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=1
3
(R+G+B),(1)
S=1-
3
R+G+B
(RGB)min,(2)
H= 若B G,
2 - 若B>G.
(3)
其中: =arccos
1
2
[(R-G)+(R-B)]
[(R-G)2+(R-B)(G-B)]
1
2
;(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 SI
I 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 on
Pattern 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 International
Conference 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 Location
ZHANG 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
一、比附定位法 比附定位就是攀附名牌，比拟名牌来给自己的产品定位，希望借助知名品牌的光辉来提升本品牌的形象。比附定位通常采用以下三种方式来实施： 1、“第二主义”，就是明确承认市场的第一品牌，自己只是第二。这种策略会使人们对公司产生一种谦虚诚恳的印象，相信公司所说是真实可靠的，这样较容易使消费者记住这个通常难以进入人们心智的序位。第二主义最著名的例子就是美国阿维斯出租汽车公司“我们是第二，我们要进一步努力”的定位。 2、攀龙附凤：首先是承认市场中已卓有成就的品牌，本品牌虽自愧弗如，但在某地区或在某一方面还可与这些最受消费者欢迎和信赖的品牌并驾齐驱，平分秋色。这以内蒙古的宁城老窖的“宁城老窑——塞外茅台”定位为代表。 3、俱乐部策略：公司如果不能取得本市场第一地位又无法攀附第二名，便退而采用此策略，希望借助群体的声望和模糊数学的手法，打出会限制严格的俱乐部式的高级团体牌子，强调自己是这一高级群体的一员，从而借助俱乐部其他市场领先品牌的光辉形象来抬高自己的地位形象。这以美国克莱斯勒汽车公司为代表，他的定位为“美国三大汽车之一”。这种定位使消费者感到克莱斯勒和第一第二的GE、福特一样都是最好的汽车生产商。 二、利益定位 利益定位就是根据产品或者所能为消费者提供的利益、解决问题的程度来定位。由于消费者能记住的信息是有限的，往往只对某一利益进行强烈诉求，容易产生较深的印象。这以宝洁的飘柔定位于“柔顺”；海飞丝定位于“去头屑”；潘婷是定位于“护发”为代表。 三、USP定位 USP定位策略的内容是在对产品和目标消费者进行研究的基础上，寻找产品特点中最符合消费者需要的竞争对手所不具备的最为独特的部分。这以美国M&M巧克力的“只溶在口，不溶于手”的定位**百氏纯净水的“27层净化”是国内USP定位的经典之作。又如，巴黎欧莱雅：含法国孚日山SPA矿泉水，锁住水分。 四、目标群体定位 该定位直接以某类消费群体为诉求对象，突出产品专为该类消费群体服务，来获得目标消费群的认同。把品牌与消费者结合起来，有利于增进消费者的归属感，使其产生“这个品牌是为我量身定做”的感觉。如金利来的“男人的世界”、万宝路香烟的“万宝路的男人”、哈斯维衬衫的“穿哈斯维的男人”、美国征兵署的“成为一个全材”的定位。 五、市场空白点定位 市场空白点定位是指企业通过细分市场战略市场上未被人重视或者竞争对手还未来得及占领的细分市场，推出能有效满足这一细分市场需求的产品或者服务。如西安杨森的“采乐去头屑特效药”的定位和可口可乐公司果汁品牌“酷儿”的定位。 六、类别定位 该定位就是与某些知名而又属司空见惯类型的产品作出明显的区别，把自己的品牌定位于竞争对手的对立面，这种定位也可称为与竞争者划定界线的定位，这以七喜的“七喜，非可乐”为代表。 七、档次定位 按照品牌在消费者心中的价值高低可将品牌分出不同的档次，如高档、中档和低档，不同档次的品牌带给消费者不同的心理感受和情感体验，常见的是奢侈品牌的定位策略，如劳力士的“劳力士从未改变世界，只是把那留给戴它的人”、江诗丹顿的“你可以轻易的拥有时间，但无法轻易的拥有江诗丹顿”和派克的“总统用的是派克”的定位。您正在阅读的文章来源于品牌几何 八、质量/价格定位 即结合对照质量和价格来定位，质量和价格通常是消费者最关注的要素，而且往往是相互结合起来综合考虑的，但不同的消费者侧重点不同，如某选购品的目标市场是中等收入的理智型的购买者，则可定位为“物有所值”的产品，作为与“高质高价”或“物美价廉”相对立的
人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 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 I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：
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=1 3 (R+G+B),(1) S=1- 3 R+G+B (RGB)min,(2) H= 若B G, 2 - 若B>G. (3) 其中: =arccos 1 2 [(R-G)+(R-B)] [(R-G)2+(R-B)(G-B)] 1 2 ;(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.
三个方面的缺点： 1.识别精度低 2.自然性、不易察觉以及非接触性也致使人脸识别技术在一些特定领域面临环境复杂性。 便于收集的好处也带来了图像清晰度不高，角度不好等问题 3.人脸识别不只是隐私问题信息泄露面临更大安全隐患 人脸识别的一个缺点也在于信息的可靠性及稳定性较弱。 人脸所蕴含的信息量较指纹、虹膜等生物特征相比是比较少的，其变化的复杂性不够。例如，若要两个人的指纹或者虹膜基本相同，大概需要好几十乃至上百个比特(信息量的度量单位)达到完全重合才可以。但如果是人脸的话，十几个比特达到重合就可以了。在全世界，可以找到很多具有相似性的面孔。所以说，人脸的辨别性不是很高，它并没有那么独一无二。 另外，人自身内在的变化以及外在环境的变化都会影响采集时人脸的信息稳定度。相较于之前的人脸识别技术，目前的人脸识别技术有所提高，但是具体应用时还是不能达到完美状态，如今，保守估计，人脸识别技术准确率能达到99%，但没有达到100%。同时，对于双胞胎，由于相似特征太多，人脸识别基本不可能完成。比如在ATM机上使用人脸识别技术，是在使用密码信息的基础上辅助的认证功能。如果脱离了密码输入，完全使用人脸识别技术进行存取款操作，是不太可能的。 例如，2018年7月，美国公民自由联盟（ACLU）对美国国会议员的照片应用了亚马逊算法，该算法确定其中28人是因犯罪而被捕的人。 如果说双胞胎根本不应该用此技术来进行分辨的情况下，如何解决整容带来的无法辨别的问题？在如今整容手段如此先进的情况下？ 其一，应用“人脸识别”技术的视频采集机器设备愈来愈普及化，会否对大家的人身自由权与隐私权产生威协，这个问题如何解决？其二，人工智能的市场应用，会否产生新的岐视与不公平，并对人们具有的社会道德纪律产生挑战？ 例如：一些商业算法在识别肤色较深的人员和女性方面不如识别肤色较浅的男人准确。
品牌定位的十五种方法集团标准化工作小组 [Q8QX9QT-X8QQB8Q8-NQ8QJ8-M8QMN]
品牌定位的十五种方法 在产品高度同质化的时代，必须为企业的品牌在消费者的心目中占据一个独特而有利的位置，当消费者对该类产品或服务有所需求时，企业的品牌能够在消费者的候选品牌类中跳跃出来。 一、比附定位法 比附定位就是攀附名牌，比拟名牌来给自己的产品定位，希望借助知名品牌的光辉来提升本品牌的形象。比附定位通常采用一下三种方式来实施： 1、“老二主义” ，就是明确承认市场的第一品牌，自己只是第二。这种策略会使人们对公司产生一种谦虚诚恳的印象，相信公司所说是真实可靠的，这样较容易使消费者记住这个通常难以进入人们心智的序位。老二主义最着名的例子就是美国阿维斯出租汽车公司“我们是老二，我们要进一步努力”的定位。 2.攀龙附凤：首先是承认市场中已卓有成就的品牌，本品牌虽自愧弗如，但在某地区或在某一方面还可与这些最受消费者欢迎和信赖的品牌并驾齐驱，平分秋色。这以内蒙古的宁城老窖的“宁城老窑——塞外茅台”定位为代表。 3、高级俱乐部策略：公司如果不能取得本市场第一地位又无法攀附第二名，便退而采用此策略，希望借助群体的声望和模糊数学的手法，打出人会限制严格的俱乐部式的高级团体牌子，强调自己是这一高级群体的一员，从而借助俱乐部其他市场领先品牌的光辉形象来抬高自己的地位形象。这以美国克莱斯勒汽车公司的“美国三大汽车之一”，的定位为代表，这种定位使消费者感到克莱斯勒和第一、第二的 GE、福特一样都是最好的汽车生产商。 二、利益定位 利益定位就是根据产品或者所能为消费者提供的利益、解决问题的程度来定位。进行利益定位时，向目标消费者传达单一的利益还是多重利益并没有绝对的定论。但由于消费者能记住的信息是有限的，往往只对某一强烈诉求，容易产生较深的印象，因此，再一个诉求中最好只像消费者传达一个利益点。这以宝洁的飘柔定位于“柔顺”；海飞丝定位于“去头屑”；潘婷是定位于“护发”为代表。丝宝针锋相对所推出的“ 舒蕾”、“顺爽”和“风影”再市场上也取得了巨大得成功。
毕业论文声明 本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此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文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。 学位论文作者（签名）： 年月
关于毕业论文使用授权的声明 本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者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学校有关数据 库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 论文作者签名：日期： 指导教师签名：日期：
基于肤色分割和匹配的人脸识别 1．将RGB空间转换为YCbCr空间： 为了把人脸区域从非人脸区域分割出来，需要使用适合不同肤色和不同光照条件的可 靠的肤色模型。 常用的RGB 表示方法不适合于皮肤模型，在RGB 空间，三基色（r、g、b）不仅代表颜色，还表示了亮度。由于周围环境光照的改变，亮度可能使人脸的检测变得更加复杂， 在皮肤的分割过程中是不可靠的。为利用肤色在色度空间的聚类性，需要把颜色表达式中 的色度信息与亮度信息分开，将R、G、B 转换为色度与亮度分开的色彩表达空间可以达 到这个目的。颜色空间的转换常用的颜色模型主要有：YCrCb、HSV、YIQ等。在本文的实验中选用YCrCb 空间作为肤色分布统计的映射空间，该空间的优点是受亮度变化的影 响较小，而且是两维独立分布，能较好地限制肤色分布区域。 使用函数为：YCBCR = rgb2ycbcr(RGB); 2．将彩色图像转换为灰度图像，实验证明，不同的肤色具有相同的2D模型 G(m,V^2)。灰度值对应属于皮肤区域的可能性，同过设定门限，就可以转换为二值图 像，1,0分别表示皮肤和非皮肤区域。 皮肤颜色在ycbcr色度空间的分布范围为:100<=cb<=127,138<=cr<=170，可以将彩色图像转换为二值图像： f_cb=f(:,:,2); f_cr=f(:,:,3); f = (f_cb>=100) & (f_cb<=127) & (f_cr>=138) &(f_cr<=170) ; figure; imshow(f);
3．转换后不可避免出现了噪声，有背景的噪声影响，以及人的衣服和裤子引起的噪声点，使用开闭运算的方法消除噪声： se=strel('square',3); f=imopen(f,se); f=imclose(f,se); figure(2),imshow(f);
术技测检色肤脸人精品文档 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。 收集于网络，如有侵权请联系管理员删除． 精品文档 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 收集于网络，如有侵权请联系管理员删除． 精品文档 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。通过计算图像中每个像素与肤色模型的相似度，生成一副类肤色灰度图像。 基于肤色的人脸检测与识别方法的研究 肤色检测技术
人脸识别技术是生物识别技术的一种，它结合了图像处理、计算机图形学、模式识别、可视化技术、人体生理学、认知科学和心理学等多个研究领域。从二十世纪六十年代末至今，人脸识别算法技术的发展共经历了如下四个阶段： 1. 基于简单背景的人脸识别 这是人脸识别研究的初级阶段。通常利用人脸器官的局部特征来描述人脸。但由于人脸器官没有显著的边缘且易受到表情的影响，因此它仅限于正面人脸（变形较小）的识别。 2. 基于多姿态/表情的人脸识别 这是人脸识别研究的发展阶段。探索能够在一定程度上适应人脸的姿态和表情变化的识别方法，以满足人脸识别技术在实际应用中的客观需求。 3. 动态跟踪人脸识别 这是人脸识别研究的实用化阶段。通过采集视频序列来获得比静态图像更丰富的信息，达到较好的识别效果，同时适应更广阔的应用需求。 4. 三维人脸识别 为了获得更多的特征信息，直接利用二维人脸图像合成三维人脸模型进行识别，即将成为该领域的一个主要研究方向。 人脸识别技术的研究范围主要包括以下几个方面： 1. 人脸检测：在输入的图像中寻找人脸区域。 2. 人脸的规范化：校正人脸在尺度、光照和旋转等方面的变化。 3. 特征提取：从人脸图像中映射提取一组能反映人脸特征的数值表示样本。 4. 特征匹配：将待识别人脸与数据库中的已知人脸比较，得出相关信息。 人脸识别流程 1图像预处理 1.1 图像去噪 一般来说，自然界中的噪声可以看成是一种随机信号。根据图像获取的途径人脸图像获取 人脸检测 定位人脸区域 预处理 特征抽取 人脸特征 对比识别 结果 人脸特征库
不同，噪声的融入也有多种方式： 1. 图像是直接以数字形式获取的，那么图像数据的获取机制会不可避免地 引入噪声信号； 2. 在图像采集过程中，物体和采集装置的相对运动。或采集装置的抖动， 也会引入噪声，使图像变的模糊不清； 3. 在图像数据的电子传输过程中，也不同程度的引入噪声信号。 这些噪声信号的存在，严重的情况会直接导致整幅图像的不清晰，图象中的景物和背景的混乱。对于用于人脸识别的图像。由于噪声的引入，将不可避免地造成识别率的下降。对图像噪声的消除可以通过两个途径：空间域滤波或频率域滤波。消除噪声的方法很多，对于不同的噪声应该采用不同的除噪方法。主要的方法是：线性滤波、中值滤波、维纳滤波以及小波去噪等。 1.2 增强对比度 为了使人脸在图像中更为突出以便于下一步的特征提取，增强图像对比度是很有必要的。增强对比度有很多种方法，常见的有直方图均衡化和“S ”形变换等方法。 “S ”形变换方法将灰度值处于某一范围（人脸特征范围）内的像素灰度分布差距拉开，从而保证了对比度的提高，但此方法降低了其他灰度值的对比度。而直方图均衡化则是将像素的灰度分布尽量展开在所有可能的灰度取值上，这样的方法同样能使得图像的对比度提高。 将彩色图像转化成灰度图像是人脸识别方法中常见的处理过程，虽然转化过程丢失了一部分色彩信息，但是灰度图像拥有更小的存储空间和更快的计算速度。文献[1]给出了一种能够将RGB 色彩转换成灰度级且适于突出人脸区域对比度的转换模型：()5.0144.0587.0299.0,+?+?+?=b g r y x f ；其中f 代表灰度值，r ,g ,b 分别表示Red,Green,Blue 分量的值。 文献[2]通过将人脸彩色图像从RGB 色彩空间转换到RIQ 色彩空间，得到了更适于频谱分析的特征分量。
品牌定位策略 品牌定位是对细分市场的产品或服务在目标顾客的脑海里确定一个合理的位置。定位的基本原则不是去创造某种新奇的或与众不同的东西，而是去操纵人们心中原本的想法，去打开联想之结。 品牌定位的目的就是将产品或服务转化为品牌，为品牌确定一个适当的市场位置，反映品牌在顾客头脑中形成具体而确切的含义，使产品或服务在顾客的心智中占领一个独特的地位。 品牌定位能够使企业与顾客建立长期稳定的关系，为企业产品或服务的开发和营销活动指引方向。 品牌定位需要有三个原则：一是鲜明性，表明产品特色或服务属性；二是延展性，预埋产品或服务的扩张策略，满足不同顾客需求；三是独特性，区别于竞争对手。 品牌定位的二十一种方法介绍： 1.抢先定位。 指发现顾客心智中有一个富有价值的阶梯或位置无人占据，企业就要第一个全力去占据它。 如摄影的“柯达”(Kodak)、复印的“施乐”(Xerox)、租车行业的“赫兹”(Hertz)、可乐中的“可口可乐”(Cocacola)、电器中的“通用”(General Electric)、轮胎中的“固特异”(Goodyear)、电脑中的IBM、快餐中的“麦当劳”(McDonald's)等。 早在1992年的时候，高露洁发现中国市场的众多牙膏品牌诉求的是清新口气、洁白牙齿、消炎止痛等等，而对牙膏类别中最大的心智资源“防止蛀牙”却没有一个品牌全神贯注去抢占。 高露洁根据美国牙膏市场的经验知道，随着生活水平的提高，顾客必然对防止蛀牙的关注会越来越强，于是迅速进入中国市场，开始了十多年来单一而集中的诉求：防止蛀牙。今天，我们一想到防蛀牙膏就能迅速想到高露洁。 2.功能定位。 顾客购买产品主要是为了获得产品的使用价值，希望产品具有所期望的功能
8种不同的品牌定位方式 品牌定位是品牌推广的关键，也是第一步，如果不能找准自己品牌的定位，那么就会使很多推广的努力大打折扣，或者偏离方向。品牌定位就是给品牌找一个位置，主要是指品牌给消费者的一种感觉，是消费者感受到的一种结果，比如品牌的档次、特征、个性、目标人群等。接下来，品牌的诉求、品牌广告创意、产品色彩和包装、市场生动化展示、推广策略都要与品牌的定位相一致，这样才能凸现品牌的张力。品牌的定位有很多种方式，在这里我们列举8种不同的品牌定位方式。 1．产品特点为导向。 品牌的定位根据产品和服务的特点来设计，广告创意、诉求和表现方式都要围绕品牌的定位。品牌的定位要注意差异性，尤其对于成熟期的市场。 比如现在市场上的洗发水品牌，洗发水本身是感性加理性的产品，但更趋感性，目前市场上产品的种类繁多，比如飘柔、海飞丝、潘婷、力士、名人、奥妮，每种产品都有自己的品牌定位，基本都是以产品特点为导向的。以产品特点为导向进行品牌定位时，要注意产品特点与品牌的关系，既要使品牌定位与产品特点相关联，又要使品牌定位具有差异性。比如现在市场上洗发水有很多不同的产品，产品上市时都要选择一个特点或者是突破点，但是别人用过的概念你不能再重复，否则是替别的品牌做宣传，因为消费者已经被那个品牌教育过，已经认同那个品牌概念，比如宝洁公司的“海飞丝”,大家都知道它的品牌定位是“去头屑，使你更洒脱，更酷”，而最近西安杨森出了一个洗发水产品“采乐”，它的产品特点也是“去头屑”，但是它在进行品牌塑造时，突出了自己企业的特点——制药企业，突出自己的专业性和优秀品质，品牌诉求为“采乐去屑，针对根本”，把自己定位为一个专家，给消费者一种专业的气质与形象，这就与“海飞丝”的品牌定位有了差异性，从而避免了与“海飞丝”的正面竞争。 我们再看一个用产品特点为导向进行品牌定位的成功案例。大宝公司的营销能力不是很突出，公司实力也不是很强，但它在化妆品市场上却一直长盛不衰，为什么呢？因为没有人跟他竞争，大宝最早推出的产品是sod蜜，瞄准的是工薪层市场，工薪层的需求特点是经济实惠，因此大宝的产品上以独特的产品特点“吸收特别快，适合普通人的大宝”牢牢占住了工薪阶层这个市场。化妆品市场的特点是成本很低，进入壁垒也比较低，没有产品和品牌概念很难生存下来。 2．因果关系为导向的定位。 现在市场上有很多减肥产品，包括药品、保健品和减肥器材，广告非常多，他给消费者带来的是一种结果感受，告诉消费者吃了这个产品这个会变成什么，产品有什么特点，而且有些广告还采用证言式，找一些服用者做对比，服用前和服用后有什么不一样，厂家想做的就是告诉消费者这种品牌能够给你带来什么样的结果，这种品牌给你带来的直接好处是什么，谈的很具体。 3．目标市场为导向的定位。 目标市场为导向的定位瞄准的是消费者，首先必须了解消费者希望得到什么样的利益和结果，然后是公司能够创造和提供什么产品和利益。比如，海尔刚推出自己的手机时，她们希望能体现出海尔国际化品牌的定位，然后找了很多公司帮他做创意，最后是这样一个诉求，“听世界、打天下!”因为手机本身在品质上的差距很小，关键是给消费者的感觉，海尔手机瞄准的是都市里一大批正在奋斗的年轻人，而这些人都满腹豪情，希望自己能打出一片属于自己的天空。因此，综合消费者和品牌特点，笔者认为品牌诉求应表述为“听世界、打天下”，既要传达企业大气的感觉，又考虑到目标市场的需求。 4．以竞争为导向的定位。
doi：10.3969/j.issn.1671-1122.2012.07.018 基于肤色特征的人脸检测技术研究 商喜喜1,2，修春波1,2 （1. 天津工业大学电气工程与自动化学院，天津 300387； 2. 天津工业大学电工电能新技术天津市重点实验室，天津 300387） 摘 要：文章提出一种多人脸图像中人脸检测与定位方法，将图像从RGB色彩空间转换到YCrCb 色彩空间中，根据肤色点在CrCb空间中的分布情况进行肤色点检测，并滤除肤色检测后的孤立噪声， 利用势函数方法获得人脸候选区域。然后，根据人脸的结构特征对候选区域进行人脸区域的判别和定位， 最终实现图像中多人脸的检测功能，并通过仿真实验证明了该方法的有效性。 关键词：人脸检测；肤色；势函数；色彩空间 中图分类号：TP393.08 文献标识码：A 文章编号：1671-1122（2012）07-0064-02 Face Detection based on Skin Color SHANG Xi-xi1,2, XIU Chun-bo1,2 ( 1. School of Electrical Engineering and Automation, Tianjin Polytechnic University, Tianjin 300387, China; 2. Key Laboratory of Advanced Electrical Engineering and Energy Technology, Tianjin Polytechnic University, Tianjin 300387, China ) Abstract: A face detection and location method is proposed to ? nd multiple faces in a image. The image is change from RGB color space to YCrCb color space. The skin pixels can be detected according to their distribution in YCrCb color space. And isolated noise point can be ? ltered. The possible face areas can be determined by the potential function method. The face areas can be determined according to the face structural characteristic from the possible face areas. Thus, multiple faces detection can be realized. Simulation results prove it’s valid. Key words: face detection; skin color; potential function; color space 0 引言 人脸检测是模式识别与机器视觉领域的重要研究内容之一[1-3]，是实现人脸自动识别的第一步，在人脸识别、视频会议、智能监控系统以及人机交互和医疗诊断等领域具有重要的应用价值[4-7]。目前，人脸检测的常用方法有基于特征的方法、基于统计的方法、基于知识的方法以及基于模板匹配的人脸检测方法等[8-11]。基于知识的检测方法通常具有较快的检测速度，但不适用于多姿态的人脸检测。基于模板的人脸检测方法稳定性较高，检测结果具有良好的鲁棒性，但计算量较大，检测速度不高。基于特征的方法是在检测区中需找人脸特征，以此来确定人脸的位置，这种方法可处理较大尺度和视角变化的人脸检测问题。但由于光照和噪声的影响，很难存在相对稳定的特征，从而影响了该类方法的应用效果。基于统计的方法通常具有较大的计算量，而且在样本采集以及训练过程中都存在着一定的困难，因此限制了这类方法的使用范围。 本文结合势函数模式识别方法以及肤色检测方法，提出一种新的人脸检测方法，能够较快、较准确地完成多图像的人脸检测功能。 1 肤色检测 首先在给定图像中进行肤色检测。RGB色彩空间是最常见的颜色空间。在RGB空间中，色度信息和亮度信息是混合在一起的，不适合于肤色模型。为了增强肤色分割对光照条件变化的鲁棒性，采用亮度信息和色彩信息相分离的YCrCb色彩空间，利用色度和饱和度信息进行判别。RGB空间到YCrCb色彩空间的转换矩阵为： (1) 收稿时间：2012-05-13 基金项目：天津市自然科学基金资助项目[10JCYBJC07500] 作者简介：商喜喜（1978-），男，河北，硕士研究生，主要研究方向：人脸识别；修春波（1978-），男，黑龙江，副教授，博士，主要研究方向：目标识别与跟踪设计。
1、基于竞争角度的定位方法 （1）首席”或“第一”定位。日常生活中，人们对“第一”印象最深刻，往往记不起“第二”、“第三”是谁，比如体育比赛的冠军大家都知道，但亚军、季军却很少有人去关注。市场营销中也是如此。因此，对于实力强大的公司或者开创性的公司，采用这种定位方法最有效。首席定位强调自己在市场上的领先地位，常见的广告宣传口号有“第一家”、“全球最大的”、“最早的”、“市场占有率第一”等，比如，美国百威啤酒就号称“全世界最大、最有名的美国啤酒”。 （2）比附定位。就是攀附名牌来给自己的品牌进行定位，希望借助名牌的光环来提升本品牌的市场地位。比如“第二主义”定位，不否认市场的第一品牌，认为自己只能算“第二”，给消费者一种谦虚诚恳的印象，这样，可以蹭“第一”品牌的光，进入消费者心智。比如美国阿维斯出租汽车公司就以“我们是第二，但我们更努力”进行定位。再如，攀龙附凤定位法，也是承认自己的品牌不如那些市场中的卓越品牌，但自己在某地区或在某一方面类似这些卓越品牌，比如内蒙古的宁城老窖就以“宁城老窑———塞外茅台”来定位自己。（3）比较定位。设法找出竞争对手的缺点或弱点，通过与竞争对手的对比来明确自己的定位。比如，泰诺的广告词：“为了千千万万不宜使用阿司匹林的人们，请大家选用泰诺”，通过对比，占据了“不宜使用阿司匹林”的消费者市场。 （4）空档定位。企业通过细分市场寻找被许多消费者所重视但又尚未被竞争对手开发占领的市场空间，推出能有效满足这个空档市场需求的产品或服务。比如，可口可乐公司推出果汁品牌“酷儿”，就是针对儿童饮料市场缺乏领导品牌这一市场空档。 2、基于产品角度的定位方法 （1）产品功能定位。消费者要购买某一品牌的产品，主要是因为它具有某种功能，能够满足消费者的某种需求。如果本品牌的产品具有某种特别的功能，是其他品牌的产品所做
浅谈人脸识别技术的现状与发展 宋磊卞迪白杰文范益彪李主南 摘要 人脸识别技术以其独特性、直接性、方便性等特点，在涉及身份特征识别的领域里被广为应用。本文主要介绍人脸识别技术（FRT）的研究内容、研究背景价值及研究现状。通过分析当前人脸识别技术的现状，总结了人脸识别的应用前景，提出了人脸识别技术的未来发展要求。 关键词：人脸识别，研究现状，发展趋势 Abstract Face Recognition Technology,characterized by its uniqueness,direct and convenience,is widely used in the identification of identity.This paper mainly introduces the research content,study background value,and research status of the Face Recognition Technology.Through the analysis of the present situation of Face Recognition Technology,the application prospect of Face Recognition is summarized and the future development of Face Recognition Technology is proposed. Key words: Face Recognition，Research status，Developing trend 引言 随着现代信息技术的快速发展，进行身份认证的技术转到了生物特征层面。现代生物识别技术主要是通过计算机与高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。其中人脸识别是指人的面部五官以及轮廓的分布，这些分布特征因人而异，与生俱来。 人脸是一个包含着丰富信息的模式的集合，是人类互相辩证和识别的主要标志之一，也是图像和视频中视觉感兴趣的对象之一。与指纹、虹膜、语音等其他人体生物特征相比，人脸识别更加直接、友好，无需干扰人们的正常行为就能较好地达到识别效果。在身份识别、访问控制、视频会议、档案管理、电子相册、基于对象的图像和视频检索等方面有着广泛的应用，是当前模式识别和人工智能领域的一个研究热点。由于采用人脸识别技术的设备可以随意安放，设备的安放隐蔽性非常好，能远距离非接触快速锁定目标识别对象，因此人脸识别技术被国外广泛应用到公众安防系统中，应用规模庞大。人脸识别技术的研究肇始于20
人脸识别几种解决方案的对比_人脸识别技术原理介绍 人脸识别概要人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别特点非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有强制性； 非接触性：用户不需要和设备直接接触就能获取人脸图像； 并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别； 除此之外，还符合视觉特性：以貌识人的特性，以及操作简单、结果直观、隐蔽性好等特点。 人脸识别技术原理分析人脸识别主要分为人脸检测（face detecTIon）、特征提取（feature extracTIon）和人脸识别（face recogniTIon）三个过程。 人脸检测：人脸检测是指从输入图像中检测并提取人脸图像，通常采用haar特征和Adaboost算法训练级联分类器对图像中的每一块进行分类。如果某一矩形区域通过了级联分类器，则被判别为人脸图像。 特征提取：特征提取是指通过一些数字来表征人脸信息，这些数字就是我们要提取的特征。常见的人脸特征分为两类，一类是几何特征，另一类是表征特征。几何特征是指眼睛、鼻子和嘴等面部特征之间的几何关系，如距离、面积和角度等。由于算法利用了一些直观的特征，计算量小。 不过，由于其所需的特征点不能精确选择，限制了它的应用范围。另外，当光照变化、人脸有外物遮挡、面部表情变化时，特征变化较大。所以说，这类算法只适合于人脸图像的粗略识别，无法在实际中应用。 表征特征利用人脸图像的灰度信息，通过一些算法提取全局或局部特征。其中比较常用的特征提取算法是LBP算法。LBP方法首先将图像分成若干区域，在每个区域的像素640x960邻域中用中心值作阈值化，将结果看成是二进制数。
人脸识别技术的应用背景及研究现状 文件管理序列号：[K8UY-K9IO69-O6M243-OL889-F88688]
人脸识别技术的应用背景及研究现状1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面： （1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。
（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 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，着名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Compute r Interface Institute，Microsoft Research,英国的Department of Engine ering in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面： （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