基于灰度投影的人脸特征定位系统

资 源 简 介

该项目旨在开发一个利用灰度投影技术实现人脸关键特征（如眼睛、鼻子、嘴巴）自动定位的MATLAB仿真系统。 系统首先对输入的人脸图像进行必要的预处理工作，包括灰度化转换、中值滤波去噪以及直方图均衡化以增强图像对比度。 核心算法部分采用积分投影法，即在预定义的人脸区域内分别进行水平投影和垂直投影，生成反映像素亮度分布规律的波动曲线。 在水平投影曲线中，系统通过检测波谷特征来定位眼睛、鼻子和嘴巴所在的纵向位置区间；在垂直投影曲线中，则结合人脸的对称性特征确定各个器官的横向坐标范围。 为了提高定位的准确性与鲁棒性

详 情 说 明

基于灰度投影的人脸特征定位系统

项目介绍

本系统是一个基于MATLAB环境开发的人脸关键特征定位仿真平台。通过应用图像处理技术与积分投影算法，系统能够自动识别并定位图像中人脸的眼睛、鼻子和嘴巴。该方案利用人脸解剖结构的先验知识来辅助特征点的精确提取，具有算法简单、计算效率高、对硬件资源消耗低等特点，适用于疲劳驾驶检测、人脸对齐预处理等对实时性要求较高的场景。

功能特性

• 灵活的图像导入：支持多格式（JPG, PNG, BMP）人脸图像的交互式读入。
• 完善的图像预处理：集成灰度化、3x3中值滤波降噪及自适应直方图均衡化，显著提升图像质量和特征对比度。
• 自动区域检测：内置级联分类器（Cascade Object Detector）自动锁定人脸区域（ROI），提高后续算法的针对性。
• 精准的投影算法：实现水平与垂直两个维度的积分投影，准确捕捉反映人脸器官特征的灰度波动曲线。
• 智能几何约束：结合人脸特有的比例特征（如“三庭五眼”的近似比例），在特定区间内搜索候选特征点，增强定位的准确性。
• 直观的结果展示：提供包含原始图像、投影曲线、ROI定位图及最终结果映射的四位一体可视化界面。

使用方法

1. 在MATLAB中运行程序。
2. 在弹出的文件对话框中选择待检测的正面人脸图像。
3. 系统将自动完成预处理、人脸检测、投影计算及特征点定位。
4. 查看生成的可视化图表，并可以从命令行窗口直接读取特征点的具体像素坐标（X, Y）。

系统要求

• MATLAB软件（建议R2016b及以上版本）。
• Computer Vision Toolbox（计算机视觉工具箱，用于初始人脸探测）。

核心算法与逻辑实现过程

1. 图像预处理流水线

程序首先将输入的RGB彩色图像转换为灰度图像。随后，应用3x3窗口的中值滤波技术滤除图像在成像或传输过程中产生的随机噪声。最后，通过调用自适应直方图均衡化算法增强图像的局部对比度，这对于突出位于较深区域的眼睛和嘴巴等特征点至关重要。

2. 人脸感兴趣区域（ROI）提取

系统调用预先训练好的级联物体检测器来寻找图像中的人脸。一旦检测到人脸，系统会记录其矩形框坐标并裁剪出该区域作为后续操作的目标。若在极端情况下未检测到有效区域，系统会将整幅图像作为处理范围，确保流程的延续性。

3. 积分投影计算与平滑

这是定位系统的核心环节。程序通过对ROI图像的行向量和列向量分别进行求和操作，计算出水平投影和垂直投影：

• 水平投影反映了沿人脸纵向（垂直方向）的灰度分布情况。由于眼睛、鼻子、嘴巴区域通常具有较低的灰度值，它们在投影曲线上会呈现明显的“波谷”。
• 为了避免像素级噪声干扰定位，系统实现了一个内部平滑函数，利用卷积操作进行移动平均处理，使投影曲线更加圆滑，利于稳定提取极值点。

4. 基于先验知识的特征定位逻辑

系统通过定义特定纵向百分比区间来缩小搜索范围，提高定位的鲁棒性：

• 眼睛定位：系统在人脸纵向高度的10%至50%区间内寻找水平投影的最小波谷以确定高度。随后，将脸部横向平分为左、右两个部分，分别在每侧寻找垂直方向上的灰度低点。
• 鼻子定位：在人脸纵向高度的40%至75%区间内搜索波谷确定高度。其横向坐标则在面部中心30%至70%的范围内进行二次垂直投影分析锁定。
• 嘴巴定位：在人脸纵向高度的70%至95%区间内寻找波谷。横向定位同样基于中轴线附件的垂直投影最小值。

5. 坐标映射与输出

由于所有的定位计算均在裁剪的人脸（ROI）中进行，系统最后会将这些相对坐标加上人脸检测框的初始偏移量，从而将其精确还原回原始图像的全局坐标系中。

代码具体实现细节

程序通过 subplot 结构展示了四个关键视觉反馈：

• 左上图展示了原始图像及检测到的人脸边框。
• 右上图展示了平滑处理后的水平灰度积分投影曲线，纵向坐标展示了与脸部器官位置的关系。
• 左下图是裁剪后的脸部ROI，并在其上用不同颜色的圆形标记点（左眼、右眼、鼻子、嘴巴）实时显示定位过程。
• 右下图展示了在原始高清大图上打出的最终定位星号标签，并同步在控制台输出四个关键点的二维数值坐标。