基于人脸识别技术的智能系统研究与开发

5.2 脸部检测与定位结果

经边界检测，脸部检测与定位的结果如图3所示。

图3 同时考虑脸型、眼睛和嘴特征时的脸部定位结果

5.3 检测与识别结果

本文利用BioID人脸库中的100幅静止灰度图片（BioID_0000.pgm- BioID_0099.pgm）作为素材进行了实验。实验结果如表1所示。

表1 检测与识别结果

5.4 结果分析

在上述3种方法中，参数椭圆模板结合眼睛、眉毛和嘴巴特征的定位方法显示出较好的性能。

在采用基于肤色进行图像分割，进而定位人脸的方法时，由于肤色受环境光照、背景中近似肤色物体的存在的影响，导致定位结果较差。在改变阈值大小时， 对判断的结果影响不大，这表明：第一，肤色与背景色混杂，以及强烈的光照的影响，是造成误判的主要因素；第二，在一种上述问题不太严重的比较“理想”的状态下，肤色模型也的确能有效地发挥作用，以抵消来自于外形姿态等方面的影响。对肤色模型的改进应该集中在对于光照的处理和与背景的分离上，利用模板进行检测与定位即是有效分离背景干扰的一种方法。

在单纯采用椭圆模板进行检测与定位时，检测的正确率得到了一定的提高，但总的来说还是很难令人满意的。在通过改变椭圆的参数试验其性能时，其对参数变化的适应性把高。经分析，可以认为是复杂的背景直接影响了椭圆模板的有效性。而对参数变化的适应性差，主要是因为图像库中的人脸外形多为长椭圆形，表现在参数上差别不大。因而，仅仅通过椭圆模板进行人脸的检测与定位，其效果是难以令人满意的。