度增加。该方法能够对过亮过暗以及中间区域的像素灰度值进行修正,为后续的肤色分割人脸检测奠定基础。关于补偿系数公式为其中，为亮度值排在前面的像素总数，为包含有这些像素的像素集合，为这些像素的亮度值。图像中余下像素的亮度值均与此补偿系数相除，再进行对比度的拉伸，使得剩余像素的色彩值都按照参考白的尺度统调整变换。对人脸肤色进行建模选择了色彩空间在研究中我们会发现，人和人的脸部肤色差别在于亮度值，而不是别的色度值。如果我们能够选取合适的色彩空间，完全分离并去除掉亮度因素，将肤色在单纯的色度范围内进行统计，那么肤色的分布将产生明显的聚类特性。以此为依据建立肤色模型，就能有效避免光照的可变性对肤色的影响，无论图像是在何种光照条件下获取的，我们都能依据肤色在纯色度范畴内的聚类特性进行准确的肤色分割和区域提取。在色彩空间变换中，肤色分布聚集在个较小的区域内，形成了明晰的聚类特性。肤色在空间下聚集得更紧密，聚类性更强。其优点是亮度和色度分离，这是不同于的典型特征。更重要的是，在数学上，可以直接通过线性变换从得到，这就大大提高了计算效率，而且不会产生奇异点。相比较之下，与之间的转换需要经过非线性变换，算法复杂费时，而且空间中存在有奇异点。所以，色彩空间在肤色建模方面比较实用。所以我们我们才选择了色彩空间进行肤色的建模。建立高斯模型西安电子科技大学本科毕业设计论文根据彩色图像像素属于肤色模型的可能性的大小，来表示灰度的大小，将幅彩色图像转变为灰度图像，灰度值对应于该点属于皮肤区域的可能性，根据肤色在色度空间的高斯分布，得到高斯分布的中心，然后根据图像所有像素离该中心点的远近计算肤色的相似度，得到肤色相似度灰度图。高斯模型不是般的二值肤色像素定位，而是通过计算像素的概率值构成连续的数据信息并得到个肤色概率图，根据数值大小来完成肤色的确认。它克服了几何模型的缺点，同时不必考虑神经网络模型中关于非肤色样本难以准确提取的问题。用以下二维高斯型函数来表达肤色分布,其中为样本像素在颜色空间的值，为肤色在颜色空间的样本均值，为肤色相似度模型的协方差矩阵。肤色区域的处理在人脸检测中，我们要图像处理，而人脸的肤色分割就是其中个必不可少的步骤。在本文中，我们选用图像阈值分割方法分割出肤色区域。阈值的选取很重要,过低会使肤色的数量增加,过高则会使过多的肤色点被误认为背景,二者都会影响后续检测的效果。因此,能够依据待检测图像本身自动优选阈值就显得非常重要和必要。经过分析比较,本文最终选用由提出的最大类间方差阈值分割算法,它是在最小二乘法原理基础上推导出来的，其基本思路是将直方图在阈值处理分割成两组，当被分成的两组的方差为最大时决定阈值。对于输入系统的图像，系统会依据肤色特征测算所有像素的肤色相似度，并建立相似度直方图，然后按照该算法计算出最佳阈值，进行图像的二值化，将肤色区域分割为白色，将非肤色区域分割为黑色。对图像进行形态学处理形态学图像处理的基本操作包括个方面即膨胀，腐蚀，开操作和闭操作，以得到干净整洁的肤色分割图。检测人脸区域的选定经过肤色分割和形态学处理之后，我们会得出原图像的二值化图像，其中白色区域就是肤色区域。这样我们就完成了对候选人脸区域的选定。程序部分代码如下西安电子科技大学本科毕业设计论文将空间转换为空间。将彩色图像转换为灰度图像，皮肤颜色在色度空间的分布范围为中值滤波和形态学操作使用中值滤波和开闭运算的方法消除噪声。,中值滤波，去除噪声对图像进行重构，即利用重构进行开运算，可准确恢复腐蚀后的对象形状。原彩色图像肤色分割后的图像形态学处理后的图像图肤色分割以及形态学处理效果图图是人脸图像经过肤色分割，再进行形态学处理的效果图。在图中，白色区域即为肤色区域，黑色区域即为非肤色部分。我们可以看出原图像中人体的肤色区域以及背景中的类肤色区域都被分割出来了，对图像进行肤色分割和形态学处理后，再根据模块匹配的原则,进行对人脸的检西安电子科技大学本科毕业设计论文测。其程序部分代码如下通过肤色分割排除非肤色区域，再结合人脸所在图像中的像素比排除非人脸的肤色区域，最后再通过算法检测实现人脸的准确标记。这种方法对张脸的检测效果还可以，但对多张脸的检测会有些误差，从总体上看，当然，这种方法还是有很多缺陷，比如当图像的背景比较复杂或者人脸有肤色的情况下，检测效果就不理想，检测率只能达到。这也是以后的研究中需要改进的地方。通过对上述检测，然后再把检测后的图像转化为视频播放，基本上实现了基于视频的人脸检测的功能，虽然方法没有什么较大的，但在技术上有待加强。西安电子科技大学本科毕业设计论文结论在大量阅读有关人脸检测的论文和书籍的基础上，实现了人脸检测系统。本文系统地阐述了该系统基本上实现基于视频的人脸检测。首先先提取视频文件的帧，然后再对其进行图像检测，再还原成视频。而在图像检测中，我们解决了如何将肤色信息应用到人脸检测中去。提出了将肤色检测作为人脸检测的方案，提高了人脸检测的正确率，降低了漏检率率。本文主要设计工作如下提取视频文件的帧，对图像进行基于肤色特征的人脸检测将检测后的图像还原视频，并播放。总体来说，由于本文中人脸检测出现误检的情况，以下几个方面需要继续研究和改善运用自适应光照补偿方法，对图像进行更好的光照补偿，以便后续处理。运用自适应肤色分割方法以便更好的分割出肤色区域提高检测人脸的准度。针对背景复杂及有遮挡的人脸提出更好的检测方法西安电子科技大学本科毕业设计论文致谢在论文即将完成之际，也预示着我大学生涯告段落，首先我要感谢帮助过我的老师同学和朋友们，感谢你们陪我度过这难忘的历程。首先我要感谢是的蒋中正老师，他那的治学态度脚踏实地的工作态度乐观求实的生活态度宽容随和的待人风格和忘我的奉献精神，感染了我，同时也感动了我，从论文的选题，到最后的定稿都离不开你精心的指导。感谢所有我们系院的的老师们，感谢他们在这段毕设时间对我的指导和关怀。感谢电信班的同学对我学习上给予和帮助。感谢我的父母和所有亲朋好友对我学习和生活上给给予帮助感谢所有帮助和支持过我的人，祝你们万事如意西安电子科技大学本科毕业设计论文参考文献精通版张志涌等编著北京航空航天大学出版社与外部接口苏金明等编著电子工业出版社蒋贵生等人脸检测技术研究电子学报梁路宏，艾海舟，肖习攀，等基于模板匹配与支持矢量机的人脸检测计算机学报,,姜军,张桂林种基于知识的快速人脸检测方法中国图象图形学报叶艳芳等，种基于肤色和模板匹配的人脸检测方法，重庆工学院学报曾宪贵等，基于颜色和模板匹配的人脸检测，计算机工程与设计西安电子科技大学本科毕业设计论文附录肤色分割代码在色彩空间中分割肤色区域,,西安电子科技大学本科毕业设计论文,检测的效果图如下西安电子科技大学本科毕业设计论文图为人脸检测后的张图像图像向视频文件的转换前面我们已经对图像运用肤色特征的方法进行了人脸检测，得到了张张检测了图像，那接下来，我们就要对图像向视频文件的转换，以完成视频的最终处理，然后播放出来。视频是由连续帧组成。可以编写个简单的函数,将多帧的格式的静止图像自动地转化为文件。函数的代码如下。,参数说明文件的共同的文件名待转换的文件名中的起始编号待转换的文件名中的终止编号