1. 研究目的与意义（文献综述）

随着计算机时代的来临，个人隐私等敏感性信息的体量呈爆炸式增长并被计算机存储下来。再加上现在愈发复杂的社会环境，人们对自身的生命安全、财产安全、信息安全等的重视程度越来越高，因此对保障这些安全的措施的需求也越来越高。像密码这种古老又基础的方法一直被沿用着，不过随着计算机运算能力的提高以及核心代码的完善，更多新兴的保障措施被开发出来，比如人脸识别。

人脸识别系统的研究其实早在20世纪60年代就已开始，随后在80年代随着计算机技术和光学成像技术的发展得到提高。但这项技术是在近年才开始应用到大众领域。如微信的扫脸支付，或是苹果公司的iphone x系列手机通过对机主的人脸进行识别实现解锁手机的操作。不过人脸检测作为人脸识别系统中最为关键的一步，其应用前景极为广阔，并不仅仅局限于安防这一方面。由于将人脸检测技术运用到医疗健康及美容方面的先例屈指可数。因此在这里，为了探索人脸检测技术在应用层面的更多可能性并满足人们对健康或爱美的追求，本论文将运用人脸检测技术对人像进行识别进而对识别成功的人像建立hsv颜色模型最终实现对人脸油脂的检测，并通过opencv实现。

2. 研究的基本内容与方案

本文以分析和研究人脸油脂检测的相关算法为核心主题，基于opencv对人脸油脂检测算法进行设计、对比和改进，同时完成人脸油脂检测系统的应用框架、功能模块和数据库的实现。最后将对所设计的人脸油脂检测系统进行测试和结果分析。

设计思路分为两大部分，第一部分是对给定的人像图片进行人脸检测，检测成功的图片进入到第二部分，第二部分则是对人脸进行油脂检测。第一部分的人脸检测就是通过获取的图像判断其中是否存在人脸，并根据一定的条件计算出人脸的位置和大小。不过人脸检测非常容易受到图像捕捉系统自身参数设置、光线、底噪等多方面因素的干扰，且每一张人脸都存在着独特性和特殊性，这些都直接影响到人脸识别的准确率。而本文将要利用opencv构建一套模型克服这些变量导致的困难并最终实现相对准确的人脸检测。在实现人脸检测之后将进入到第二部分，即人脸油脂的检测。人脸油脂检测将基于把受到紫外光照射下的人脸皮肤图像转换到hsv色彩空间，对图像的亮度分量进行动态阈值分割，提取出其中较亮的小块区域，同时过滤掉其中的偏蓝色光斑干扰，将提取出的区域在紫外光图片上标记显示出来，得出的油脂区域总面积占人脸皮肤区域总面积的百分比即为油脂指标的数值结果。

整体的人脸油脂检测流程图如下图所示。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1] 王蓉，侯鹏鹏，曾昭龙. 基于opencv的人脸检测与跟踪方法实现[j]. 科学技术与工程，2014年24期.

[2] 杨幸，王力. 基于opencv的视频人脸检测与跟踪[j]. 通信技术，2017年07期.

[3] 王一轲. 人脸检测与人脸特征点定位方法的设计与实现[d]. 电子科技大学，2015年.