基于人脸识别的课堂考勤系统设计与实现.docx

《基于人脸识别的课堂考勤系统设计与实现.docx》由会员分享，可在线阅读，更多相关《基于人脸识别的课堂考勤系统设计与实现.docx（68页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、摘要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

2、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

3、/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VIAbstractThe classroom is the main place for student

4、 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

5、a good class style for enhancing studentsorganization 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 attenda

6、nce 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

7、problem in school attendance management work, and provide scientific basis for implementing the schools 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 imp

8、rove 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

9、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 re

10、cognition 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 chec

11、king 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

12、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 a

13、ttendance system provides a scientific reliable means for classroom attendance management. It can improve efficiency of teachers teaching and students study, and ensure the teaching effect and quality.Keywords: Classroom Attendance, Face Recognition, Sparse Representation, Neural Network目 录摘要IAbstra

14、ctII目 录IV第 1 章 绪 论11.1 选题背景与研究意义11.2 基于人脸识别的考勤系统国内外研究现状11.2.1 人脸识别技术国内外研究现状21.2.2 考勤管理系统国内外研究现状31.3 本论文研究目的41.4 论文研究思路和内容安排51.5 小结6第 2 章 人脸识别基本理论72.1 人脸识别基本原理72.2 人脸基本特征82.2.1 人脸肤色特征82.2.2 人脸灰度特征102.3 人脸检测方法112.3.1 基于特征的人脸检测112.3.2 基于模板匹配的人脸检测122.3.3 基于统计学习的人脸检测122.4 人脸识别主要方法概述122.4.1 基于几何特征的人脸识别132

15、.4.2 基于子空间分析的人脸识别132.4.3 基于模板匹配的人脸识别142.4.4 基于神经网络的人脸识别152.4.5 基于 Adaboost 的人脸识别算法152.5 人脸图像处理技术162.5.1 灰度化162.5.2 图像去噪处理172.5.3 二值化182.5.4 形态学处理182.5.5 图像旋转192.5.6 图像缩放202.6 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223.1 压缩感知理论223.1.1 信号的稀疏表示233.1.2 信号的观测矩阵233.1.3 信号的重构算法243.2 小波变换原理253.3 基于BP 神经网络人脸识别263.3.1

16、 人工神经网络263.3.2 人脸识别BP 神经网络模型设计263.3.3 改进BP 神经网络模型283.3.4 基于BP 神经网络的人脸识别流程设计293.4 基于稀疏表示和神经网络的人脸识别算法原理293.4.1 基于稀疏表示和神经网络的人脸识别算法流程293.4.2 基于小波变换的人脸稀疏表示实验303.4.3 人脸识别实验及结果313.5 小结32第 4 章 课堂考勤系统需求分析及其结构设计334.1 系统需求分析334.1.1 学生课堂考勤系统主要特点334.1.2 系统设计目标及原则344.2 系统功能模块344.2.1 系统功能模块分析344.2.2 系统工作流程364.2.3

17、系统体系结构设计364.3 系统结构设计384.3.1 基于摄像头的人脸图像采集系统384.3.2 摄像头实时图像人脸检测流程394.3.3 人脸识别模块设计404.3.4 学生考勤信息管理模块设计404.4 数据库设计414.4.1 数据库设计目标414.4.2 数据库设计原则414.4.3 概念设计414.4.4 主要数据表结构434.5 小结44第 5 章 基于人脸识别的课堂考勤系统开发与实现465.1 开发工具及开发环境简介465.1.1 MFC465.1.2 ASP.NET465.1.3 开发环境475.2 人脸图像采集模块开发与实现475.2.1 摄像头获取人脸图像功能实现475.

18、2.2 捕捉功能和显示图像功能实现485.2.3 人脸图像采集实现485.3 人脸识别模块开发与实现495.3.1 人脸定位模块开发495.3.2 人脸识别模块开发与实现505.4 课堂考勤信息管理模块开发与实现525.4.1 考勤查询管理545.4.2 考勤录入管理555.4.3 角色信息管理565.4.4 学生信息管理565.4.5 院系班级信息管理575.5 小结57第 6 章 总结与展望586.1 总结586.2 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桂林理工大学硕士学位论文第 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

19、，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。课堂是学生学习的主要场所，也是教师提高教学质量的主要载体。系统科学的上课制度，是学校教学计划有效实施和成功执行的重要条件。教室作为管理育人平台，课堂上课的到课率，反映了教学质量和学生学习风气。有效的课堂考勤手段与措施，是建立一个良好的学习环境、班学风和学风，增强学生的组织性和纪律性的必要条件；建立良好的课堂考勤方式，可以确保形成稳定的教学秩序， 有利于提高教学质量和学生学习效果1,2。为了规范学生的出勤，在课堂管理上，几乎所有学校都将课堂考勤管理作为教学工作的一个重要组成部分。目前，绝大多数的课堂考勤，一般使用以下

20、一些方法3-5；严格执行学生上课请假制度，明确审批权限和程序。如果有特殊情况（如因病住院等）必须办理相关的请假手续，比如要求要有领导或辅导员批复的请假条，并注明请假事由。课堂点名考勤，在上课开始或结束时，通过实行教师或学生干部课堂点名考勤， 同时制定应的惩罚措施，最大限度地激励学生到课堂学习。由学校或系、院，班级成立学生上课督查管理小组，由教师或学生干部对课堂考勤情况进行不定时、不定点的检查。然而，由于现在大学生使用现代通讯设备的普及，现行的考勤机制和考勤手续，慢慢反映出了它的弊端。学生办理请假手续时，采用欺骗手段、弄虚作假、找人代签名等方式，办理假的请假手续。此外，频繁的课堂点名考勤非常耽误

21、教学时间，容易打乱正常的课堂秩序。因此，研究建立一个功能完备的、运行有效的课堂考勤管理系统具有重要的实际意义。利用现代计算机技术，研究一种基于计算机的自动课堂考勤系统，不仅能够简化考勤管理工作，提高教师的教学效率，而且能够使课堂考勤管理工作更加科学、智能，数据更加真实可靠，还可以实现数据的长期保存与统计。1.2 基于人脸识别的考勤系统国内外研究现状611.2.1 人脸识别技术国内外研究现状（1） 国内对人脸识别研究从 20 世纪 80 年代开始，国内许多大学和研究所对人脸自动识别展开了非常深入的研究，主要研究单位有清华大学、湖南大学、西安电子科技大学、深圳大学，哈尔滨工业大学、重庆大学、中国科

22、学院自动化研究所等，取得了丰富的研究成果6-8。例如， 四川大学的周激流教授课题组研究一种具有反馈机制的人脸正面识别系统，提出了一种采用加权判别局部多线性嵌入的算法，通过设计一种自适应加权的判别准则，采用高斯基函数作为加权函数，得到比较满意的效果 9。南京理工大学杨静宇教授，研究采用Daubechies 正交小波变换，然后利用奇异值分解方法对人脸进行识别 10。文献11通过简化贝叶斯分类中计算相似度的公式，研究基于 Gabor 特征的快速贝叶斯人脸识别方法，采用 2DPCA 方法建立特征子空间，对差异图像进行小波分解，提取低频子图信息投影到类内特征子空间，利用简化的贝叶斯准则进行分类。实验结果

23、表明，此方法可以提高人脸的识别率。同时，在光照和表情发生变化时也具有较好的识别效果。文献12 提出一种基于统计学习的局部匹配人脸识别方法。该方法的基本原理是：从人类认知方式出发，将采集到的人脸图像划分成包含不同人脸形状特征的若干小块，并组成弱分类器，再把弱分类器组成一个强分类器，实现人脸识别操作。实验结果表明该方法不仅识别率高，还对人脸的表情和光照的改变具有较好的鲁棒性。文献13中通过利用子图分割的奇异值分解算法提取特征，提出了一种基于模糊神经推理的人脸识别算法，并通过实验验证了算法的有效性。文献14作者提出了一种基于少量特征点的多模态人脸识别方法，采用局部特征分析（Local Feature

24、 Analysis，LFA）实现了特征点“局部”与“全局”信息的融合。研究结果表明，此方法在 WHU-3D 小规模人脸数据库上取得了 98.06% 的识别率。同时，对人脸图像的姿态和光照变化也具有理想的鲁棒性。（2） 国外对人脸识别研究国外对人脸识别方法的研究中，美国 MIT 最早提出基于主成分分析（ Principle ComponentAnalysis, PCA）的特征脸方法15； Yale 大学由 Kriegman 领导的研究小组提出的 Fisherfaces 方法；密歇根州立大学（MSU）研究小组针对三维人脸识别技术展开了相关研究工作16；德国 Ruhr 大学的研究小组提出基于 Gab

25、or 变换弹性图匹配方法，此方法在表情变化时收到了较好识别效果 17。 此外还有，Georghiades 等人提出一种基于 Illumination Cones 模型的人脸识别方法，可以实现多姿态、多光照条件下的人脸识别。Blanz 和 Vetter 等提出基于 3D 变形人脸图像分析与识别方法18,19。2009 年 6 月，谷歌在其搜索引擎中增加了人脸识别搜索功能，并且谷歌在人脸识别上已拥有多项专利，但考虑到无节制开放人脸识别搜索可能会带来危险，曾一度延迟发布人脸搜索。随后，Facebook 也推出了人脸识别功能，苹果公司推出了具有人脸检测拍照功能的手机20在国际科研领域，世界很多知名的学

26、术期刊对人脸识别技术的研究进展进行了持续报道，例如： IEEE Trans. PAMI，IJCV，PR，PRL 等世界最著名期刊，每年均有大量人脸识别方法的新成果公布。而一些国际顶级会议，例如 CVPR，ICCV 等，每年都有关于人脸识别研究的专题研讨。1.2.2 考勤管理系统国内外研究现状在计算机技术快速发展和模式识别技术日益成熟的今天，考勤管理系统经历几个发展时期，我们大致可以把考勤管理系统的发展过程分为以下几个阶段:（1） 在计算机发明后的 20 世纪 60 年代末期，人们把计算机应用到考勤管理中， 带来了第一代基于计算机的考勤管理系统，开辟了应用计算机技术进行考勤管理的先河。利用计算机

27、强大的计算功能和较快的运算速度，考勤系统的效率得到很大提高，同时也展现出了计算机技术的优势。但是由于当时的计算机发展水平有限，计算机的功能也有待提高，第一代计算机考勤系统在应用推广上还有待进一步完善21，但正是由于 计算机技术的产生才有了后期考勤管理技术的不断更新。（2） 随着计算机技术普及和飞速发展，20 世纪 70 年代产生了数据库技术，并在各个领域不断发展应用，解决了数据存储方面的缺陷，为考勤管理系统的开发和应用提供了强有力的技术保障。因此基于数据库系统的产生，第二代计算机考勤系统开始出现。通过采用数据库系统，考勤管理系统功能得到了完善。（3） 到了 20 世纪 90 年代，计算机技术、

28、数据库技术、网络技术得到日新月异的发展，随着市场竞争的加剧，为了提高工作效率，考勤管理工作也受到越来越多的企业、公司、学校和事业单位领导层的重视，随着，生物识别技术的产生和发展，促使了第三代考勤管理系统的产生。文献22针对目前高校课堂考勤方式存在的一些问题，提出基于指纹识别的考勤系统，采用分布式系统开发，该系统可实现指纹考勤、上传考勤记录等操作。针对传统考勤方式所存在的代打卡和布线麻烦等弊端，文献23提出了一种基于 DSP 和 ZigBee 技术的无线指纹考勤系统设计方案。系统通过指纹采集，提取指纹特征，利用特征匹配完成企业员工考勤管理工作。文献24 阐述了射频识别的原理、系统结构和优势。设计

29、并开发了一套基于射频识别的课堂自动考勤系统。硬件系统包括 MFRC500 读卡芯片、STC89C52RC 微处理器和 MF1 S50 射频卡。数据库采用 SQL Server 2000，系统采用服务器/客户端模式，用Delphi7 开发相应的程序，可以完成考勤、信息管理和处理功能。由以上介绍可知，常见的考勤方式主要采用以下几种手段来完成：（1） 人工签到方式考勤这是最早的考勤方法，在信息技术及计算机还没有被广泛运用时，考勤管理工作主要依靠工人点名或签到的方式来完成。人工签到方式考勤最大的缺点是必须采用人工完成，效率低，特别是学生课堂考勤，如果学生人数多，会占据很大一部分的教学时间， 影响了正常

30、的教学计划。（2） 键盘输入密码方式考勤通过键盘输入每个人对应的密码，达到考勤的目的。但常常因忘记密码而发生人已到却无法完成考勤的情形。（3） 卡式考勤卡式考勤系统按卡介质类型不同可分为磁码卡、铁码卡、IC 卡等。卡式考勤管理系统最大的优势是，考勤工作不再需要过多的人为干预，一般只需工作开始时（或工作结束时）刷卡完成考勤操作，卡式考勤结合了计算机相关技术，把形成的刷卡数据保存到数据库中，然后由计算机进行统计分析，解决了采用人工方式中效率比较低的弊端。卡式考勤系统具有使用非常方便、快捷、不易损坏的特点，使其成为应用最广泛的考勤方式。但卡式考勤系统采用“物”代替“人”进行考勤，不能解决非本“人”进

31、行考勤的本质问题。这也是卡式考勤系统存在的最大弊端，此外由于磁卡一般很容易被复制， 寿命不长，磁卡丢失的情况时有发生，这些也都限制了卡式考勤的推广。随着科技的发展，出现了一种新的考勤方式，即生物识别考勤。它是通过计算机， 利用人的生理特性进行考勤，包括人脸识别考勤、虹膜考勤、指纹考勤等。通过利用人身体的部位特征来实现信息的登记。在众多的生物识别考勤系统当中，最能体现考勤本身实际意义的应该是基于人脸识别考勤方式。与传统人工考勤方式和卡式考勤系统相 比，人脸识别考勤系统基于人的生理特征，具有更实用的特性。包括：1) 采用基于“人”的考勤方式，充分体现考勤“人”的实际意义；2) 不会发生“物”丢失所

32、带来考勤问题，且人脸识别系统后期维护工作量及成本较低；3) 考勤方式比较灵活，能适应复杂考勤班次情况的需要；4) 不需要额外的考勤载体，考勤结果更加真实、有效。有学者对基于人脸识别的考勤系统进行研究，文献25对基于人脸识别的企业员工考勤系统进行了研究，由于采用的是C/S（客户端/服务器端）模式，在针对客户端比较多的课堂考勤受到一定的应用限制。本论文采用 B/S（浏览器/服务器端）模式和 C/S（客户端/服务器端）模式相结合的方法，研究基于人脸识别的学生课堂考勤系统。1.3 本论文研究目的研究基于人脸识别的课堂考勤系统，通过借助现代计算机与网络技术，以人脸识别为手段，克服不规范的出勤考核行为，彻

33、底摒弃了传统课堂考勤中人工统计管理的落后方式。研究基于人脸识别的课堂考勤系统，通过计算机准确无误地记录学生的考勤情况，实现考勤记录查询、自动汇总统计考勤信息等操作。本系统的实现可为教学管理工作顺利进行提供帮助，为学校进一步加强学风建设提供指导，为督促学生努力学习、形成良好的学风提供监督。学生课堂考勤的根本目的是学校加强对课堂的管理，有利于提高课堂学生到课率与教师的工作效率，从而保障教学效果与质量。1.4 论文研究思路和内容安排本论文共分六章,各章的细节研究内容分别是：第一章为论文的研究意义和研究背景介绍部分，介绍人脸识别技术和考勤系统的发展状况，并阐述了课堂考勤系统的研究目的及研究意义。第二章

34、介绍人脸识别的相关理论，包括人脸检测和人脸识别基本原理，及目前常用的人脸识别算法等。第三章对人脸识别算法进行了研究，针对人脸识别过程中识别速度比较慢的问题， 提出了一种基于稀疏表示和神经网络的人脸识别算法。第四章阐述了基于人脸识别的课堂考勤系统的需求分析及其系统结构，并介绍了基于人脸识别的课堂考勤系统的结构设计、概念设计、考勤系统的数据库的设计和考勤系统内部各模块详细设计。第五章为基于人脸识别的课堂考勤系统的实现部分，介绍基于人脸识别的考勤系统各个模块开发过程。第六章为总结与展望。各章研究内容及联系如图 1.1 所示。第二章 人脸识别的基本理论第一章绪论第三章基于稀疏表示和神经网络的人脸识别算

35、法研究第四章 课堂考勤系统需求分析及其结构设计第五章 基于人脸识别的课堂考勤系统开发与实现第六章 总结与展望图 1.1各章研究内容及联系图1.5 小结本章首先阐述了基于人脸识别的考勤系统的研究背景及意义，然后分析了基于人脸识别技术和考勤系统的国内外研究现状以及存在的主要问题，最后介绍了本文的主要研究内容。第 2 章 人脸识别基本理论2.1 人脸识别基本原理在基于人脸识别的课堂考勤系统中，人脸识别是本系统实现的关键步骤之一。人脸识别是生物特征识别技术的一种，它是结合计算机技术，通过分析比较人脸特征信息， 达到身份鉴别的目的。目前人脸识别是模式识别研究中热点内容之一，出现了许多的基于不同原理的人脸

36、识别方法。一般而言，人脸识别研究过程包括人脸检测和人脸识别两个步骤。人脸检测是指检测出面部特征，有时候人脸检测也负责找到如眼睛、鼻子、耳朵和眉毛等面部的细微特征，从而实现人脸和人脸其它部位的精确位置。通常情况下，人脸检测是采用相关技术，将待检测人脸图像分为人脸图像模式（检测到的人脸部分组成） 和非人脸图像模式两种。人脸识别中，比较通用的方法是，先采集人脸样本，提取人脸样本的特征；在进行识别操作中，首先将要识别的人脸的特征提取出来，然后以样本人脸的个性特征为基础，将待识别的人脸特征与已知的样本特征进行匹配对比，从而识别人脸26。在人脸识别操作中，先采用图像获取设备采集图像。对于采集到的图像，首先

37、做人脸判断操作，在所获取的图像中判断是否存在人脸。判断是否存在人脸，需要一些先验知识和特定的规则来进行。我们一般把这部分工作称为人脸检测。人脸检测是人脸识别的前提，非常重要，它将直接影响到后面的人脸特征提取和识别效果。但由于受到图像采集系统的影响，及人脸图像采集时的光照程度、人脸拍摄角度变化等原因，增加人脸检测的难度。而某些高效的人脸检测算法，依赖于人脸的尺度、位置、姿态等先验知识， 如果缺乏这些信息，会使人脸检测工作变得更加复杂。如果在图像中检测到人脸存在，则首先对该人脸进行定位，区分图像中的人脸区域和非人脸区域。然后采用相关技术，提取人脸区域图像的特征，如肤色特征，人脸几何特征等。接着把提

38、取的人脸区域图像的特征与人脸库中的人脸图像进行匹配比较，采用适当的分类器和分类策略来对人脸特征进行分类，完成人脸识别操作。人脸识别系统的流程如图 2.1 所示。人脸图像采集人脸图像检测到人脸特征提取人脸识别否存在人脸库中?是身份匹配与验证人脸识别结果图 2.1 人脸识别流程图2.2 人脸基本特征从以上人脸识别过程可以发现，人脸的基本特征提取在人脸识别中非常重要，人脸基本特征提取结果将影响整个识别系统的准确性和效率。由于受人脸自身特征和外部环境因素的影响，人脸图像具有高度的可变性，通常难以提取共性的特征。由于人脸的不同特征对应不同的人脸识别方法，通常情况下，可以将人脸特征分为灰度特征和肤色特征两

39、类。2.2.1 人脸肤色特征肤色特征是人脸检测与人脸识别技术中经常被利用的特征信息。研究表明：肤色特征不会根据民族、年龄、性别的不同而发生大的变化；肤色也不根据人的面部表情的变化而变化，而且通过肤色能把绝大部分背景颜色相区分开来。研究还发现，在去除亮度的色度空间里，不同人的肤色分布具有聚类性，我们可以根据这种特性将人脸信息从复杂的背景中分割出来，实现人脸检测操作。由于基于肤色特征的人脸检测算法具有很好的实时性，所以肤色特征常被直接用来进行人脸检测。研究发现，在采用肤色特征进行人脸检测方法中，选择合适的颜色分量是关键。我们可以利用直方图来进行选择，通过比较人脸部分和非人脸部分的直方图分布来确定颜

40、色分量模型。在人脸特征的提取过程中，如何从复杂的背景中分割人脸区域，选择适合肤色模型是实现人脸识别重要步骤。由于亮度信息会干扰人眼睛对颜色的感知，所以在提取反映人肤颜色信息特征时，RGB（红、绿、蓝）色度空间必须经过特殊处理，去除包含在RGB 色度空间的亮度。我们也可以采用 rgb 色度空间，我们可以采用一个变换公式把RGB 色度空间转换成 rgb 色度空间，RGB 色度空间进行亮度归一化处理的变换公式为27：r 1/ (R + G + B) 00 g = 0 1/ (R + G + B)0 b 00 1/ (R + G + B) R G公式(2.1)B 色彩空间的表示还可以采用 YUV 表示

41、法，YUV 色度空间定义了颜色的色调与饱和度，其中“Y”表示图像颜色信息中的明亮度，也就是灰阶值；而“U”和“V” 表示是色度，YUV 可以较好地描述图像色调及饱和度。YUV 只需占用极少的频宽（RGB 要求三个独立的视频信号同时传输）。“亮度”是通过叠加 RGB 输入信号的特定部分来建立。在 YUV 色度空间，U(B-Y)分量和 V(R-Y)分量相互正交，称为色度信号。YUV 色度空间和 RGB 空间的转换公式为:Y 0 . 2 9 9U = -0 . 1 4 7-V 0 . 6 1 5-0 . 5 8 70 . 2-8 90 . 5-1 50 . 1R14 0. 4G360 .1B0 0公

42、式(2.2)此外，还有HSV(Hue,Saturation,Value)颜色空间的模型。在HSV 色度空间中，H 表示色度，S 表示饱和度，V 表示透明度。HSV 色度空间向 RGB 色度空间的转换相比以上几种色彩转换公式要复杂一些，为了简化计算，令 H 0,6、S0,1 、V 0,1、R,G,B0,1 ，则：V=max(R，G，B)。S = 1 -min(R, G, B)V公式(2.3)0, S = 0H = b - g,V = R公式(2.4)4 + (g - r), other2.2.2 人脸灰度特征人脸的灰度特征主要包括人脸的轮廓特征28、人脸的器官特征分布（如几何称性）29 及人脸的

43、灰度分布特征(如直方图特征) 30等等。（1） 几何特征人脸几何特征提取技术提出的相对比较早, 发展已比较成熟。人脸的几何特征主要包括五官特征，例如人的眼睛、眉毛、鼻子特征等，及人脸特征及五官在脸上分布等等。例如可通过选择两眼球，眉毛宽度、鼻翼、两只耳朵的长度、左右嘴角位置等人脸中的几个重点部位进行定位, 选择鼻翼到两眼球中点位置距离作为基线，确定两条眉毛之间的近端距离和远端距离参数，建立以两眼球中点为原点, 水平向右方向为 x 轴, 基线方向为 y 轴的二维坐标平面, 则可计算出相应特征部位之间的距离特征比值。基于几何特征的识别方法具有算法简单、易于实现、对光照变化不太敏感，并且所需提取的特

44、征信息少且运行速度快的特点；但是，由于人脸图像中提取稳定的人脸特征比较困难，此方法也同样存在当表情改变和脸部姿态位置变化时特征识别鲁棒性比较差的问题。（2） 灰度的统计特征一般而言，对于人脸图像区域，头发与额头的交界处灰度分布不完全对称，可以先做中心对称变换，再与原图像做加权平均，得到的灰度分布会较为均匀的图像。然后可以依据一定的变换规则（如正交变换）将二维图像转化成一组一维向量，得到一组不相关的特征向量，并把这组特征向量按特征值大小依次进行排列。设有 N 个人脸样本的集合 X = x , x ,.x12N, x Rn ，定义一个线性算子W Rnm ，则：jy = WT x ,i = 1,2,., N ( y Rm , m n)公式(2.5)iii由于 m 0DCT = C T CT公式(2.10)如公式(2.9)所示，每个元素的计算量为 O( N)，计算时间大大减少了。2.3 人脸检测方法人脸检测方法有很多种，下面对常用的人脸检测方法做一些简单的介绍，并分析每种方法的优、缺点。2.3.1 基于特征的人脸检测基于特征的检测是人脸检测中常用的方法，特征来源包括