基于人臉識別技術的智能系統研究與開發

5.2 臉部檢測與定位結果

經邊界檢測，臉部檢測與定位的結果如圖3所示。

圖3 同時考慮臉型、眼睛和嘴特征時的臉部定位結果

5.3 檢測與識別結果

本文利用BioID 人臉庫中的100幅靜止灰度圖片（BioID_0000.pgm- BioID_0099.pgm）作為素材進行了實驗。實驗結果如表1所示。

表1 檢測與識別結果

5.4 結果分析

在上述3種方法中，參數橢圓模板結合眼睛、眉毛和嘴巴特征的定位方法顯示出較好的性能。

在采用基于膚色進行圖像分割，進而定位人臉的方法時，由于膚色受環境光照、背景中近似膚色物體的存在的影響，導致定位結果較差。在改變閾值大小時， 對判斷的結果影響不大，這表明：第一，膚色與背景色混雜，以及強烈的光照的影響，是造成誤判的主要因素；第二，在一種上述問題不太嚴重的比較“理想”的狀態下，膚色模型也的確能有效地發揮作用，以抵消來自于外形姿態等方面的影響。對膚色模型的改進應該集中在對于光照的處理和與背景的分離上，利用模板進行檢測與定位即是有效分離背景干擾的一種方法。

在單純采用橢圓模板進行檢測與定位時，檢測的正確率得到了一定的提高，但總的來說還是很難令人滿意的。在通過改變橢圓的參數試驗其性能時，其對參數變化的適應性把高。經分析，可以認為是復雜的背景直接影響了橢圓模板的有效性。而對參數變化的適應性差，主要是因為圖像庫中的人臉外形多為長橢圓形，表現在參數上差別不大。因而，僅僅通過橢圓模板進行人臉的檢測與定位，其效果是難以令人滿意的。