周瑞仁臺灣大學：生物產業機電工程學研究所王維鈞Wang, Wei-JunWei-JunWang2007-11-262018-07-102007-11-262018-07-102004http://ntur.lib.ntu.edu.tw//handle/246246/52852本研究基於橢圓度與眼眉特徵，提出一改良式橢圓霍氏轉換(MEHT) 與強健雜訊濾波及眼眉區塊搜尋法(RNFEBS)進行人臉偵測。對於靜態灰階影像中複雜背景的人臉偵測，最有用的資訊即為人臉之橢圓特徵，而在人臉中，最明顯且可靠的特徵便是眼睛。首先利用改良式橢圓霍氏轉換將人臉大約的位置求出，再應用強健雜訊濾波及眼眉區塊搜尋法，在該位置附近一定範圍內，以一種逐步搜尋處理方法，最後求得眼睛所在之位置，而人臉的位置及尺寸也可隨之確定。 有別於傳統霍氏轉換累加器的設計，MEHT提出的兩種改良式累加器的設計，係對偵測對象同時考慮較重要的模板橢圓度及次重要之對比度，調整累加器的參數KM、KA可抑制對比度對累積值的影響力，達到對比度對累加值的貢獻小於模板橢圓度之目的。且針對雜訊邊限的條件給定參數KM、KA值之範圍，故對於複雜背景的橢圓偵測十分強健。在RNFEBS中，則依眼睛的幾何特徵及分布，依序求得眼眉區塊、眼睛及人臉的位置，所發展的方法具有高效率及準確性。This study proposes a modified ellipse Hough transform(MEHT) as well as robust noise filtering and eye-brow block searching(RNFEBS) for face detection based on ellipticity, contrast and geometrical features of objects in an image. As for the face detection in a static gray level image with complex background, the most valuable information is the elliptical shapes of faces and the geometrical features of eyes. With MEHT, the position of the face center is easily estimated. And then, RNFEBS is applied afterwards to search for eye-brow block and locate eyes pair. The location and size of face could be decided accordingly. Different from the accumulator design of traditional Hough transform, the MEHT developing two types of accumulator which are related to both ellipticity and contrast of objects in an image. The factor KM and KA in the accumulators could be turned to suppress the influence of contrast on the accumulator and achieve the lower contribution than ellipticity. MEHT is very robust for the detection of nonstandard ellipse with complex background in an image if the factor KM and KA is carefully chosen based on noise margin. The positions of eye-brow block, eyes pair and face could be obtained accordingly based on eyes’ geometrical features by RNFEBS. This approach developed in the study is proved to be high efficient and accurate.中文摘要………………………….…………………………………….…….i 英文摘要……………………………………………………………………..ii 目錄……………………………………...…………………………………..iii 圖目錄………………………………………………………………………..v 第一章　前言 ………………………………………………………………1 第二章　文獻探討 …………………………………………………………5 2.1 影像分析………………...………………………………………... 5 2.2 霍式轉換…………………………………………………………...6 2.2.1 標準霍式轉換…………….……….……..…………………...7 2.2.2 圓霍氏轉換……………….……….………………………….9 2.2.3 橢圓霍氏轉換…………….……….………………………...10 2.2.4 高維度之霍式轉換….…...……….…………………………11 2.2.5 廣義霍氏轉換…………….……….………………………...12 2.3 人臉偵測……………...…………………..………….…………...16 2.3.1 利用個別的臉部特徵來偵測人臉……...…...…….………..19 2.3.2 利用整體的臉部特徵來偵測人臉……..………….………..23 第三章 研究理論與方法………………………….………………………25 3.1 改良式橢圓霍氏轉換……..……….……………………………..26 3.1.1 改良氏霍氏轉換之前處理-切線向量……...……………….28 3.1.1.1 曲面之近似法向量……………….…..………………28 3.1.1.2 切線向量之角度影像…………….…..………………31 3.1.1.3 切線向量之強度影像…………….…..……………... 32 3.1.2 改良氏霍氏轉換之累加器設計….……….…..…………….33 3.1.3 根據雜訊邊限決定KM、KA值………….…….……………36 3.2 型態學運算處理……….………...…………..…………………...43 3.3 強健雜訊濾波與眼眉區塊搜尋….…………..…………………..44 3.3.1 以直方圖6%顯著水準決定二元化門檻值…………..……..45 3.3.2 根據物件之幾何特徵執行雜訊濾波……..…………..…….47 3.3.2.1 臉部中心位置修正……………………..…………… 48 3.3.2.2 不符合人眼特徵的物件之刪除……...………………50 3.3.3 以直方圖分析執行雜訊濾波………..……………..……….53 3.3.3.1 水平方向直方圖分析……..…….……………..……..54 3.3.3.2 垂直方向直方圖分析…...….….……………………..56 3.3.4 於眼眉區塊內決定眼睛的位置………..…………………...57 3.3.5 人眼位置之驗證及修正………………..…………………...60 3.3.6 人臉的範圍 …………………………..…………………….62 第四章 實驗結果與討論…………………………………………………..65 4.1 改良式霍氏轉換的實驗結果…………………………………….65 4.1.1 KM、KA值對內外部累積值的影響………....………………65 4.1.2對比度與橢圓度對MEHT與EHT之內部累加值的影響...66 4.1.3 在複雜背景中的人臉位置之偵測……………………….....74 4.2型態運算之實驗結果……...…..……………………..…………....75 4.3 強健雜訊濾波與眼眉區塊蒐尋的實驗結果……………………..75 4.3.1以直方圖6%顯著水準決定二元化門檻值之實驗結果....…77 4.3.2 利用眼睛的幾何特徵來執行雜訊濾波的實驗結果…….…79 4.3.3 利用統計圖分析得到眼眉區域之實驗結果………….…....81 4.3.4 從眼眉區域決定眼睛的位置和驗證及修正工作…...…......84 4.4 其他整體實驗結果的展示及決定人臉範圍……………………..86 第五章　結論與建議………………………………………………………93 5.1 結論……………………………………………………………93 5.2 建議……………………………………………………………94 參考文獻…………………………………………………………………951112096 bytesapplication/pdfen-US橢圓偵測人臉偵測霍氏轉換人眼偵測ellipse detectionHough transformface detectioneyes detectionthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/52852/1/ntu-93-R90631025-1.pdf