基于图像识别技术的人面特征提取系统的设计与开发
摘要：针对中医面诊中人脸形态面色识别个性化无定量标准的困境，提出基于SVM的人脸面色形态分类方法。根据中医面诊的基本原理利用机器自动化提取人面特征信息，在一定程度上改善传统面诊主观无定量标准的缺陷。利用人脸的haar特征训练分类器，得到级联的boost分类器进行人脸检测。归一化处理检测到的人脸，提取其Hog特征、颜色特征、纹理特征与svm分类器相结合，提高分类准确率，对促进中医面诊的客观化、智能化具备启发意义。
关键词：中医面诊；支持向量机；人脸检测；机器识别；人脸特征；
正文：
一、国内外研究现状
目前对于机器面诊的研究主要有两种不同的思路，一是基于精密仪器，在标准光源环境下采集人脸图像，减少光照影响。二是基于图像，通过模式识别等算法对由数媒设备获取的人脸图像进行处理与分析，降低噪声影响。
李福凤等人在对面色分类识别的过程中，采用环形发光二极管的人造光源，标准化、统一化光源因素，此外，采用密闭的暗箱采集人脸图像并且建立典型的面色判读表，使用多项式修正方法对面色图像的颜色进行修正。
红外热像仪，分光光度计等精密仪器虽然能很好的采集标准人脸图像，但是其成本昂贵且不易于携带，故近年来广大学者逐渐着眼于使用数码摄影设备来采集图像。朴鑫等人采用椭圆皮肤模型，通过对皮肤像素检测，在经过颜色修正与图像预处理后，计算皮肤像素行列最大值，从而快速定位到人脸，进行面部划分与特征提取。
近年来，随着机器学习、深度学习算法的兴起，计算机视觉领域有了较大的突破，在行人检测，图像识别方面，成效绰约，但目前只有为数不多的机构将其应用于中医传统面诊，而像道生一类的医疗有限公司较为着眼于仪器诊断，成本极为昂贵，且机器较大并不适用于家用与广泛普及。而本文提出的轻量级app，利用当下像素水平越来越高的智能手机，大大降低了仪器成本，提高系统的实用性。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
