肤色分割1.1色彩空间分析以色调、饱和度、亮度为三要素表示的HSI色彩,与人对色彩的感知相一致,是适合人类视觉特性的颜色空间[3],由RGB空间转换到HSI空间的变换公式如下:I=13(R+G+B),(1)S=1-3R+G+B(RGB)min,(2)H= 若B G,2 - 若B>G.(3)其中: =arccos12[(R-G)+(R-B)][(R-G)2+(R-B)(G-B)]12;(RGB)min指R,G,B这3个分量中最小的分量值.收稿日期:2006-09-16基金项目:国家自然科学基金资助项目(60573028);东南大学移动通信国家重点实验开放基金资助项目(A200503)作者简介:张书真(1977-),女,湖南桑植人,吉首大学物理科学与信息工程学院讲师,硕士生,主要从事模式识别、数字图象处理研究.分析(1),(2)式可以发现,饱和度分量S 与亮度分量I 相互关联.图像亮度的增加可以认为是向图像中增加了白光成分,而白光成分的增加必然导致图像饱和度相应地降低,因此HSI 空间内建立肤色模型对光照亮度变化敏感.由光照理论可知,图像的颜色由照射光源的光谱成分以及图像对入射光谱的反射系数决定,而白光中R ,G ,B 分量应该相等(否则为色光).设若图像的像素对3种基色光的反射系数相差不大,则亮度改变引起的R ,G ,B 分量的改变值 R , G , B 近似相等,即 R = G = B .令R =R + R ,G =G + G ,B =B + B ,则有R -G =R -G ,同理(R -B )、(R -G )、(R -B )、(G -B )的值都不改变.将上述结果代入(3)式,可得色调分量H 的值不随光照亮度的变化而改变.同时,将(1)式与(2)式相乘,得SI =[R -(RGB )min ]+[G -(RGB )min ]+[B -(RGB )min ]3.(4)光照亮度改变后,因 R = G = B ,(4)式中[R -(R G B )min ]=[R -(RGB )min ],同理[G -(RGB )min ],[B -(RGB )min ]的值都不改变,即SI 的值不随光照亮度的变化而改变.通过上述分析,建立起一个改进的H SI I 颜色空间.在该空间中,实际颜色相同的2个像素,在光照亮度变化的条件下,仍然聚集到相同的空间位置上,在其二维投影H SI 平面上可以构造出适应光照亮度变化范围较大的肤色模型.1.2肤色模型建立肤色模型前,通过不同光照亮度下肤色点分布的实验证明了上述理论推导的正确性.图1表示了同一块皮肤样本在不同光照亮度下分别在H S 平面和H SI 平面的聚类结果,其中各坐标分量都做了归一化处理.图1-a 表示同一肤色样本在不同光照亮度下的图像,图1-b 表示在H S 平面内肤色点的分布,图1-c 表示在H SI 平面内肤色点的分布.图1 不同亮度下肤色样本在H S 面和H SI 面的分布图2 不同亮度下图像的二值化结果实验结果清楚地表明:H SI I 空间在光照亮度变化的条件下具有更好的聚类效果.进行H SII 空间的肤色模型训练时,选取了不同光照亮度、不同背景、不同年龄等因素的皮肤样本共40块,通过统计分析,给出一个阈值分割的肤色模型:H[0.00,0.17]且SI [0.02,0.25],或H [0.97,0.99]且SI [0.02,0.05].利用上面这个肤色模型,对不同光照亮度下同一幅彩色图像进行二值化处理,实验结果如图2所示.图2-a 表示亮度较低的图像及其检测结果,图2-b 表示正常亮度的图像及其检测结果,图2-c 表示亮度较高的图像及其检测结果.实验中,图像亮度变化范围虽然较大,但肤色分割的结果大致相同,肤色区域几乎都被检测出来.因70吉首大学学报(自然科学版)第27卷此,实验证明了在H SI I 空间建立的肤色模型是有效可行的,它对光照亮度的变化具有强鲁棒性.1.3候选人脸区域的确定图3 形态学处理及归并后的图像在肤色分割后的二值化图像中不可避免地出现噪声,笔者采用形态学算子去除分割后的噪声,并使得图像中重要的区域(肤色区域)仍能保持连贯的轮廓.图3-a 表示经形态学处理后的图像.为进一步排除形态学滤波后不含人脸的肤色区域,需要对滤波后的二值图像的目标区域进行形状分析,将不可能的人脸区域过滤掉.具体操作如下:首先对前阶段处理过的二值图像提取出轮廓及外接矩形;然后根据目标区域面积大小和外接矩形的长宽比,对获得的目标区域作出筛选.通过处理,就可以从肤色分割的图像中得到一组候选人脸区域,图3-b 表示归并后的候选人脸区域.[4]2 特征定位2.1水平积分投影估计人眼的水平位置将彩色图像转换为灰度图像,可以发现灰度图中脸部特征处(如鼻子、眼睛、眉毛等)的灰度值要低于脸部其他区域.因此,可以对正面人脸进行灰度投影分析,粗略定位特征部位的位置.笔者主要是用水平积分投影估计人眼的水平位置.水平积分投影如图4-a 所示.设候选人脸区域大小为M N ,I (x ,y )表示像素点(x ,y )处的灰度值,则图像的水平积分投影函数为图4 积分投影定位人眼水平位置过程H (y )=1M M x =1I (x ,y ).(5)为了去除噪声影响,将一维Gauss 模板与H (y )进行卷积运算,得到平滑后的水平投影如图4-b 所示.观察投影图可发现,在候选脸上半区通常有2个极小值点,分别对应人的眉毛和眼睛部位.而眉毛位于眼睛的上面,因此可将投影图中上半区的第2个谷点对应的y 值确定为人眼水平位置坐标,如图4-c 所示.2.2边缘检测实现人眼定位精确定位人眼采用了边缘检测和加窗处理,具体实现步骤如下:(1)通过最大方差准则设定阈值,对候选脸区的灰度图像进行二值化处理,这样的处理是接下来的边缘检测获得较好效果的关键步骤.二值化结果如图5-a 所示.(2)利用Canny 算子提取二值化图像的边缘.在提取边缘时将阈值取得较高,使得脸部的边缘点仅由眉、眼等特征位置的强边缘组成,而不会包括鼻的轮廓产生的弱边缘.图5-b 为提取边缘后的图像,边缘像素点用白色表示.(3)在边缘图像上加一个大小为K L 的窗,K 的取值应大于瞳孔的宽度,小于两眼的水平间距,L 的取值应大于眼睑的高度,小于眉眼的垂直距离.将此窗放在候选脸区边缘图图5 边缘检测提取人眼过程的左端,高度为预估人眼水平位置对应的y 值,然后在候选人脸区内沿人眼水平位置从左往右移动窗口,移动步长为K .每移动一次记录下窗口中白色像素点的数目,移动结束后找出窗口中白色像素点数目出现最大值和次最大值的2个位置,即为两眼睛所在的位置.图5-c 中灰色块表示窗口移动结束后找到的两眼位置.双眼位置一旦确定,即可根据 三停五眼 规则输出检测到的人脸区域.71第6期 张书真,等:基于肤色模型和特征定位的人脸检测算法3 结果与分析实验选用了不同来源的彩色图像共50幅,图6给出了部分图像的人脸检测结果.图6 部分图像的检测结果实验中检测失败的出现主要是在头部倾斜度过大和偏色光干扰的情况下.对于这些问题期望通过2种方法来解决:一是对候选脸区利用主轴旋转得到端正人脸后再做人眼检测,二是利用色彩平衡来纠正色光干扰.由于采用了对光照变化具有强鲁棒性的的H SI I 肤色模型,从而实现了较好的肤色分割;而且,有效的边缘检测算法为人眼的最终定位提供了保证.由于算法中人脸特征定位比较简单,因此获得了较快的检测速度.[5-6]参考文献:[1] 梁路宏,艾海舟.人脸检测研究综述[J].计算机学报,2002,25(5):449-458.[2] YANG M ing -Hsuan,DAVID J KRIEGMAN NARENDRA AHUJE.Detection Faces in Images:A Survey [J].IEEE Transactions onPattern Analysis and Machine Intelligence,2002,24(1):34-58.[3] 丁海波,薛 质,李生红.基于HSI 空间的肤色检测方法[J].计算机应用,2004,24:210-211.[4] LAM K M,YAN H.An Improved M ethod for Locating and Extracting the Eye in Human Face Images [C].Washington,DC,USA:IEEE Computer Society,1996.[5] ZHANG L M,LENDERS PATRICK.Knowledge -Based Eye Detection for Hu man Face Recognition [C].IEEE Fourth InternationalConference on Knowledge -based In telligen t Engineering System &Allied Technologies,2000.[6] 陶 亮,庄镇泉.复杂背景下人眼自动定位[J].计算机辅助设计与图形学学报,2003,15(1):38-42.Face Detection Based on Skin Model and Features LocationZHANG Shu -zhen,SONG Ha-i long,YANG We-i ping(1.ATR Lab.,National University of Defense Technology,Changsha 410073,China;2.College of Physics Science &Information Engineering,Jishou University ,Jishou 416000,Hunan China;3.Dept.of Mathematics &Sys tem Sciences,National University of Defense Technology,Changsha 410073,China)Abstract :A face detection algorithm for color ima ges based on skin model and facial feature location is presented.Firstly,a ne w skin model (H SI I skin model)which has the robustness for variety of brightness is built.Sec ondly,facial re gion s horizontal gray -level projection is used to estimate the horizontal position of eyes.Finally,the edge fea -tures are checked to give the proper position of eyes.Experiments show that the algorithm is simple,fast and robust.Key words :face detection;skin model;facial feature location;horizontal gray -level projection;edge detection(责任编辑 陈炳权)72吉首大学学报(自然科学版)第27卷。
基于MATLAB的人脸识别系统的研究毕业论文
长沙民政职业技术学院毕业实践报告 题目:基于MATLAB 勺人脸识别系统的研扌旨导老师： ______ 谭刚林 ______________________ 系 另寸： 电子信息工程系 __________________ 班 级： ______________ 电子1133 ____________学号：1119013333 1119013334 1119013335 姓 名： 刘盼符思遥樊阳辉类型:2014年5月5日基于MATLAB勺人脸识别系统的研究符思遥、刘盼、樊阳辉指导老师：谭刚林苏宏艮马勇赞【摘要】人脸检测与识别技术是计算机视觉和模式识别等学科的研究热点之一，是进行身份认证最友好直接的手段，在出入境安全检查、内容检索、证件验证、门禁系统等领域都具有十分广泛的应用前景。
多年来，人脸识别技术中的很多问题都被深入地研究，而且大量的算法已经成功应用于人脸识别。
本文在研究了人脸检测和身份识别的关键技术和相关理论的基础上，重点讨论了在光照和背景不同的条件下，彩色静止图像的人脸检测和身份识别问题，它包括基于肤色分割的人脸粗检测、基于人眼检测的几何归一化和基于二维主成分分析法(2DPCA的身份识别。
本文主要工作如下：首先对彩色图像进行光照补偿，其次通过肤色检测获得可能的脸部区域并二值化，再用形态学开闭运算对图像进行滤波处理并通过一定规则确定人脸区域，然后运用水平垂直投影定位人眼坐标以此对人脸进行几何归一化，识别部分运用2DPCA勺图像映射方法对灰度图进行特征匹配，最后输出识别结果并进行语音播报。
实验结果表明，结合肤色和面部几何特征的算法能够对人脸进行较快速和准确的定位，同时2DPCAT法运用于身份识别也能达到较高的识别率。
本毕业设计对实际应用具有一定的参考价值，该系统的操作流程和输入输出方式是以实际应用为出发点，可应用于公安机关证件验证以及日常家庭的自动门禁系统等。
【关键词】人脸检测；肤色分割；人眼检测；2DPCA特征提取1绪论 (1)1.1选题的背景 (1)1.2人脸识别系统 (2)1.3人脸识别的典型方法 (2)2基于YCbCr颜色空间的肤色分割 (3)2.1三种色彩空间 (3)2.1.1 RGB色彩空间 (3)3基于2DPCA特征提取的身份识别 (4)3.1 2DPCA算法实验结果与分析 (5)3.1.1实验用数据库 (5)3.1.2实验结果与分析 (5)3.1.3 结论 (7)4人脸检测与识别系统设计与实现 (7)4.1系统环境 (7)4.2人脸检测与识别系统框图 (7)4.3系统功能模块 (8)4.4实验结果分析 (9)5总结与展望 (10)5.1总结 (10)5.2展望 (10)参考文献 (12)1绪论1.1选题的背景近年来随着计算机技术和互联网的发展，信息技术的安全变得越来越重要，生物特征识别技术得到广泛研究与开发，如人脸识别、指纹识别、掌形识别等。
基于OpenCV的人脸检测系统设计与实现毕业设计说明书
毕业设计说明书基于OpenCV的人脸检测系统设计与实现毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：日期：学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。
本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
作者签名：日期：年月日导师签名：日期：年月日基于OpenCV的人脸检测系统设计与实现摘要目前，人脸检测定位和跟踪已经成为计算机视觉与模式识别领域非常活跃的研究课题之一，在身份验证、信息安全、电子商务、基于内容的图像与视频检索、视频监控、智能人机交互、可视通信、虚拟现实、公安档案管理等很多方面都有着重要的应用价值。
肤色分割在人脸检测中的应用
摘要目前，在人脸识别领域的信息处置中，包括有人脸识别、人脸跟踪、姿态估量、表情识别等多个研究方向，在这些方向中，都涉及到一个问题——人脸的标识和定位,即必需明白人脸在图像中的位置和尺寸，这确实是人脸检测技术。
关于一个完整的、自动的人脸识别系统来讲，人脸检测处置是必不可少的。
人脸检测算法的研究已经开展了二十连年，可是，由于人脸检测问题本身的复杂性，截止目前，仍旧未能完全解决实际操作中碰到的所有问题。
本文对肤色分割在彩色图像人脸检测中的应用做了一些探讨。
要紧探讨了基于RGB和HSI 色彩空间思想的肤色区域分割算法，从而提高人脸检测系统的执行效率和整体性能。
关键词：人脸检测、肤色分割、肤色模型、色彩空间AbstractImages containing faces are essential to intelligent vision-based human computer interaction, and research eforts in face processing include face recognition, face tracking，pose estimation，and expression ，all of these researching directions involve in one，problem--face detection and location. In other words, before this face processing, we must know faces locations and scales. Consequently, to build an automated face processing system which analyzes the information contained in face images, robust and efficient face detection algorithms are require.The research on face detection has lasted for more than twenty years. But, up to now,due to the complexity of the purpose such as the diversity of face paterns, variable lighting condition and so on, many researches can not resolve the problem completely even if they have studied it for long time. This article has done some research on skin color segmentation in Face Detection, it mainly includes that Investigate the Color segmentation algorithm which was based on RGB and HRI color space, thereby to improve the efficiency and overall performance of this Face Detection system.Key words: face detection , skin color segmentation, skin color model, color space.目录第一章概述 (1)研究背景与意义 (1)要紧应用范围 (2)国内外研究现状 (3)人脸检测的难点 (4)第二章人脸检测算法概述 (6)图像预处置 (6)图像大小的调整 (6)光照补偿 (6)人脸特点及提取 (8)灰度特点 (9)肤色特点 (10)常见人脸检测方式概述 (10)肤色区域分割与人脸验证方式 (10)基于统计模型的方式 (11)基于启发式模型的方式 (14)本章末节 (16)第三章肤色分割与人脸区域的选取 (17)色彩空间简介 (17)RGB格式色彩空间 (17)HSV格式色彩空间 (18)肤色模型 (20)基于RGB色彩空间肤色模型的思想 (20)基于HSV色彩空间肤色模型的思想 (21)基于两种思想的优化组合 (21)肤色分割 (22)基于RGB色彩空间思想的肤色分割 (22)基于H值的肤色分割 (22)二值图的形态学滤波处置 (24)侵蚀（Erosion） (25)膨胀（Dilation） (26)开运算和闭运算 (26)人脸候选区域的挑选 (27)区域的长宽比 (28)区域的面积 (28)区域的中心 (28)算法实验结果 (29)本章小结 (29)结束语 (30)致谢 (31)参考文献 (32)第一章概述人脸检测（face detection）是指确信输入图像中人脸的位置与大小。
基于人脸识别的课堂考勤系统设计与实现-毕业论文
课堂是学生学习的主要场所，课堂学习是学生获取知识、培养能力、提高素质的主要渠道。
系统科学的课堂考勤是保证各项教学计划有效落实和顺利执行的重要条件。
有效的课堂考勤是创造良好学习氛围，形成良好班风、学风及增强学生的组织性和纪律性的必要条件，同时也是保证学校教学秩序的稳定、提高教学质量的重要措施。
研究基于人脸识别的课堂考勤系统，借助信息技术，以人脸识别为手段，彻底摒弃传统课堂考勤中人工统计管理的落后方式，克服不规范的考勤行为，解决学校以往考勤管理工作中出现的问题，为学校的考勤制度实施提供科学的依据。
本论文主要工作及应用创新如下：(1)提出了基于稀疏表示和神经网络相结合的人脸识别算法。
针对人脸识别过程中识别速度较慢的问题，依据压缩感知理论，利用小波变换对图像进行稀疏化处理。
然后采用改进BP人工神经网络对图像进行训练。
采用较少的元素表示人脸图像，不仅能对人脸图像进行降维，还能滤去局部光照、表情细节以及其他面部部件引入的高频干扰信息，突出人脸的主要特征，得到适合于计算机识别的低维图像，提高了人脸识别速度。
(2)设计了完整的基于人脸识别的学生课堂考勤系统。
通过摄像头采集人脸图像，然后对人脸图进行预处理，并对人脸进行标定，分割出人脸图像；采用基于稀疏表示和神经网络相结合的人脸识别算法，进行人脸识别，然后把识别结果信息保存到数据库中，完成学生课堂考勤操作。
(3)设计并开发了基于C/S和B/S混合体系结构的学生课堂考勤系统。
人脸识别采用C/S模式开发，考勤信息管理的设置与查询采用B/S模式开发。
数据库服务器主要为考勤资料和考勤数据的存取提供服务。
Web服务器为请假管理、考勤数据的查询和输出提供服务。
学生可以通过网络查询个人的考勤情况，不受环境限制。
学生课堂考勤的根本目的是加强课堂管理，学生课堂考勤系统可为学校课堂管理提供科学、可靠的考勤手段，有利于提高课堂学生到课率和教师工作效率，从而保障教学效果与质量。
关键字：课堂考勤，人脸识别，稀疏表示，神经网络The classroom is the main place for student studying and obtaining knowledge. It is also a main channel for student to improve their abilities. A scientific classroom attendance system can ensure that various teaching programs are implemented effectively.The effective classroom attendance system can create a good atmosphere for learning and a good class style for enhancing student’s organization and discipline. And the effective classroom attendance system is also one of important measures for ensuring the stability of the teaching order, improving the quality of teaching and learning activities.This study researches on classroom attendance system based on face recognition. By using of information technology and face recognition, abandon artificial statistical management completely and overcome the nonstandard behavior in the traditional classroom attendance system, a novel classroom attendance system is proposed. It can solve the problem in school attendance management work, and provide scientific basis for implementing the school's classroom attendance regulationThe main work and innovation can be shown as follows:(1)A novel face recognition algorithm based on sparse representation and neural network is proposed. Aim to improve the speed in face recognition process, according to compressed sensing theory, wavelet transform is used to sparsing image, then a BP artificial neural network is used to train face image. A fewer elements can express the original face image, not only to reduce the dimension of face image, and filter out the local light, expression details and other facial high-frequency information. as a result, a low-dimensional and suitable face image is obtained, and the experiment has shown that the face recognition speed is improved.(2)A complete student classroom attendance system based on face recognition is designed. By collecting face images through a camera, and face image preprocessing, a human face is calibrated and split. Then the face is recognized by based on sparse representation and neural networks. At last, the result is saved to the database and student attendance classroom checking is finished.(3)A combination based on C/S and B/S hybrid architecture is used in developing student classroom attendance system. Database is a server-side. Face recognition bases on C/S model, and attendance management setting bases on B/S mode. The database server provides service for saving attendance data. Web server provides leaving management, data query and data output. So students can check their attendance records through the network,and be free from environmental restrictions.The main purpose of student classroom attendance is to enhance classroom management. Student classroom attendance system provides a scientific reliable means for classroom attendance management. It can improve efficiency of teacher’s teaching and student’s study, and ensure the teaching effect and quality.Keywords: Classroom Attendance, Face Recognition, Sparse Representation, Neural Network目录摘要 (I)Abstract (II)目录............................................................................................................................................................. I V 第1章绪论. (1)1.1 选题背景与研究意义 (1)1.2 基于人脸识别的考勤系统国内外研究现状 (1)1.2.1人脸识别技术国内外研究现状 (2)1.2.2考勤管理系统国内外研究现状 (3)1.3 本论文研究目的 (4)1.4 论文研究思路和内容安排 (5)1.5 小结 (6)第2章人脸识别基本理论 (7)2.1 人脸识别基本原理 (7)2.2 人脸基本特征 (8)2.2.1 人脸肤色特征 (8)2.2.2 人脸灰度特征 (10)2.3 人脸检测方法 (11)2.3.1 基于特征的人脸检测 (11)2.3.2 基于模板匹配的人脸检测 (12)2.3.3 基于统计学习的人脸检测 (12)2.4 人脸识别主要方法概述 (12)2.4.1 基于几何特征的人脸识别 (13)2.4.2 基于子空间分析的人脸识别 (13)2.4.3 基于模板匹配的人脸识别 (14)2.4.4 基于神经网络的人脸识别 (15)2.4.5 基于Adaboost 的人脸识别算法 (15)2.5 人脸图像处理技术 (16)2.5.1 灰度化 (16)2.5.2 图像去噪处理 (17)2.5.3 二值化 (18)2.5.4 形态学处理 (18)2.5.5 图像旋转 (19)2.5.6 图像缩放 (20)2.6 小结 (21)第3章基于稀疏表示和神经网络的人脸识别算法研究 (22)3.1 压缩感知理论 (22)3.1.1信号的稀疏表示 (23)3.1.2信号的观测矩阵 (23)3.1.3信号的重构算法 (24)3.2小波变换原理 (25)3.3 基于BP神经网络人脸识别 (26)3.3.1 人工神经网络 (26)3.3.2 人脸识别BP神经网络模型设计 (26)3.3.3 改进BP神经网络模型 (28)3.3.4 基于BP神经网络的人脸识别流程设计 (29)3.4 基于稀疏表示和神经网络的人脸识别算法原理 (29)3.4.1 基于稀疏表示和神经网络的人脸识别算法流程 (29)3.4.2 基于小波变换的人脸稀疏表示实验 (30)3.4.3 人脸识别实验及结果 (31)3.5 小结 (32)第4章课堂考勤系统需求分析及其结构设计 (33)4.1系统需求分析 (33)4.1.1 学生课堂考勤系统主要特点 (33)4.1.2 系统设计目标及原则 (34)4.2系统功能模块 (34)4.2.1 系统功能模块分析 (34)4.2.2 系统工作流程 (36)4.2.3 系统体系结构设计 (36)4.3系统结构设计 (38)4.3.1 基于摄像头的人脸图像采集系统 (38)4.3.2 摄像头实时图像人脸检测流程 (39)4.3.3人脸识别模块设计 (40)4.3.4 学生考勤信息管理模块设计 (40)4.4 数据库设计 (41)4.4.1 数据库设计目标 (41)4.4.2 数据库设计原则 (41)4.4.3 概念设计 (41)4.4.4 主要数据表结构 (43)4.5 小结 (44)第5章基于人脸识别的课堂考勤系统开发与实现 (46)5.1 开发工具及开发环境简介 (46)5.1.1 MFC (46)5.1.2 (46)5.1.3 开发环境 (47)5.2 人脸图像采集模块开发与实现 (47)5.2.1 摄像头获取人脸图像功能实现 (47)5.2.2 捕捉功能和显示图像功能实现 (48)5.2.3 人脸图像采集实现 (48)5.3 人脸识别模块开发与实现 (49)5.3.1 人脸定位模块开发 (49)5.3.2 人脸识别模块开发与实现 (50)5.4 课堂考勤信息管理模块开发与实现 (52)5.4.1 考勤查询管理 (54)5.4.2 考勤录入管理 (55)5.4.3 角色信息管理 (56)5.4.4 学生信息管理 (56)5.4.5 院系班级信息管理 (57)5.5 小结 (57)第6章总结与展望 (58)6.1 总结 (58)6.2 展望 (58)参考文献 (60)个人简历、申请学位期间的研究成果及发表的学术论文 (63)致谢 (64)第1章绪论1.1 选题背景与研究意义建立科学规范的教学管理体系，以确保学校快速发展，是教师提高教学质量，学生提高学习成绩的重要前提和必要条件。
基于AdaBoostXX肤色模型的多人脸检测考勤系统.doc
基于AdａBoosｔ肤色模型的多人脸检测考勤系统ﻭﻭﻭﻭﻭ摘要:为解决多人场景下的身份问题，将人脸检测作为依据，提出一种多人脸检测考勤系统。
该系统以智能终端拍摄图像作为输入，基于人脸检测获取考勤目标，最后通过用户获得待考勤目标的身份信息。
目前系统已投入课堂学生的点名应用中，实验结果验证了该系统中各环节方法的有效性和鲁棒性。
关键词：人脸检测；考勤;多人；自动识别ﻭﻭ一、概述ﻭﻭ人脸检测不仅是生物特征识别领域的重要课题,同时也是计算机视觉领域的研究热点。
它是人脸定位、身份验证、身份查找等多种应用的基础.由于具有重要的理论和应用价值，因此越来越受到研究人员的重视.目前，人脸检测技术已经应用于门禁、摄像监视等系统中.ﻭﻭ人脸检测利用图像或作为输入，对探测区域进行检测，以确定其中是否存在人脸及其可能的位置和区域。
常用的人脸检测的方法主要分为两大类：（1）基于知识的方法。
这类方法主要利用人脸的明显特征如眼睛、眉毛、嘴巴、鼻子等器特征及其相互之间的位置关系进行。
包括基于人脸几何特征的人脸检测、基于肤色模型的人脸检测等。
(２）基于统计的方法。
这类方法将人脸看成一个整体,用统计的方法使用大量人脸图像样本的训练构造人脸模式空间,再根据相似度量检测人脸是否存在。
包括基于神经网络的人脸检测、基于AdａBｏost算法的人脸检测等。
ﻭAdaBoost具有精度高、弱分类器构造简单、检测率高且速度快等优点，但是AdaBｏost算法仅考虑灰度特征，容易造成误检。
基于肤色模型的人脸检测方法在实际应用中容易将与颜色相近的区域误检为人脸.通过AdaＢoost定位出入脸位置,再运用肤色模型对其进行肤色校验则可以很好的规避两者缺点。
因此本文提出了一种基于AdaBooｓt与肤色模型的人脸检测方法,并应用于多人脸考勤系统中。
ﻭﻭ二、人脸检测ﻭﻭ2.１数据采集ﻭﻭ人脸数据获取是人脸检测的基础。
系统对输入数据并无过多限制条件，输入数据可来自用户随身携带的智能手机，也可以是室内监控摄像机的拍摄结果.对于某些无法用一副图像采集完全的大尺度场景,可利用智能手机中自带的全景拍摄功能,完成拼接后上传全景数据。
基于肤色分割的人脸检测算法
单人脸图像 500
461
92.22%
12.57%
图 4 先腐蚀后膨胀效果图
本文基于肤色分割的人脸检测算法去除虚假区 域规则：1） 人脸区域的长宽比在[0.8, 2]区间，若某 区域太过狭长或太过宽扁都可以确定为非人脸部位； 2） 设填充率 ratio=S/A（S 为实际肤色区域面积；A 为检测出的皮肤区域的矩形面积）。经过多次实验可 知：若 ratio>0.85 可能为裸露的皮肤区域（如胸和背 部）；若 ratio<0.5 可能是手掌或单一的局部皮肤区域； 只有ratio 在[0.50, 0.85]区间时，才被判定为人脸区域。 2.3 图像输出
关键词：人脸检测；YCbCr 色彩空间；高斯模型；肤色似然图
0 引言
近年来，人脸检测在安全访问控制和视觉监测等 领域应用广泛。人脸检测是人脸识别的初级阶段，具 体过程是判断给定的视频或图像中是否存在人脸，存 在几个人脸，并最终返回人脸所在的具体位置和分割 出人脸图像。目前人脸检测的方法主要有基于先验知 识、机器学习、模板匹配和神经网络等[1]。其中，基 于先验知识的肤色检测算法因肤色不受形状、大小和 姿态等因素影响，且在特定的色彩空间表现出聚类特 性，提高了基于肤色的人脸检测技术在实际应用中的 鲁棒性。
当的门限值转变而来。
r
R
(R G B)
g G (R G B)
(6)
Y 0.31R 0.12B
图 2 判断是否为皮肤区域的流程图
22
周品 李先祥：基于肤色分割的人脸检测算法
图 3 原图和二值化图
图 5 人脸检测效果图
表 1 实验结果统计表
检测对象 人脸数 检出人脸数 检测准确率 误检率
1 色彩空间的选取
人脸识别的毕业论文
学号：3081818211题目类型：论文(设计、论文、报告)西安电子科技大学GUILIN UNIVERSITY OF TECHNOLOGY本科毕业设计(论文)题目：人脸检测技术研究及MATLAB实现学院：信息科学与工程学院专业(方向)：电子信息工程班级：电信08-2班学生：许文强指导教师：蒋中正2012 年 5 月 20 日摘要人脸检测是当今视觉领域里非常重要和实用的研究课题，它应用于现实生活中的各个领域，如公安、金融、网络安全、物业管理以及考勤等。
基于视频的人脸检测属于动态检测，方法是先提取视频文件的帧，然后再对帧（图像）进行人脸检测，利用肤色特征的检测算法先对图像（帧）进行处理，然后建模，运用适当的算法把人脸检测出来，运用该方法完成了视频之中的的人脸检测。
本文采用MATLAB软件进行仿真，包括实现提取视频文件的帧，对输入图像检测有人脸（如果存在）的位置，大小和位姿，程序运行结果基本实现了上述功能。
关键词:人脸检测；视频检测；肤色特征Research of Face Detection and Implementation of Matlab Student: xu wenqiang Teacher:jiang zhong zhengAbstract：Face detection is very important and practical research topic in the visual field，it is applied to many areas in our lives Such as public security, finance, network security, property management and attendance, Based on the video's face detection is dynamic detection ,The idea is to extract video file frame, then as the image face to detectionUse the skin color characteristics of the detection algorithm , first to do processing testing, Then e appropriate algorithm, the face detection out.By using this method the video to finish face detection. this paper, we also use Matlab software simulationIncluding realize The input image for face detection, Video file frame extraction then That is to make sure that there is an image input face (if present) of location, size and posture of the process.To run the program results basically achieved the functionKey Words：Face Detection；Video Detection；Skin color characteristics目次摘要 (I)Abstract (II)1 绪论 (1)1.1论文的研究历史背景及目的 (1)1.2国内外研究现状 (2)1.3论文的主要内容安排 (3)2 人脸检测及其算法简介 (5)2.1人脸检测介绍 (5)2.2人脸检测的常用方法 (5)2.2.1基于特征的人脸检测方法 (5)2.2.2模块匹配法的人脸检测 (6)2.2.3基于adaboost算法的人脸检测方法 (7)3 基于视频的人脸检测研究及其实现 (8)3.1 MATLAB图像处理工具箱中的视频操作 (8)3.2提取AVI视频文件的帧 (9)3.3对图像进行肤色特征的人脸检测 (11)3.3.1色彩空间及其内容介绍 (11)3.3.2对图像进行预处理 (11)3.3.3对人脸肤色进行建模 (13)3.3.4 检测人脸区域的选定 (14)3.4图像向AVI视频文件的转换 (16)4 人脸检测在MATLAB软件下仿真实现 (18)4.1设计条件 (18)4.2设计流程 (18)4.4.1基于视频的人脸检测的总设计模块图 (18)4.4.2对图像进行人脸检测具体框图 (19)4.3人脸检测的MATLAB实现 (19)4.3.1人脸检测运行结果 (19)4.3.2人脸检测结果分析 (21)5 结论 (22)致谢 (23)参考文献 (24)附录 (25)1 绪论当前，人脸检测越来越受到大家的关注，它作为生物特征识别中一个非常重要的一个分支，已成为计算机视觉与模式识别领域中非常活跃的一个研究领域。