臺灣博碩士論文加值系統

隨著資訊科技的發展，影像辨識技術在各行各業已經被廣泛的運用，美容設計相關產業為了增強自我競爭力也不得不提升到新的境界，因此本系統提出一套系統架構。我們可以依據使用者經驗去設計直覺性的操作介面，達到虛擬髮型變換以及髮型推薦，以減少時間與成本耗費的目的。本研究主要建置髮型樣本推薦系統，協助使用者挑選出最適合的髮型，系統面主要包含：(1)髮型樣本建立模組—髮型部分利用膚色偵測演算法訓練圖片影像，擷取出只屬於髮型元件的部分，再針對髮型元件做規則性的組合分類，建立新的髮型樣本，提供使用者進行虛擬髮型交換。(2)臉型樣本建立模組—臉型部分則是利用主動式輪廓演算法訓練臉型圖像，以擷取出臉型元件。該模組再針對臉型元件進行模板匹配，已完成臉型分類。(3)推薦系統模組—藉由使用者回傳的資料，經數據分析後，作為個人化髮型推薦的規則，讓使用者能依據不同的髮型條件找出最適合的髮型。本研究最終將髮型元件及臉型元件設定邊緣特徵，針對髮型元件及臉型元件進行合成匹配，以達到虛擬合成的效果。

In pace with the rapid development of information technology, image recognition technology are widely used in all walks of life, in beauty design-related industries order enhance their own competitiveness to a new status. Therefore, we propose a system structure that according user’s experience to design intuitive operating user interface. We can use computer to achieve virtual hairstyles replace and hairstyles recommended by image recognition technology that can reduce time and cost spend. The study module build a recommended hairstyle system to assist users select the most suitable hairstyle, the system provides functions to user：(1) Module of create a hairstyle samples—the hairstyle part is training images by skin-color detection algorithm, then extracted the component belongs the part of hairstyle only, provides users a virtual hairstyle replace. (2) Module of Create a facial shape samples—facial part is the use of active shape models algorithm training face images, then extract facial to component. The module matching with the template, then we completed the facial classification. (3)Module of Create a recommended system—using the data by users returned, after data analysis, the data can be used to a personal recommendation rules, allows users to according different hairstyle conditions to find the most suitable hairstyle. Finally, this study can setting facial and hairstyle components edge feature, for facial and hairstyle components setting synthetic match to achieve virtual synthesis technology. For facial and hairstyle components conduct synthesis match so as to achieve the effect of virtual synthesis

摘 要 1
Abstract II
謝誌 III
目錄 IV
圖目錄 VI
表目錄 IX
第一章 緒論 1
1.1研究背景與動機 1
1.2研究目的 3
1.3研究流程 6
1.4論文架構 7
第二章 文獻探討 8
2.1人臉技術相關應用 8
2.1.1人臉置換 8
2.1.2人臉識別 10
2.1.3臉型判別 11
2.2推薦系統應用 12
2.2.1推薦系統 12
2.2.2推薦系統相關應用 13
2.3影像相關技術 14
2.3.1臉部偵測相關文獻 15
2.3.2辨識相關文獻 18
第三章 研究方法 26
3.1系統架構 26
3.2髮型樣本建立模組 27
3.3臉型樣本建立模組 37
3.4推薦模組 47
第四章 系統實作 52
4.1實作環境 52
4.2系統展示 52
4.3系統實驗分析 61
第五章 結論與未來發展 67
5.1結論 67
5.2未來研究方向 68
5.3研究範圍與限制 69
參考文獻 70
作者簡介 76

中文
[1] 王健權，「以數位影像處理搭配動態攝影機做即時人臉追蹤之研究」，國立成功大學電機工程學系研究所碩士論文，2002年。
[2] 行政院主計處，「各業受雇員工進入人次-按事業單位規模分」，2011年。網址：http://www.dgbas.gov.tw/mp.asp?mp=1
[3]李宇峻，「使用邊緣偵測輔助低對比瑕疵檢測」，義守大學資訊工程研究所碩士論文，2011年。
[4] 李秀蓮，「攝影化妝The Art of The Photo graphical Make-up」，台北：揚智出版社，1997年。
[5] 周家愷，「虛擬髮型變換」，國立台灣科技大學資訊管理系研究所碩士論文，2008年。
[6] 林斐清，「應用使用者之Facebook社會網絡關係建立協同過濾推薦系統」，國立屏東科技大學資訊管理系研究所碩士論文，2012年。
[7] 范姜雅藍，「建構於Facebook上之餐飲商店推薦系統」，國立新竹教育大學數位科技學習研究所碩士論文，2012年。
[8] 姜威廷，「互動式人臉表情系統」，國立台灣科技大學資訊管理系研究所碩士論文，2006年。
[9] 胡冠宇，「基於膚色之裸體影像偵測之研究」，國立成功大學工程科學系碩士班碩士論文，2004年。
[10] 梁彧，「以影像處理為基礎的影片中人臉置換系統」，國立臺灣大學電機資訊學院資訊工程學系研究所碩士論文，2009年。
[11] 章毓晋，「圖像工程 下冊:圖像理解」，北京：清華大學出版社，2012年。
[12] 陳俊宏，「不當網頁中之色情圖片偵測」，國立中央大學資訊工程研究所碩士論文，2006年。
[13] 曹森哲，「航空影像建築物邊緣擷取之比較分析研究」，國立中興大學土木工程學系研究所碩士論文，2009年。
[14] 陳致豪，「以膚色加速AdaBoost人臉偵測」，明志科技大學電子工程研究所碩士論文，2011年。
[15] 黃河銓、李奕縉、黃昱凱，「整合信任網路與回饋機制之個人化餐廳推薦系統」，第八屆知識社群國際研討會，2012年。
[16] 黃識夫，「應用Kinct之人體多姿態辨識」，國立中央大學電機工程學系研究所碩士論文，2010年。
[17] 黃偉哲，「遠端智慧型眼鏡架選擇系統」，醒吾技術學院資訊科技應用研究所碩士論文，2010年。
[18] 黃淑霞，「資料探勘的技術於圖書館借閱歷程分析及推薦系統」，國立東華大學資訊工程系研究所碩士論文，2008年。
[19] 詹慧珊、吳明芳、林祈帆，「影像處理技術於美容整體造型之臉型判別上的應用」，餐旅暨家政學刊，第三卷第一期，第133-151頁，2006年。
[20] 楊煒達，「簡易方法之少量人臉辨識系統」，國立中央大學資訊工程研究所碩士論文，2007年。
[21] 楊秉桓，「應用查詢關鍵字於網頁推薦系統之研究」，國立屏東科技大學資訊管理系研究所碩士論文，2007年。
[22] 楊莛莛，「以生活型態為核心之導覽推薦系統」，國立成功大學工業設計研究所碩士論文，2009年。
[23] 賴岱佑，「數位影像分析之智慧型監視系統」，台北：文魁資訊股份有限公司，2008年。
[24] 賴韋豪，「應用小波技術於動態影像即時追蹤系統」，中華大學機械與航太工程研究所碩士論文，2005年。
[25] 顏仲志，「智慧型居家安全即時警示系統」，國立屏東科技大學資訊管理系研究所碩士論文，2011年。
[26] 鐘仁厚，「基於模糊邏輯之臉部表情辨識」，國立成功大學電機工程學系研究所碩士論文，2008年。

英文
[1] A. Wasfi, A. M., “ Collecting user access patterns for building user profiles and collaborative filtering, ” Proceedings of the 4th international conference on Intelligent user interfaces, 1998, pp.57–64.
[2] A. Pentland, B. Moghadam, T. Starner, “ View-based and modular eigenspaces for face recognition, ” Proceeding of the IEEE Conf. on Computer Vision and Pattern Recognition, 1994, pp. 84-91.
[3] A. Chou, Y. Hong, “ Face Detection, Extraction, and Swapping on Mobile Devices, ” Stanford University, 2011.
[4] C. P. Papageorgiou, M. Oren, T. Poggio, “ A general framework for object detection, ” Sixth International Conference on Computer Vision, 1998, pp.555-562.
[5] C. V. Dinh, R. Leitner, P. Paclik, M. Loog, R. P. W. Duin, “ SEDMI: Saliency based edge detection in multispectral images, ” Journal of Image and Vision Computing ,Vol. 29,2011, pp.546-556.
[6] D. Bitouk, N. Kumar, S. Dhillon, P. Belhumeur, S. K. Nayar, “ Face Swapping:Automatically Replacing Faces in Photographs, ” Columbia University, 2008.
[7] H. C. Akakın, B. Sankur, “ Robust classification of face and head gestures in video, ” Journal of Image and Vision Computing ,Vol. 29,2011, pp.470-483.
[8] K. Choong Yow, R. Cipolla, “ Feature-Based Human Face Detection, ” Department of Engineering, Cambridge, 1997.
[9] Li. Hongliang, K. N. Ngan, “ Saliency model-based face segmentation and tracking in head-and-shoulder video sequences, ” Journal of Visual Communication and Image Representation, Vol. 19, Issue 5, 2008, pp.320-333.
[10] K. Lang, “ NewsWeeder: Learning to Filter Netnews, ” Paper presented at the The 12th International Conference on Machine Learning, Tahoe City, Calif.,1995
[11] P. Viola, M. Jones, “ Robust real-time face detection, ” Eighth IEEE International Conference on Computer Vision, 2001, pp. 747-747.
[12] P. Viola, M. Jones, “ Robust real-time face detection, ” International Journal of Computer Vision 57(2), 2004, pp. 137–154.
[13] P. Kakumanu, S. Makrogiannis, N. Bourbakis, “ A survey of skin-color modeling and detection methods, ” Pattern Recognition, Vol. 40, Issue 3, 2007, pp.1106-1122.
[14] R. Lienhart, A. Kuranov, V. Pisarevsky, “ Empirical Analysis of Detection Cascades Boosted Classifiers for Rapid Object Detection, ” MRL Technical Report, 2002.
[15] S. J. McKenna, Y. Raja, S. Gong, “ Tracking colour objects using adapative mixture models,” Image and Vision Computing, ” Vol. 17, Issue 3-4, 1999, pp.225-231.
[16] T. F. Cootes, C. J. Taylor, D. H. Cooper, J. Graham, “ Active shape models – their training and application, ” Computer Vision and Image Understanding (61): pp.38-59, 1995
[17] L. Terveen, W. Hill, B. Amento, D. McDonald, J. Creter, “ PHOAKS: A system for sharing recommendations, ” Commun. ACM, 1997, pp.59-62.
[18] T. H. Thi, Li Cheng, J. Zhang, Li Wang, S. Satohf, “ Structured learning of local features for human action classification and localization, ” Journal of Image and Vision Computing, Vol.30, 2012, pp.1-4.
[19] W. C. Hu, C. Y. Yang, D. Y. Huang, C. H. Huang, “ Feature-based Face Detection Against Skin-color Like Backgrounds with Varying Illumination, ” Journal of Information Hiding and Multimedia Signal Processing, Vol. 2, No. 2, 2011.
[20] X. Peng, S. Setlur, V. Govindaraju, R. Sitaram, “ Binarization of Camera-Captured Document using A MAP Approach, ” SPIE-IS&;T Electronic Imaging, Vol. 7874, 2011.