臺灣博碩士論文加值系統

人臉偵測是藉由人臉視覺特徵進行偵測的一種電腦技術，它被廣泛的應用在開車專心偵測、門禁系統及表情偵測等，經過人臉偵測之後就可以進行人臉辨識。人臉辨識是生物特徵辨識的一種技術，生物特徵包括臉、指紋、虹膜、及聲音等。由於現今資訊科技快速進步，個人隱私以及資料的保護也漸漸受到重視，傳統的身分辨識如密碼、識別卡、或鑰匙等，都容易偽造、遺失或是遭到破解。因為人臉偵測有獨一無二的特性，所以使用生物特徵辨識是目前較為方便和安全的辨識技術。但在人臉偵測與辨識有許多的困難會使得準確率偏低，如何提高準確率為本篇論文所探討的主題。
在本研究使用了基於特徵的人臉偵測方法結合浮動參數(Floating Parameter)設定，改善基於特徵的人臉偵測所會產生之缺點，並會檢查YCbCr的範圍來決定該區域是否為膚色。由於膚色範圍的設定如果能因環境的顏色而改變，將更能彈性的適應各種影像。另外，因為人臉特徵的大小會隨著輸入的圖片大小而不同，所以如果使用固定的特徵參數，將較難有效的辨識。因此所以本研究透過浮動參數運用於人臉偵測的實驗，以提升在不同的條件之下的人臉偵測準確率。

Face detection is a technology for detecting features of human face. It has a wide area of applications, such as driver gaze tracking accessing control system and facial expression recognition, etc. Face detection is an important stage before face recognition. Face detection is a technology in Biometrics (including face, finger point, iris, voice, etc.). Due to rapid progress in information technology, personal privacy and data protection are concerned. Traditional identity recognition is such as password, ID card, key, etc. They are easy to fake, lost or jailbreak. During the uniqueness property, Biometrics is the most convenient and safe technologies. But the methods of facial detection and recognition have many problems and have low accuracy, so how to improve accuracy are the main objectives of this study.
In this thesis, the face detection based on feature method combine floating parameter is used to improve the defect with face detection based feature method. The values of Cb and Cr are checked to find the skin color by skin color segmentation of YCbCr, the accuracy will be influenced by the brightness of the image. If the accepted ranges of Cb and Cr could be floating values which are dependent with environmental brightness, it will be more flexible than fixed ranges to adapt the varieties of images. So we research face detection with float parameter in different conditions, and to improve the accuracy.

中文摘要 I
Abstract II
謝誌 III
圖目錄 VIII
表目錄 X
第 1 章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 2
1.4 論文之架構 2
第 2 章 文獻探討 4
2.1 人臉偵測、辨識之應用 4
2.2 人臉偵測方法 5
2.2.1 基於知識的人臉偵測(knowledge-based method) 5
2.2.2 基於圖像的人臉偵測(image-based method) 5
2.2.3 基於特徵的人臉偵測(Features-based method) 6
2.3 色彩空間與膚色分割 7
2.3.1 YCbCr色彩空間 7
2.3.2 正規化RGB色彩空間 7
2.3.3 HSL色彩空間 7
2.3.4 YIQ色彩空間 8
2.4 影像形態學 8
2.5 連通標記 13
2.6 人臉黃金比例 14
第 3 章 浮動參數偵測人臉特徵 16
3.1 使用浮動參數進行膚色偵測 17
3.2 影像形態學 19
3.3 連通標記取得臉部位置 20
3.4 使用浮動參數取得眼睛位置 20
3.5 嘴巴偵測與使用浮動參數取得嘴巴位置 23
3.6 使用特徵距離推測出鼻子的位置 25
第 4 章 實驗設計 27
4.1 實驗環境 27
4.2 實驗結果與分析 29
4.2.1 膚色浮動參數 29
4.2.2 人臉特徵比例參數 34
4.2.3 固定參數與浮動參數之比較 37
第 5 章 結論與未來研究 41
5.1 結論 41
5.2 未來研究 42
參考文獻 43
附錄 48
圖目錄
圖 2 1：人臉樣板 6
圖 2 2：結構元素(B) 9
圖 2 3：原始集合(A) 9
圖 2 4：原始集合(A)經過膨脹運算 10
圖 2 5：原始集合(A)經過侵蝕運算 11
圖 2 6：原始集合(A) 11
圖 2 7：斷開運算示意圖；(a)經過侵蝕運算；(b)經過膨脹運算 12
圖 2 8：原始集合(A) 12
圖 2 9：閉合運算示意圖；(a)經過膨脹運算；(b)經過侵蝕運算 13
圖 2 10：原始的二質化圖片 14
圖 2 11：經過8連通處理之二質化圖片 14
圖 2 12：人臉黃金比例示意圖 15
圖 3 1：浮動參數偵測人臉特徵流程圖 16
圖 3 2：調整圖片大小之特徵比例 17
圖 3 3：斷開運算對雜訊移除的效果 19
圖 3 4：顏色黑白翻轉之後得到眼睛區域 21
圖 3 5：特徵比例圖 21
圖 3 6：人臉區域高寬比例 22
圖 3 7：特徵比例圖 24
圖 3 8：推測鼻子示意圖 26
圖 4 1：實驗Cr值與公式Cr值關係圖 33
圖 4 2：實驗Cb值與公式Cb值關係圖 33
圖 4 3：平均亮度與Cr值關係圖 34
圖 4 4：平均亮度與Cb值關係圖 34
圖 4 5：眼睛比例分布圖 36
圖 4 6：嘴巴比例分布圖 36
表目錄
表 4 1：實驗環境 27
表 4 2：膚色實驗圖片資訊 27
表 4 3：特徵實驗圖片資訊 28
表 4 4：圖片的評估因子 28
表 4 5：測試圖片之平均亮度 31
表 4 6：亮度與嘴巴顏色關係圖 37
表 4 7：使用浮動膚色參數偵測結果 39
表 4 8：偵測失敗之圖片 40
表 4 9：使用浮動膚色參數與未使用之比較表 40

英文文獻
[1]M.A. Berbar, H.M. Kelash, and A.A. Kandeel, “Faces and Facial Features Detection in Color Images,” Geometric Modeling and Imaging, pp. 209-214, 2006.
[2]A.P. Chen, L. Pan, Y.B. Tong, and N. Ning, “Face Detection Technology Based on Skin Color Segmentation and Template Matching,” Second Interactional Workshop on Education Technology and Computer Science, pp. 708-711, 2010.
[3]W.J. Chew, L.M. Ang, and K.P. Seng, “Automatic Model Based Face Feature Detection System,” International Symposium on Information, pp. 1-6, 2008.
[4]C.X. Deng, W.F. Ma, and Y. Yin, “An Edge Detection Approach of Image Fusion Based on Improved Sobel Operator,” IEEE International Conference on Imaging Systems and Techniques, pp. 1189-1193, 2011.
[5]S. Dutta and B. B. Chaudhuri, “A Color Edge Detection Algorithm in RGB Color Space,” International Conference on Advances in Recent Technologies in Communication and Computing, pp. 337-340, 2009.
[6]L. Gan, Q.J. Liu, “Eye Detection Based on Rank Order Filter and Projection Function,” Computer Design and Applications (ICCDA), Vol. 1, pp. 642-645, 2010.
[7]Rein-L Hsu, M. Abdel-Mottaleb, and A.K. Jain, “Face Detection in Color Images,” Transactions on Pattern Analysis and Machine Intelligence, No. 5, pp. 696-706, 2002.
[8]C. Hakan, S.Y. Hasan, E. Rifat, G. Huseyin, and K.M. Celal, “Comparisons of Features for Automatic Eye and Mouth Localization,” International Symposium on Innovations in Intelligent Systems and Applications, pp. 576-580, 2011.
[9]S.D.F. Hilado, E.P. Dadios, R.C. Gustilo, “Face Detection using Neural Networks with Skin Segmentation,” International Conference on Cybernetics and Intelligent Systems, pp. 17-19, 2011.
[10]Q.R. Jiang and H.L. Li, “Robust Human Face Detection in Complicated Color Images,” International Conference on Information Management and Engineering, pp. 218-221, 2010.
[11]A.K. Jain, B. Klare, U. Park, “Face Recognition: Some Challenges in Forensics,” International Conference on Automatic Face & Gesture Recognition and Workshops, pp. 726-733, 2011.
[12]W. M. Khairosfaizal and A. J. Nor’aini, “Eyes Detection in Facial Images Using Circular Hough Transform,” Consumer Specialty Products Association (CSPA), pp. 238-242, 2009.
[13]K.K. Lu and L.F. Dong, “Using LBP Histogram for Face Recognition on Android Platform,” International Conference Research and Development (ICCRD), China, pp. 266 -268, 2011.
[14]H.C. Lu, W. Zhang, D.L. Yang, “Eye detection based rectangle features and pixel-pattern-based texture,” International Symposium on Intelligent Signal Processing and Communication Systems, pp. 746-749, 2007.
[15]A. Majumder, L. Behera, V.K. Subramanian, “Automatic and Robust Detection of Facial Features in Frontal Face Image,” International Conference on Computer Modeling and Simulation, pp. 331-336, 2011.
[16]C. Tanchotsrinon, S. Phimoltares, and S.Maneeroj, “Face Recognition Based on Singular valued Decomposition and back propagation neural network,” International Conference on Imaging Systems and Techniques, pp. 304-309, 2005.
[17]C. Tanchotsrinon, S. Phimoltares, S. Maneeroj, “Facial Expression Recognition Using Graph-based Features and Artificial Neural Networks,” International Conference on Imaging Systems and Techniques, pp.331-334, 2011.
[18]L. Tao and H.B. Wang, “Detecting and Locating Human Eyes in Face Images Based on Progressive Thresholding,” IEEE International Conf. on Robotics and Biomimetic, pp. 445-449, 2007.
[19]J. Wang, Z.Z. Shog, H.L. Zhao, B. Liu, and D.F. Chen, “Eye Detection Algorithm Base on Area-Blocks Pairing and Multi-Angle Template Matching,” Cambridge Crystallographic Data Centre (CCDC), pp. 661-664, 2009.
[20]H.Yan and Q.S. Peng, “Face Detection Based on AdaBoost and skin color,” International Symposium on Information Science and Engineering, pp. 407-410, 2009.
[21]W.K. Yang, C.Y. Sun, “Face Recognition using Improved Local Texture Pattern,” World Congress on Intelligent Control and Automation (WCICA), pp. 48-51, 2011.
[22]L.H. Zhao, X.L. Sun, J.H. Liu, and X.H. Xu, “Face Detection Based on Skin Color,” International Conference on Machine Learning and Cybernetics (ICMLC), vol. 6, pp. 3625-3628, 2004.
中文文獻
[23]李棟良，梁振升，王於藩，陳家閔，曾鈺鈞，簡煒玲，「人臉偵測系統」，電腦與通訊工程學系，銘傳大學，2007。
[24]徐民儕，高文忠，「應用區域對比增強於不均勻光源下之人臉辨識」，應用電子科技研究所，國立臺灣師範大學，2008。
[25]陳榮昌，盧菁，劉賀平，「基於人臉座標系統的人臉識別」2010資訊科技國際研討會論文集，pp. 175，2010。
[26]鄒博岱，「戴眼鏡對人臉辨識系統之影響」，碩士論文，資訊科學系，國立政治大學，2004。
[27]蔡耀弘，陳勇緯，「可應用於面相學之及時人臉特徵擷取」，2010資訊科技國際研討會論文集，pp. 175，2010。
[28]廖育昇，陳加增，翁銘聰，陳育菘，「AdaBoost人臉偵測演算法於不專心駕駛警示系統之應用」，第十四屆車輛工程學術研討會論文，虎尾科技大學，2009。
[29]薛傑仁，「生物辨識之人臉辨識的方法」，碩士論文，生物與醫學資訊系，亞洲大學，2010。
[30]全球安防科技網，http://www.asmag.com.tw/article/article_detail.aspx?aid=8316，擷取日期2012年10月23日。
[31]人臉偵測相關研究，http://ycc.tsu.edu.tw/9312/index.files/page0010.htm，擷取日期2012年10月23日
[32]眼睛與五官的黃金比例，http://www.psdrlin.com.tw/contentbypermalink/fcf2570fda97448d353b0b95a96747f0，擷取日期2013年1月13日