基于肤色的人脸检测摘要本文介绍了人脸图像识别中所应用MATLAB对图像进行预处理，应用该工具箱对图像进行经典图像处理,通过实例来应用matlab图像处理功能，对某一特定的人脸图像处理，进而应用到人脸识别系统。
本文在总结分析人脸识别系统中几种常用的图像预处理方法基础上，利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。
关键词:脸部定位，特征提取，图像处理，MATLABAbasractThis paper introduces the application of MATLAB in face image recognition of image preprocessing,the application of the toolkit for classical image processing, application MATLAB image processing function through instance,for a particular face image processing,and then applied to the face recognition system.In face recognition system based on the summary analysis of several commonly used image preprocessing method based on the MATLAB implements a collect a variety of pretreatment method for the integration of the universal facial image preprocessing simulation system,the system as the image preprocessing module can be embedded in a face recognition system,and use the gray histogram of the image matching to realize the face image recognition.Key words:face positioning,feature extraction,picture processing,MATLAB目录1绪论 (1)1.1研究背景 (1)1.2人脸识别技术的研究现状 (1)1.3人脸识别的应用前景 (3)2基于肤色的人脸检测技术研究 (4)2.1人脸检测技术概述 (4)2.2肤色检测技术 (4)2.3人脸识别系统的构成 (5)2.4基于肤色的人脸检测 (5)2.4.1人脸图像预处理 (5)2.4.2色彩空间转换 (6)2.4.3RGB颜色模型 (6)2.4.4YCbCr颜色模型 (6)3图像处理的Matlab实现 (8)3.1MATLAB简介 (8)3.2数字图像处理及过程 (8)3.2.1图像处理的基本操作 (8)3.2.2图像类型的转换 (8)3.2.3图像增强 (8)3.2.4边缘检测 (9)3.3图像处理功能的Matlab实现实例 (9)4基于肤色的人脸检系统设计 (14)4.1系统结构设计 (14)4.2人脸检测系统算法分析 (14)4.2.1光线补偿 (14)4.2.2肤色建模 (15)4.2.3去掉非人脸区域 (17)4.2.4人脸区域标定 (17)4.3系统实现 (19)5总结与展望 (20)致谢 (22)参考文献 (23)1绪论1.1研究背景自70年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域，.这一领域除了它的重大理论价值外，也极具实用价值。
在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。
人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。
如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。
同时，进行人脸图像识别研究也具有很大的使用价依。
如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。
现在己有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。
人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。
并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。
使得同一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别，给识别带来很大难度。
因此在各种干扰条件下实现人脸图像的识别，也就更具有挑战性。
国外对于人脸图像识别的研究较早，现己有实用系统面世，只是对于成像条件要求较苛刻，应用范围也就较窄，国内也有许多科研机构从事这方而的研究，并己取得许多成果。
1.2人脸识别技术的研究现状近10多年来,计算机人脸识别技术有了很大的进展,各种人脸识别方法层出不穷。
根据人脸表征方式的不同,通常将人脸正面识别技术分为三大类基于几何特征的识别方法、基于代数特征的识别方法和基于连接机制的识别方法。
基于几何特征的人脸正面图像识别方法是通过人脸面部拓扑结构几何关系的先验知识,利用基于结构的方法在知识的层次上提取人脸面部主要器官的特征,将人脸用一组几何特征矢量表示,识别归结为特1征矢量之间的匹配,基于欧式距离的判决是最常用的识别方法。
基于代数特征的人脸识别方法主要有特征脸法(PAC)和隐马尔科夫模型(HMM)法特征脸法是基于变换的人脸识别方法。
隐马尔可夫模型是用于描述信号统计特征的一组统计模型。
它使用马尔可夫链来模拟信号统计特征的变化,而这种变化是间接的通过观察序列来描述的。
基于连接机制的人脸识别方法包括一般的神经网络方法(ANN)和弹性图匹配(DLA)方法神经网络的方法在人脸识别上比其他类别的方法有独特的优势,它避免了复杂的特征提取工作,可以通过学习的过程获得其他方法难以实现的关于人脸识别的规律和规则的隐性表达。
但是该方法神经元数目多,训练时间长。
基于弹性图匹配的人脸识别方法采用树形拓扑图来表述人脸模式,通常情况下,属性拓扑图为二维稀疏网络。
属性拓扑图上的每一个顶点均包含一特征矢量,记录了人脸在该顶点位置的分布信息。
属性拓扑图可以采用各种描述局部信息的特征,如小波特征,形态特征和统计特征等。
所以,它应该是介于基于人脸图像部件特征和基于人脸图像整体特征之间的一种人脸识别方法。
它不仅提取了描述人脸图像的局部特征,保留了人脸图像的空间信息,而且在一定程度上可以容忍人脸从三维到二维投影引起的变形,因此它在众多的人脸识别方法中占有重要的地位。
综合比较这些方法,每种方法都各有优缺点。
国外研究机构从事人脸识别的研究与实践较早,在美国、德国、日本等发达国家已经有相关产品问世。
1996年美国的FERET研究机构对现有的各种人脸识别算法进行了测试,结果表明,比较成熟的识别算法对于数千人的图像进行识别检索,识别率可达到90%以上。
1998年德国西门子公司成功开发了“人像及视觉访问控制系统(FaceVACS)”,用于保安系统的访问控制,对几十人的人像库进行识别检索,识别率接近100%。
2001年日E solutio本公司推出的“面孔验证安全系统”,最多可容纳1000人登录。
国内关于人脸识别技术的研究虽然起步较晚,但近年来发展很快,已经成武汉理工大学硕士学位论文为研究的热点。
目前,国内人脸识别理论和方法的研究水平已经达到或接近国际水平,相关的人脸识别产品也开始问世。
国内生产人脸识别产品的企业,主要有四川成都的银晨公司和吉林长春的当代公司,其产品主要应用于安全防范、访问控制、治安管理和信息安全等领域。
清华同方和东大阿尔派也都分别推出了用于犯罪嫌疑人计算机画像的“人像合成系统”。
并且,清华大学电子工程系于2005年1月研制成功一套大型人脸识别系统并通过了公安部组织的专家鉴定,达到国内领先水平和国际先进水平。
然而,人脸识别技术本身还有待进一步发展,现有的人脸识别方法对于人脸姿态变化、光照、表情、遮挡、年龄、模糊等一系列实际情况的鲁棒性还需进一步提高。
另外,由于人脸识别技术的实际应用实时性要求比较高,因此需要设计更高效的识别算法。
还有,在计算机人脸识别系统中,人脸库的存储也是一个必须考虑的问题。
从提高人脸识别系统实用性能的角度,人脸识别技术有以下发展方向:(1)进一步研究面部特征抽取和识别算法,提高识别精度;(2)3D形变模型可以处理多种变化因素,具有很好的发展前景;(3)提高系统的鲁棒性,降低对环境的条件限制;(4)多特征融合和多分类器融合的方法;(5)提高系统的识别速度,研究对海量人像数据的分布式检索比对方法;(6)采用DSP或嵌入式硬件和软件平台,研制开发便携的应用产品;(7)研究海量数据的存储、压缩和加密技术。
在一些高级信息安全的应用中,还需要研究人脸识别与指纹、虹膜、语音等识别技术融合的方法,这也是生物特征识别技术的发展趋势。
1.3人脸识别的应用前景人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。
人脸识别可应用在公安、国防、金融、部队、政府部门等需要高度保密的行业,这些行业需要对进出人员进行严格的管理和控制。
在这些行业使用人脸识别系统后,其管理效率可以得到最大限度的提高,能更好的保障企业安全。
而对于普通的企业来说,基于人脸识别技术的门禁和考勤系统,可彻底杜绝以往他人冒用门禁卡、盗用密码等手段冒充本人代考勤或者进出入的方式,真正实现行政管理工作的安全性和准确性。
人脸识别还可应用于视频会议、图形检索、人机交互等领域。
随着软件和硬件技术的不断发展,人脸识别系统的应用领域将会变得更加广泛,服务的行业也会越来越多。