随着人工智能技术的发展,各种智能系统的实际需求不断增加,人脸检测(Face Detection)作为智能人机接口技术研究的基本内容和模式识别领域的重要分支,更是引起了广泛的关注。在已发表的众多研究成果中,基于统计模型的样本学习方法,如Adaboost方法等,表现出良好的性能。本文依托于华中科技大学广东省科学中心展馆项目子项,项目编号为“SS404-魔镜-D21”。本文从工程实践的角度阐述了一套基于自动识别人脸特征的人脸图像变形系统的设计和实现过程,该系统采用基于Haar特征的分类器,识别正面人脸,继而自动检测匹配信息,利用基于线段匹配的图像域变形(Field Morphing)算法实现人脸图像向特定动物图像的变形过程。图像变形(Image Morphing)是指把源图像以一种自然流畅的、戏剧性的、超现实的方式“扭曲”到目标图像的过程,在渐变的过程中,中间状态既具备源图像的特征,又具备目标图像的特征。传统变形算法主要针对整幅图像进行运算,同时要求必须由操作者手动选定匹配的信息(点、线段等),进而实现变形过程。本文所述的系统在设计上进行了诸多改进,首先,我们自行设计并实现了抠像算法,突出了正面图像的前景区域,使得系统的整体视觉效果大大增强;其次,我们采用精确的边缘检测技术及后期处理求出正面图像的外围轮廓,自行设计与目标动物图像外围轮廓信息相匹配的算法,通过多边形对外围轮廓进行模拟,这一改进使得变形过程更加自然、流畅,同时也加快了变形算法的运算速度,大大提升系统的实时表现力;同时系统还采用准确的人脸及五官检测技术,对输入近似正面图像自动检测出图像变形算法所必需的内部匹配信息,克服了传统变形算法需要大量的人工参与这一缺陷,整个系统能够自动运行,呈现出良好的效果。本文就支撑该系统功能的两大核心技术—人脸及五官检测、图像变形技术展开说明,从实践的角度,论述了相关技术的实现过程,具备较好的实践参考价值。