基于肤色模型和特征定位的人脸检测算法

第27卷 第6期 吉首大学学报(自然科学版)Vol.27 No.6 2006年11月J ournal of J ishou University(Natural Science Edi ti on)Nov.2006

文章编号:1007-2985(2006)06-0069-04

基于肤色模型和特征定位的人脸检测算法

张书真1,2,宋海龙3,杨卫平1

(1.国防科学技术大学ATR国防科技重点实验室,湖南长沙 410073;2.吉首大学物理科学与信息工程学院,

湖南吉首 416000;3.国防科学技术大学理学院数学与系统科学系,湖南长沙 410073)摘 要:针对彩色图像提出一种基于肤色模型和特征定位的检测算法.首先建立一个新的肤色模型(H SI I模型),它对光照亮度具有强鲁棒性.在肤色分割的基础上,利用水平灰度投影估计人眼水平位置,然后结合候选脸区的边缘图像,给出人眼的确定位置,并输出人脸检测结果.实验表明该算法简单、快速、鲁棒性强.

关键词:人脸检测;肤色模型;脸部特征定位;水平灰度投影;边缘检测

中图分类号:TP391.41 文献标识码:A

人脸检测是模式识别与计算机视觉领域的一项热点课题,它广泛用于人脸识别、智能人机接口、视频会议等.目前,比较常用的人脸检测方法可以概括为基于知识、基于结构特征、基于模板匹配以及基于统计模型的方法[1-2].在彩色图像中,肤色对于人脸检测是一项非常有用的信息,有效地利用肤色信息可以大大减小人脸区域的搜索范围.在肤色分割的基础上,再利用针对灰度图像的方法做进一步检测.

笔者提出一种基于肤色模型和特征定位的人脸检测方法.首先建立一种改进的H SI I颜色空间.实验证明,在该空间建立的肤色模型能够适用于光照亮度变化范围较大条件下的肤色检测.在肤色分割的基础上,对候选脸区进行水平灰度投影,估计出人眼水平位置,然后采用Canny算子提取候选脸区的边缘,再通过加窗方法定位人眼,并最终输出人脸检测结果.

1 肤色分割

1.1色彩空间分析

以色调、饱和度、亮度为三要素表示的HSI色彩,与人对色彩的感知相一致,是适合人类视觉特性的颜色空间[3],由RGB空间转换到HSI空间的变换公式如下:

I=1

3

(R+G+B),(1)

S=1-

3

R+G+B

(RGB)min,(2)

H= 若B G,

2 - 若B>G.

(3)

其中: =arccos

1

2

[(R-G)+(R-B)]

[(R-G)2+(R-B)(G-B)]

1

2

;(RGB)min指R,G,B这3个分量中最小的分量值.

收稿日期:2006-09-16

基金项目:国家自然科学基金资助项目(60573028);东南大学移动通信国家重点实验开放基金资助项目(A200503)作者简介:张书真(1977-),女,湖南桑植人,吉首大学物理科学与信息工程学院讲师,硕士生,主要从事模式识别、数字图象处理研究.

分析(1),(2)式可以发现,饱和度分量S 与亮度分量I 相互关联.图像亮度的增加可以认为是向图像中增加了白光成分,而白光成分的增加必然导致图像饱和度相应地降低,因此HSI 空间内建立肤色模型对光照亮度变化敏感.

由光照理论可知,图像的颜色由照射光源的光谱成分以及图像对入射光谱的反射系数决定,而白光中R ,G ,B 分量应该相等(否则为色光).设若图像的像素对3种基色光的反射系数相差不大,则亮度改变引起的R ,G ,B 分量的改变值 R , G , B 近似相等,即 R = G = B .令R =R + R ,G =G + G ,B =B + B ,则有R -G =R -G ,同理(R -B )、(R -G )、(R -B )、(G -B )的值都不改变.将上述结果代入(3)式,可得色调分量H 的值不随光照亮度的变化而改变.同时,将(1)式与(2)式相乘,得

SI =[R -(RGB )min ]+[G -(RGB )min ]+[B -(RGB )min ]3.(4)

光照亮度改变后,因 R = G = B ,(4)式中[R -(R G B )min ]=[R -(RGB )min ],同理[G -(RGB )min ],[B -(RGB )min ]的值都不改变,即SI 的值不随光照亮度的变化而改变.

通过上述分析,建立起一个改进的H SI I 颜色空间.在该空间中,实际颜色相同的2个像素,在光照亮度变化的条件下,仍然聚集到相同的空间位置上,在其二维投影H SI 平面上可以构造出适应光照亮度变化范围较大的肤色模型.

1.2肤色模型

建立肤色模型前,通过不同光照亮度下肤色点分布的实验证明了上述理论推导的正确性.图1表示了同一块皮肤样本在不同光照亮度下分别在H S 平面和H SI 平面的聚类结果,其中各坐标分量都做了归一化处理.图1-a 表示同一肤色样本在不同光照亮度下的图像,图1-b 表示在H S 平面内肤色点的分

布,图1-c 表示在H SI 平面内肤色点的分布

.图1 不同亮度下肤色样本在H S 面和H SI 面的分布

图2 不同亮度下图像的二值化结果

实验结果清楚地表明:H SI I 空间在光照亮

度变化的条件下具有更好的聚类效果.进行H SI

I 空间的肤色模型训练时,选取了不同光照亮度、不

同背景、不同年龄等因素的皮肤样本共40块,通过

统计分析,给出一个阈值分割的肤色模型:H

[0.00,0.17]且SI [0.02,0.25],或H [0.97,0.

99]且SI [0.02,0.05].

利用上面这个肤色模型,对不同光照亮度下同

一幅彩色图像进行二值化处理,实验结果如图2所

示.图2-a 表示亮度较低的图像及其检测结果,图2

-b 表示正常亮度的图像及其检测结果,图2-c 表

示亮度较高的图像及其检测结果.实验中,图像亮度变化范围虽然较大,但肤色分割的结果大致相同,肤色区域几乎都被检测出来.因70吉首大学学报(自然科学版)第27卷