1、“.....以左眼，做基准两眼间距离为标准找到人脸矩形左上角的点，。然后以点，宽，长构造矩形，裁剪得到归化人脸即为个的矩形人脸框如图图人脸裁剪模型图通过流程图或者图我们可以清晰的看到。经过对图片的处理可以得到人眼，然后对该图片进行以左眼为旋转中心的人脸图像旋转，就可以使得双眼处于同水平，最后按比例裁剪人脸就完成了人脸几何归化。在第六章可以看到归化前后人脸对比图。系统详细设计系统关键类图系统关系图图系统重要类的图图是人脸检测裁剪系统的些重要关联关系图。是系统关键类。根据架构我将系统分为三层。层实现类是图的类与类主要对数据进行封装用于显示。层是显示数据层主要对应了上图的类。层就是从层取得数然后传递个层对应上图的类。最底层的两个类类与类则是人脸检测用到的静态函数库与用于显示提示的静态库系统重要数据结构图系统重要数据结构图如图所示......”。

2、“.....和图片大小。结构对应所有需要显示的结果图。章小结本章我们介绍了人脸检测原理，肤色检测原理，人脸归化原理。并对系统进行架构，进行详细设计了四个数据结构类，接下来就可以编码实现系统了系统实现人脸检测模块实现概述我们将看作是的版本是由封装而成是个跨平台的图像处理库。封装使得的函数能对环境下的等语言进行支持。它很能够在，以及些手机平台上如设备上运行。优点跨平台，支持多语言提供泛型颜色和度的图片类自动内存管理机制序列化图片直接支持图片类和函数调用封装从图可以看出第层是基础层......”。

3、“.....结构体类型和图片处理函数它们的命名空间直接从封装而来。第二层是上层封装它充分体现了框架的优点将各种类融合在起图封装结构图下图是些与结构体的对照。图与结构体的对照图下图是框架结构体与结构体对照。图框架结构体与结构体对照这里简洁的介绍了，我们应该明白为什么选择它来做开发。那么接下来就人我们看下如何安装。安装安装，我们到下载最新版本的安装包加压后打开文件开始安装到。统配置环境配置，打开系统配置环境变量在上加上添加引用，我们把上述路径下的文件复制到项目文件目录下。完成上述操作后就打开创建新工程向解决方案资源管理器添加前面拷贝到文件下的到引用。到此我们可以用库进行开发了。如果个程序需要用到的内库则在该程序的开始添加即可。人脸定位实现代码，会出现检测。目前还未想到好的解决方案。对于定位失败的人脸......”。

4、“.....旋转人脸图像为了使的两眼处于同水平我们把人脸图像绕左眼所在点旋转人脸。实现伪代码算法开始输入参数，获取旋转角度，旋转图片输出结果裁剪归化。根据左眼裁剪旋转后的人脸并归化到相同尺寸，目的在于可以得到眼睛在同水平线上大小相同的去掉会干扰人脸识别的无关区域。裁剪伪代码算法开始输入参数，获得人脸矩形裁剪人脸归化裁剪图输出归化结果本章小结这里介绍了人脸检测与裁剪系统的设计与人脸定位的实现肤色的人脸定位实现对图片中检出的人脸图像进行归化的实现。接下来就到了激动人心的第六章该章节集中展示了主要界面和运行效果。系统运行系统运行图系统运行人脸检测画面图图显示人脸检测工作的情况。图系统运行人脸归化图图展示对检测结果归化页面用户可以点击检测结果框内任张图并对选中图片进行人脸归化。然后可以保存结果......”。

5、“.....然后旋转人脸使得双眼处于同水平，最后裁剪出来的归化人脸图。系统对人脸识别率的提高。为了验证经过本系统后的人脸图像进行人脸识别得出的识别率是否会比未通过系统归化的识别率更高。我设计了人脸识别率实验，具体实现用到平台将原始人脸和归化后的人脸作为对比数据，最邻近分类算法计算相似度详细结果见表人脸识别率实验结果表表人脸识别率实验结果表实验数据库训练图片数测试图片数识别率原始人脸数据库归化人脸库由表可以看出经过归化的人脸图片比未归化的人脸图片得到的识别率要高这足以证明本系统的实用性。本章小结本章主要说明系统运行，展示了系统运行界面。证明了经过该系统处理的归化后人脸图像对人脸识别有很大帮助。总结与展望总结本系统以为开发平台，用计算机视觉函数库进行系统编码实现......”。

6、“.....还完成了对检测得到的人脸图像的人眼自动定位和手动定位的人脸图像归化功能。由于这次是我第次接触数字图像处理，在实现系统过程中遇到了相当多的问题。我基本都是通过向网络查询，或者向老师请教解决问题。事实上经段时间的学习，在跌跌撞撞中还是基本完成了老师在任务书中要求的功能。最后，该系统还存在很多不足，具体如下该系统在处理背景复杂且和有很多类似肤色背景时效果不是很理想。该系统次只能处理张图片，而不能进行批量处理展望达到高效率，高精度的人脸检测。实现图片的批量处理中间的处理过程不存在间断，处理过程实现键完成。致谢衷心感谢我的指导老师杨军在项目完成过程中给予的帮助和指导。他平易近人的性格热情的工作态度过硬的专业知识对事情认真负责的态度，都是我需要学习的......”。

7、“.....在此我非常感谢在大学教导过我的老师们，是他们良好的待人处事方法，风趣幽默课堂教学风格影响了我，使我选择正确的人生观走上路计算机这条光明路。经过四年生活学习获得了很多以前不具备的知识能力，让我在将来所要面对的学习和工作能游刃有余。是四川师范大学陪伴我走过了人生最美好的年华，祝愿四场师范大学永远年轻有活力。最后，感谢在百忙之中审阅我论文的老师。参考文献邹璘人脸检测混合算法研究贵州大学，百度百家计算机视觉挑战赛微软中国研究员夺冠百度百科人脸检测王昊人脸检测及识别技术综述科技致富向导，，，黄畅从的人脸检测说起浅析人脸检测之分类器方法颜色空间模型百度百科浅析人脸检测之分类器方法钰的日志网易博客胡国靖人脸识别中图像预处理与匹配方法研究南京理工大学，，杜飞涛，陈先桥......”。

8、“.....季长有基于多特征融合的快速人脸检测全国测控计量仪器仪表学术年会肤色人脸检测模块实现二值化图像得到人脸候选区参考论文发现在空间的值在范围可以分辨出亚洲人皮肤。而在颜色空间下有满足不等式的像素点就可以判定为肤色点。然后我们将是肤色点的像素值设定为非肤色像素点设置值为。实现源码如下这里二值化的方法采用了颜色空间和颜色空间的组合方法其中用于判断的阀值是参考种基于肤色分割的人脸检测方法的文献。候选肤色区域筛选对于般人脸二值化图像的面积要大于可以排除些小的区域。由于人脸几何特征存在人脸比例范围在范围可以筛选出人脸。源码如下获取候选肤色区域找到所有连通域，，遍历根据面积判断是否舍弃根据人脸特征比例筛选本算法是基于人脸长和宽比例在范围特征来筛选人脸区域和基于经验的数据人脸面积般大于像素来排除非人脸......”。

9、“.....该方法利用了在人眼区域会存在局部灰度值最低从而定位人眼。从而得到双眼位置用于旋转图像。实现源码自动定位人眼左眼右眼，，，纵向扫描矩形得到，区域的像素和得到左眼得到左眼小矩形像素和得到右眼从我多次进行的检测结果得出结论本方法需要预先根据对人脸显性特征来对人眼划分区域如果预分区出错就会导致算法严重。比如对于些人脸处于图片边缘或者人眼并未处于划分出来的区为本次的毕业选题。国外现状最早的二维图像的统计模式识别开始于世纪年代。最早的三维机器视觉的研究始于年代。年，人工智能实验室正式开设课程。全球性的研究热潮于年代开始，不久获得了巨大发展，该领域的各种新概念新理论不断出现。目前在海外，机器视觉人脸检测系统在很多方面已经得到了普遍的应用，而且其产品在很多行业中有着举足轻重的地位。目前大多数应用集中在半导体及电子行业......”。