基于肤色特征和深度模型的人脸检测方法

合集下载

基于肤色模型和中线定位的人脸检测算法

Face Detection Algorithm Based on Skin Color Model and Midline Localization
LIU Zai-ying, ZHU Lin-ling, YANG Ping
(College of Information Science and Technology, Sanda University, Shanghai 201209, China) 【Abstract】The appearances of human face, expression, color and so on are different, which bring difficulties to face detection, such as high false face detection and false dismissal. This paper proposes a multi-face detection algorithm based on skin color model and midline localization. Utilizing the facial skin color information firstly, most of the background regions can be excluded quickly. The approximate face candidate regions can be segmented according to facial external structure features. By projecting the edge detection image to X-axes, the midline position of face can be located, and multi-face detection and localization are realized. A black hair single face detection rate of 93.3% can be obtained for a test photo sequence. Experimental results show that the algorithm proposed in the paper can improve the multi-face detection accuracy and is highly robust to facial expression. 【Key words】face detection; skin color model; midline localization; dominant characteristic; edge detection; projection DOI: 10.3969/j.issn.1000-3428.2013.01.043

一种新的基于肤色模型的人脸检测算法

优越性。
关键词人脸检测肤色模型非线性分段色彩变换几何特征文章编号１０ — ３１（０６１— ０００文献标识码Ａ０２８３一２０）１０７ — ３中图分类号Ｔ３１Ｐ９
ＡｖｌＦａｅＤｅｅｔｏｅｈｄＢａｅｎＳｉｏｅＮｏｅｃｔｃｉｎＭｔｏｓｄｏｋｎＭｄｌ
常见的人脸检测算法一般都具有计算量大、度慢、报率高的弱点。章基于肤色模型，究了基于非线性变换技术的速误文研
方法．并且融合几何特征进行人脸厦其特征点的检测。实验证明，该算法十分有效，速度快、误报率低，相对其它算法具有
维普资讯
一
种新的基于肤色模型的人脸检测算法院，湖长沙４０８）１０２
Ｅｍｉｇｒｉｉ＠１６ｃｎ — ａ：ｉｌｊｌｌｕｅ２．ｏ
摘
要
人脸检测是计算机视觉、模式识别、人机交互研究中一个很受关注的研究热点。人脸模式错综复杂、易受干扰，
ＬｉｉＺｈｎｎｉｇｕＪｅａｇＨａｌｎ
（ｏ１ｅｏｏｐｔｒａｄＣｍｍｕｉｔｎＨｎｎＵｉｒｔ，ｈｎｓａ４０８）Ｃ１ｇｆＣｍｕｅｎｏｅｎｃｉ，ｕａｎｖｓｙＣａｇｈ１０２ａｏｅｉ
难题。
的优越性。
２一种新的基于肤色模型的人脸检测算法
２１肤色模型的获得与颜色空间的选择．

基于肤色模型的人脸检测算法

示：
度分量分离的优点，但由于它可以从ＲＢ格Ｇ式线性变化得到，以所直接应用于物体色彩聚类分析的情况不多，相比之下，其基础上在的变换模型的应用更为普遍［３１。２２高斯模型的建立．由于通过采样得到的是离散的点，所以如果直接通过象素ｃ、ｒｂｃ的值来判断是否就是肤色象素是不现实的，需要通过数学方法建立一个模型，从而得到一个函数，输入一个象素的Ｃ、ｒ，出该象素是ｂＣ值输肤色象素的概率或者直接设置阈值输出判断。假设肤色模型服从高斯分布Ｎ（Ｃ）其中：ｍ，，ｍ是［ｂｃｌ数学期望，ｅ，ｒ的Ｃ是【ｂｃＪ协方差，ｃ，ｒ的即：
ｎｎｅｓａｅｎｔｅｄｉｃｓｉｎｏｋｎｏｏｍｏｅ．ＤｕｎｔｅｔｔｓｉｓｏｏａａｃＤｃｉｈｓｕｓｏｆｓｉｃｌｒｄ１ｉｒｇｈＳａｉｔｆｓｍｅｓｍｐｌｋｎｏｂｉｄｉｇｌｂａｙ，ｃｎｕｌｈｓｉｏｏｃｅｓｉｔｕｌａｍａｅｉｒｒｗｅａｂｉｔｅｋｎｃｌｒｄｍｏｅａｄｕｉｇｔｅｄｌｎｓｎｈｍｏｐｏｏｉａｐｏｅｓｓｌｃｔｅｃｎｉａｅｅｉｎｒｈｌｇｃｔｒｃｓｅｅｔｈａｄｄｔｒｇｏ．Ｔｈｎｔｅａｄｄｔｒｇｏａｅａｉａｅｂｈｉｅｆｃｍｅｄ．Ｕｓｎｅｈｃｎｉａｅｅｉｎｃｎｂｖｄｔｄｙｔｅｅｇｎａｅｌ￣ｏｉｇｔｉｔｏａｏｎｙｅｓｒｈａｃｒｃｆｔｅｄｔｃｉｎｂｔｅｖｒｔｅｄ￣ｃｏｉｅｆｃｍｅｈｄｓｓｏｓａｃａｙａｄｎｈｈｓｍｅｈｄｗｅｃｎｎｔｏｌｎｕｅｔｅｃｕａｙｏｈｅｅｔｕｇｔｏｅｈｅｔｆｅｇｎａｅｏｔｏｌｗｅｒｈｓａｐｒｍｉ．Ｉｔｅｅｄｏｈｐｐｒｂｉｇｏｗａｄａｕｎｎａｙａｏｔｈｗｏｅｐｎｔｅｄｔｃｉｎｓｓｅａｄｕｈｏｔｅｆｌｗ－ｐｗｏｋｎｆｔｅａｅ，ｒｎｆｒｒｓａａｒｂｕｏｔｘａｄｈｅｅｔｙｔｍｏｎｏｔ，ｋｈｏｌｏｕｒ．

基于肤色及五官特征的人脸检测方法

１９．９０
【】３李介谷．图像处理技术【．上海交通大学出版社，９８１８．
（接第１０页）上５
【】５杨枝灵，王开．，ｓａＣ＋等．ｉｌ＋数字图像获取、Ｖｕ处理及实践应用【】民邮电出版社，０．Ｍ．人．３１２０．【祁泽宇，人脸部特征的提取【】海交通大学，９．Ｄ．上１５９
３３定位嘴巴中心点－
和得到眼睛中心点相似，要得到嘴巴的中心点。定位嘴巴也中心点的图像如图１６所示。
■■■
图１嘴巴匹配４图１嘴巴腐蚀５图１嘴巴中点６
４勾勒人脸
维普资讯
维普资讯
本目任辑谢嫒栏责编：媛
的。实现非线性转换的公式如下所示：
．：
．．．开发研究与设计技术．．．．
ｌ’ （ｒ）
＿射（南《
】［］，蜀Ｅ，
（）１＿１
｛三：
ｙｓ）＋警ｉ。
ｆ（）－８ｙ葺１百－１１＜０（Ｙｌ０８Ｋ（）ｇ
■■■ ２
图８Ｃｒ量分图９Ｃｂ分量图睛的亮度匹配．
角形的时候。文采用ＤＡ直线算法。勒本Ｄ勾
出的人脸如图１７所示。
参考文献：
■
图１勾勒人脸７
１３５
维普资讯

基于肤色和几何特征的人脸检测

维普资讯
２０年第８０７期
中图分类号：Ｎ１．３Ｔ９１７文献标识码：Ａ文章编号：０９—２５（０ｒ０ —０８０１０５２２Ｃ）８０４— ４７
基于肤色和几何特征的人脸检测
冯驰，王衢，杜云明
ＦＮｈ，ＷＡＧＱ，Ｄｕ — ｉｇＥＧＣｉＮｕＵＹｎｍｎ
（ｏｅｅｏＩｆｒｔｎａｄＣｍｍｕｉｔ，ａｂｎＥｇｅｒｇＵｉｅｓｙ，ａｂ５０１ｈｎ）ＣｌｇｆｎｏｍａｉｎｌｏｏｎｃｉａｏＨｒｉｎｉｅｉｎｒｉＨｒｉ１００，Ｃｉｎｎｎｖｔｎａ
０引言
在智能化的人机交互过程和对计算机视觉的研究中，人脸可以提供大量有价值的信息，可以作为也
肤色是重要的人脸特征，究表明：研尽管不同种
族、不同年龄、不同性别的人的肤色看上去不同，但这种不同主要集中在亮度上。在去除亮度的色度空
测方法。
人脸检测的定义为：任意给出一幅图像，系统能够准确分析图像中的信息，定人脸在图像中的确确
切位置和范围。
人脸检测的新方法。即在ＹｂｒＣＣ颜色空间中使用隶
属度函数进行肤色分割，后利用人脸几何特征对然分割后的图像进行人脸目标检测。
间里，同人的肤色分布具有聚类性。可以根据这不种聚类性将人脸从背景中分割出来。但是自然界中存在着大量类似肤色的物体，从肤色特征检测人仅脸还是不可靠的，而几乎所有基于肤色特征的方因法都需要利用人脸的其他特征进行验证。

基于人脸肤色和特征的实时检测跟踪算法

维普资讯
第３卷第４４期
２０年４月０７
光电工程
ＯｐｏＥｌｃｒｎｃＥｎｎｅｉｔ — ｅｔｏｉｇｉｅｒｎｇ
Ｖ０．４．１３Ｎｏ．４Ａｐｉ２０７ｒｌ０，
文章编号：１０ — ０（０７０ — ０４０３５２０）４０４ — ５０１Ｘ
ｃａａｔｆｋｎｃｌｒｎＹｂ｜ｏｏｐｃ．ｔｏｓａｐｒｓｄｔｅｎｎｆｃｉａｅａｌｎｔｃｏｄｎｈｒｃｒｉｏｏＣｃｌｓａｅＡｆｒｉｗｓｕｐｅｓ，ｈｏ —ａｅｓｎｒａｗｓｉａｄａｃｒｉｇｅｏｓｉｃｒｅｎｅｓｅｋｅｍｉｅ
ｉｆｒｔｎｆｓｌ，ａｄｔｅｈｋｎａｅｓｓｇｎｅａｅｎｉｕｓａｄｌｓａｌｈｄｄｅｔｈｌｓｅｉｇｎｏｍａｉｉｔｏｒｙｎｈｎｔｅｓｉｒａｗａｅｍｅｔｄｂｓｄｏｔＧａｓｉｎｍｏｅｔｂｉｅｕｏｔｅｃｕｔｒｓｅｓｎ
ｆｅｗｓｒｐｓｄＭｏｉｇｈｍａ—ｏｙｏｊｃｅｅｅｔｃｅｏｖｄｏａｃｒｉｇｔｔｍｐｒｌｉｅｅｃｇａｄｓａｅａａｏｏｅ．ｖｎｕｎｂｄｂｅｔｗｒｘｒｔｄｆｍｉｅｃｏｄｎｃｐｓａｒｏｅｏａｄｆｒｎｉｎｐｎｈ
ｔｈｅｍｅｒｃｃａａｔｒｆｆｃｎｈｏｏｈａｔｒｆｏｇｎｎｆｃ，ａｄｔｅｈａｅｗａｏａｅｎｉｇ．ｏｔｅｇｏｔｈｒｃｅｓｏａｅａｄｔｅｃｌｒｃａｃｅｓｏｒａｓｉａｅｎｈｎｔｅｆｃｓｌｃｔｄｉｍａｅｉｒＡｃｏｄｎｅｆｃｏａｉｎｔｅｈａｎｈｕｄｒａｔｒｅｔｒｄｉｉｅｙｄｉｉｇｃｍｅａｕｉｇｃｎｒｌｔｔｇ，ｃｒｉｇｔｔａｅｌｃｔ，ｈｅｄａｄｓｏｌｅｒｅｃｎｅｅｌｖｄｏｂｒｖｎａｒｓｎｏｔｒｅｙｏｈｏｐｗｅｌｏｓａＳｖｍｅｔｒｃｉｇｗａａｉｅ．ｌｏｄｒｏｅｈｃｅａａｔｂｌｙｆｒｌｈｈｎｅ，ｒｐｒｕｄｔｇｓａｅｙｆｒｈＯｍｏｅｎａｋｎｓｅｌｄＩｒｅｎａｅｔｄｐａｉｔｏｇｔａｇｓｐｏｅｐａｉｔｔｇｏｅｔｒｚｌｔｎｈｉｉｃｎｒｔＧａｓｉｎｍｏｅｐｒｍｅｅｓＷａｒｐｓｄＥｐｒｎｓｓｏｔａｈｒｐｓｄｍｅｈｄｐｒｏｍｓｗｅｌｎｆｃｅｅｔｎｕｓｏｄｌａａｔｒｓｐｏｏｅ．ｘｅｉｍｅｔｈｗｈｔｔｅｐｏｏｅｔｏｅｆｒｌｉａｅｄｔｃｉｏｎｋｎｎｂｔｉｌａｋｒｕｄａｏｌｘｂｃｇｏｎ．ａｄｔｃｉｇｉｏｈｓｍｐｅｂｃｇｏｎｄｃｍｐｅａｋｒｕｄａｒｎ

基于肤色模型和面部特征的人脸检测算法

基于肤色模型和面部特征的人脸检测算法摘要：提出一种基于肤色模型和面部特征的人脸检测算法，在YCbCr 颜色空间建立肤色模型，根据此模型进行肤色分割，为使分割更平滑，进行了形态学处理，再结合面部特征有效除去非人脸肤色区域。

验证了该算法的可行性和高效性。

关键词：人脸检测；肤色模型；形态学处理；面部特征人脸识别是最近几年国际上图像处理和模式识别研究的热点之一。

一个完整的人脸识别系统包括以下4个模块：①人脸检测与分割；②人脸表征和特征提取；③人脸识别；④性能评估模块。

人脸检测模块是人脸识别的前提和基础，只有人脸检测时准确进行人脸定位，后期才能更准确地对检测出来的人脸进行识别。

本文提出了一种基于肤色模型和面部特征的人脸检测，目的是提取每一个属于人脸区域的肤色像素点，主要流程如图1所示。

在由日常生活照片建立的人脸检测图像集上做了许多实验，验证了该算法的可行性和高效性。

图1 人脸检测流程1 肤色模型的建立肤色模型需要选择一个合适的颜色空间并在该空间中确定一个肤色簇。

近几年的研究发现，TSL空间提供了两种高斯密度模型（单峰高斯模型和混合高斯模型），效果最佳。

YCbCr颜色空间与人的颜色感觉是一致的，并且与TSL颜色空间具有相同特性：能将亮度信息与色度信息区分开来，并具有相当紧密的肤色簇。

所以，本文采用在YCbCr颜色空间上建立肤色模型的方法。

IEEE的AnilK. Jain等人从HHI图像库中的137幅图像中手工选取了853 571个肤色像素点，并将它们绘制在YCbCr空间及其各个二维投影子空间中，得到的结果如图2所示。

图2 YCbCr及各二维投影子空间中的肤色点从图2中看出，128≤Y≤185区域中的肤色点是一个柱体，其横截面就是图2（b）中红色的椭圆部分，椭圆中心为（107，153），长轴为25.39，短轴为14.03，与水平方向的夹角弧度2.53；40≤Y≤128以及185≤Y≤240区域用4条二次曲线式来拟合，方程为：首先考虑128<Y<185的情况，它近似为椭圆柱体，只要考虑它在CbCr子空间中的投影，也就是图2（b）中的深色部分。

一种基于肤色和模板匹配的人脸检测方法

为了基于颜色分割人的皮肤区域和非皮肤区域，文献［３］中对不同民族的４０人的肤色在ｒｇｂ模型中的分布进行了分析，研究结果表明人脸肤色在（ｒ，６）空间近似于Ｇａｕｓｓ分布。每个像素为肤色点的概率可以通过下式计算：
Ｐ（ｒ，ｂ）＝ｅｘｐ［一０．５（ —ｍ）Ｃ一（ —ｍ）］（１）其中ｍ是均值，Ｃ是协方差，＝（ｒ，ｂ）。根据式（１）的计算，可以得到一幅图像中每个像素属于皮肤的概率大小，进而得到基于肤色统计特性的似然图。
本文综合运用人脸的颜色特征、外形特征和结构特征进行人脸检测。
１．１肤色模型
ｒｇｂ模型是归～化的ＲＧＢ模型，因为ｒｇ＋６＝１，所以一般只使用（ｒ，ｂ）空间，这样实际上实现了三维空间到二维空间的转化，此外，ｒｇｂ颜色模型还能很好地克服光照的影响。
摘要提出了一种基于肤色分割和模板匹配相结合的人脸检测算法。首先利用ｒｇｂ色彩空间下的人脸肤色模型，对人脸图像进行肤色分割；针对图像中存在的多个肤色区域连接在一起的问题，采用ＳＵＳＡＮ算子提取区域的边界，将连接的肤色区域分开；根据肤色区域的形状特征和欧拉数筛选人脸候选区域；最后利用建立的人脸模板和一种改进的混合匹配准则，对候选人脸区域进行匹配识别。实验结果表明，该方法能较好地从复杂背景中检测出入脸。关键词人脸检测肤色模型ＳＵＳＡＮ边缘检测混合匹配准则

基于肤色模型与眼睛定位的人脸检测方法

节特征，于旋转、情等变化都适用的特性。皮对表肤颜色为人脸检测提供了重要依据。对于彩色图
人脸 ” 区域的特征，后根据被检测区域是否满足然
这些 “ 人脸特征 ” 来判定该区域是否包含人脸。根，据所选择的“ 人脸特征 ” 这类方法有基于肤色模型，
第１０卷
第３期１
２１００年１月１
科
学
技
术
与
工
程
Ｖｏ．１Ｎｏ３ｌＮｏ．０１１０．ｖ２０
１７－１１（００３－８２０６１８５２１）１７２－４・
ＳｃｅｃｃｏｏｙａｄＥｎｉｅｉｇｉｎｅＴｅｈｎｌｇｎｇｎｅｒｎ
像，在确定肤色模型之后，首先可以进行肤色检测。
在检测出肤色像素后，需要根据它们在色度上的相
似性和模型上的相关性分割出可能的人脸区域，同时利用区域的几何特征或灰度特征进行是否是人脸的验证，以排除其它色彩类似肤色的物体。区域分割与验证在很多方法中是密切结合、一考虑统
３１期
全星慧，：等基于肤色模型与眼睛定位的人脸检测方法
７２８３
基于长宽比例和基于有效面积的方法进行。匾匝画茧叵圄＋匝匮堑
蚀、膨胀、、开闭等。运用这些算子及其组合来进行
图像形状和结构的分析及处理。

基于肤色和模板匹配模型的人脸识别新方法研究

颜色空间中，同人种肤色在此空间中是很接近的。此外在颜色空不间中．果光照信息被忽略，们使用的不同的样本数据可以适用如我于高斯变换。颜色可以被标准的定义为：
条件。因为光照信息是ＲＢ格式的。以它必须在颜色空间中被描述。在Ｇ所
文区域中划分出来，个肤色模型必须满足所有的肤色和不同的光照果．中通过使用这种技术进行肤色分割的的图像可见图２这
这种疑似可能的皮肤图像的是一幅灰度图，其像素的的灰度值
及简单阈值方法把可能是肤色的区域从非肤色的区域中被分离，得代表了其本身属于肤色的可能性的大小，因此，个肤色模型作用这使到灰度图像；第二步在肤色区域的正面人脸被定位。通过上述步是把一张彩色图像转换为一张灰度图，得灰度图每个像素的灰度值表示该像素属于皮肤区域的概率。骤。度值图像中肤色区域从非肤色区域中被分割出来．像中亮灰图
同用于不同人种及不同光照条件下的肤色模型是需要的．面将介绍制的版本的灰度值图像，时各区域被做了标识。分割可通过使用下

人脸检测算法

人脸检测算法（转）2009-03-01 23:06人脸检测是一个开放性的，比较活跃的研究课题。

在人脸检测算法中，依照时间顺序的发展有模板匹配模型，肤色模型，ANN模型，SVM模型，Adaboost模型等。

其中Adaboost 模型在速度与精度的综合性能上表现最好。

前段时间，把各个模型的算法都实现了一次，并比较了一下：模板匹配模型：不需要训练，但是精度比较差，速度较慢；基本的思想就是通过一个人脸模板与待检测图象匹配，寻找匹配的位置。

肤色模型：通过统计学习的方法，估计出人脸肤色在Y-Cr-Cb颜色空间中的概率模型，然后对检测点的肤色通过训练的概率模型的估计判断该点是否属于人脸区域，然后再进一步判断。

下面是结合肤色模型与模板匹配的效果图：可见该方法的精确度不是很高，有很多漏检与误检的地方。

ANN与SVM方法：该方法是基于机器学习的方法，以人脸像素作为分类器的输入，然后判断区域是否是人脸。

由于训练图象的尺度是固定的，但是检测做不到尺度不变，所以需要对多个尺度的图象进行检测，造成检测速度比较慢。

另外ANN的训练速度也很慢，同样数据量的情况下，ANN训练大约要17小时，但是SVM算法训练2分钟就可以得到一个较好的分类模型了。

但是两者的检测速度都比较慢。

下面是SVM算法的检测效果图：Adaboost算法：是目前人脸检测最为成功的算法之一，该算法的特点就是训练慢，检测快。

实验中采用的弱分类器是一种双阀值分类的方法，与opencv中的cart算法不一样，同时与Voila的原始算法也不同。

另外在训练过程中采用了动态调整阀值的方法，使得分类器需要的弱分类器大大的减少了。

下面是用Adaboost算法的效果图，注意该检测算法的速度是最快的。

只要1秒的时间。

试验代码：/source/585029与/source/616511人脸检测算法(2)人脸检测不仅是全自动人脸识别系统的基本步骤，而且本身也可以独立的应用于视频监控、图像检索等领域，因而具有重要的研究价值。

一种基于肤色和脸部特征的人脸特征点检测算法

肤色区域经过ＲＢ三通道二值化处理后呈现绿色和Ｇ黄色（２ｄ（），图（）ｈ）而没有经过亮度补偿处理的肤色区域没有规律可循（２ｅ（）。对经过亮度补偿图（）ｇ）
之后的图像用色彩特征进行检测，就可以获得如图３
（）原始图像ａ
所示的候选肤色区域。
由于ＹｂｒＣＣ色彩格式具有与人类视觉感知过程相类似的构成原理，同时它也能够将亮度和色彩信息
的彩色图像中进行肤色检测。对每一个肤色区域构建
特征模板用于人脸眼和嘴特征点的检测。人脸特征检测模块可以排除不包含眼和嘴特征的类肤色区域。
分离，从而可以有针对性的处理其中某些对肤色有影响的信息，从而有利于实现亮度补偿。首先将图像由
维普资讯
第３６卷
第１期
航空计算技术
ＡｅｎｕｉａｍｐｔｇＴｃｎｑｅｏｒａｔｌＣｏｕｉｅｈｉｕｃｎ
Ｖｏ．６Ｎ．１３ｏ１
２００６年１月
Ｊｎ２ｏａ．０６

领域有着广泛的应用价值。目前的人脸检测算法大致可以分为两类：整体表
示法，在低质量图像中寻找人脸方面比较有效；使用脸
图１脸部检测算法框图
部特征的几何特性的算法，可以有效解决人脸出现不
同朝向时的人脸检测问题… 。但是由于人脸的多样性，基于整体表示的方法需要大量的训练样本，而基于特征的算法通常会遇到脸部特征提取和验证的的问题。肤色信息的使用可以有效简化人脸定位，但是它
１９

基于肤色特征的人脸检测算法的研究

ｌ
ｒ＝（～。ｗ）十（。ｗｗ）ｈ１ｘ／。ｑｘ／２Ｘ／ｙ
‘
－ ≤ｘＷ ≤０
０ｘＷ ≤ ≤
ｉ（ｒａ［］Ｊ＞．＋．５ｆｍＡｒｙｉ［］胁０１Ｏ０）
ｍＡｒｙｉ【］ｌｒａ［ｊ＝；Ｊ
模式降为二维。而在这个二维平面上，肤色的区域相对集中，可以用高斯分布来描述这种分布。
４７－— － —
计算机光盘软件与应用
工程技术
ＣｍｕｅＤＳｆｗｒｎｐｌｃｔｏｓｏｐｔｒＣｏｔａｅａｄＡｐｉａｉｎ
ｓｌｒｙａｄｔｅｍｅｏａｅｎｓｉｇｏｎａｒｅｉｎＴｅｆｒｒｔｏｒｓａｅｒｇｏＲｒｉｌｒａｃｌｔｎａｄｉａｉｎｔｄｂｓｄｏｋｎｒｉｎａｄｈｉｒｇｏ．ｈｍｅｈｄｍａｋｃｉｎａｅｍａｉｃｌｕａｉｎｍｉｔｈｈｅｏｍｅｆｅｓｉｙｔｏ
２１年第ｌ０１７期
首先采用训练的方法通过计算得到一个分布中心，然后根据所考察的像素点和该中心的距离得到一个和肤色相似的度，继而得到一个相似度分布图，再按照一定的规则对该分布图进行二值化，从而最终确定肤色的区域。训练时，利用如下公式确定均值Ａ方差Ｃ和：
ｆａｕｅ，ｎｄｔｎｅｌｅｔｎｌａｅｄｔｃｉ．ｅｔｒｓａｈｅｒａｉｆａｃｅｅｔｏｎｚｈｅｉｆ
Ｋｅｗｏｄ：ａｅｄｔｃｉｎＳｉｏｏａｕｅＦｃｇｏａｔｉｎｙｒｓＦｃｅｅｔ；ｋｎｃｌｒｅｔｒ；ａｅｒｉｎｐｒｉｏｏｆｅｔ

基于肤色特征的人脸检测算法

【关键词】人脸检测；：色彩空间；肤色模型；色分割；肤形态学运算；几何特征
１引言．
图像中常用的色彩模型。Ｙｒｂ色模型中。在ＣＣ颜Ｙ分量表示颜色在生物特征识别技术中．脸识别相对于其它识别技术来讲．的亮度．ｒ和Ｃ人Ｃｂ分量分别为红色分量和蓝色分量相对于参考
征的色彩属性将人脸检测方法分为基于肤色特征的方法和基于灰
度特征的方法和旋
转、等变化情况。相对的稳定性并且和大多数背景物体的表情具有
着色相区别。因此肤色特征在人脸检测中是最常用的一种特征本文提出了一种基于肤色特征的人脸检测方法首先进行色彩空间转
换（ＧＲＢ到Ｙｒｂ空间１利用颜色信息将彩色图像分割成肤色区ＣＣ．再域和非肤色区域，然后对检测到的肤色区域进行形态学运算和运用知识和几何特征进行处理。确定位出人脸的位置实验证明本算正
法速度快．测率较高。检２肤色区域分割２１彩空间选择．色・
ｆ．５＾Ｒｒ２５ｎⅨ
｛Ｑ．５２既 ∞ ５
ＩＣ２５ｍⅨ Ｂｒ．５，
对一种颜色而言，计算机中有不同的表达方式．样就形在这成了各种不同的色彩空间，因此．用何种形式的肤色模型与色使度空间的选择密切相关。常用的颜色模型主要有：Ｇ．ＣＣＲＢＹｒｂ等，面分别介绍本实验中用到的ＲＢ和Ｙｒｂ颜色模型。下ＧＣＣ２１１ＧＢ色彩空间．．Ｒ所说的彩色图像。通常都是ＲＧＢ色彩空间．在ＲＢ模型Ｇ通过建立的肤色模型，将所输入图像的三基色ＲＧＢ值进行、、中，种颜色出现在红、、的原色光谱分量中．个模型基于调整、然后转换为Ｙｒｂ间．在实验中按照ＤｕｌｈｉＮ每绿蓝这ＣＩ空＝ｏｇａＣａ和．ｓ

基于肤色模型和区域特征的人脸检测方法

［ｓｒｃｌＰｅｉｏｎｐｅｒｐｒｉｌｒｅｉｎｆａｅｄｔｃｏｙｔｍ．ｎｏｄｒｏｇｔｃｕａｅｐｅｉｉｎａｄｆｓｓｅｄｔｉｐｐｒＡｂｔａｔｒｃｓｎａｄｓｅｄａｅｔａｐａｓｉｒｓｃｅｅｔｎｓｓｉｗｏａｃｔｏｏｆｉｅＩｒｅｅｃｒｔｒｃｓｎｔｐｅ，ｈｓａｅｔａｏａ
ｔｒｕｈａｘｅｉｎｍｅｏｆｍｏｓｉ，ｅｔａｔｅｌｎｙｓｕｉｉｉｇｔｅｂｉｔｍｏｅｓａｄｌａｅｈｅｔａｏｎｓｂａｅｎｔｅｒｇｏａｈｏｇｎｅｔｎｓｏｔｄｏｈａｃｘｒｃｓｔｉａｄｅｅｔｚｎｈｕｌｄｌｎｏｃｔｓｔｅｃｎｒｌｐｉｔｓｄｏｈｅｉｎｌｈｐｌｆａｕｅＥｘｒｍｅｔｈｗｈｔｈｔｏｅｏｍｓｅｓｌｄｌｃｔｓｐｏｎｓａｃｒｔｌ．ｅｔｒ．ｐｅｉｎｓｓｏｔａｅｍｅｄｐｒｒａｉａａｅｉｔｃｕａｅｙｔｈｆｙｎｏ
域的人脸检测方法。该方法采用肤色模型提取肤色像素，利用拓展的马赛克方法获取人脸区域，构建模型并提取嘴唇和眼睛，结合区域特征定位中心点。实验结果表明，该方法简单易行、定位精确。关奠诃：人脸检测；肤色模型；马赛克方法；区域特征
ＦａｅＤｅｅｔｏｅｈｄＢａｅｎＳｉｏｅｎｇｏａａｕｅｃｔｃｉｎＭｔｏｓｄｏｋｎＭｄｌｄＲｅｉｎｌａＦｅｔｒ

基于肤色模型与人脸结构特征的人脸检测

性等。
１建立肤色模型
１１图像预处理及颜色提取．
肤色模型是根据大量样本的统计所建立的。
所以需要采集大量的人脸图像资源来计算它的统
计特征。样本资源的格式和尺度大小，物，照人光背景等都不相同，因此就将样本图片统一规定为ｊｇｐ格式，度为３０×３０的正常室内光照人脸彩色尺００
红（９９），女，师，硕士，究方向：能１７一讲研智
图１人脸样本
图２样本裁剪区域
５８１０
科
学
技
术
与丁程源自１０卷１２颜色空间转换．
在计算机视觉中，常采用的彩色空间主要有经
ＲＢ，ＳＨＩＹｂｒＹＱ，Ｕ等。其中ＹｂｒＧＨＶ，Ｓ，ＣＣ，ＩＹＶＣＣ作为肤色分布统计特性的映射空间，由于亮度和色度相互分离，且在色度空间上两个向量ＣＣ相互独ｂｒ立，能够较好地反映肤色的聚类特性。使用ＹｂｒＣＣ
１００４０
１０２００１００００
ｃ分布图ｒ
迥８０００
船套６０００
４０００２ｏｏＯ
Ｏ
作为肤色空间，有如下特点 ¨ ：１具３（）在该空间下，Ｊ
ｃ颜色信息分割出可能包含人脸的区域，ｒ然后在各

基于肤色与边缘特征的人脸定位检测算法

基于肤色与边缘特征的人脸定位检测算法
温红艳，董晓倩
（明理工大学信息工程与自动化学院，南昆明６０５）昆云５０１
摘
要：针对由于外貌、表情、肤色等不同，给人脸检测带来很大困难的问题，提出一种基于肤色特征与边缘检测相
ｄｆｉｕｌｉｓｉｆｃｄｔｃｔｏｎ，ｈｉｐａｅｒｐｒｓｎｔａａｅｅｅｔｏｍｅｈｂａｅｋｉｃｏｒｆａｕｅａｄｄｇｉｆｃｔｅｎａｅｅｅｉｔｓｐｅｅｓｆｃｄｔｃｉｎｔｏｄｓｄｏｎｓｎ— ｏｌｅｔｒｓｎｅｅ
第３卷第３０期２１００年６月
桂林电子科技大学学报
ＪｕｎｌｏｉｉｉｅｓｔｆＥｌｃｒｎｃＴｅｈｎｌｇｏｒａｆＧｕｌｎＵｎｖｒｉｙｏｅｔｏｉｃｏｏｙ
Ｖｏ．３Ｎｏ．３１０。
Ｊｎ．００ｕ２１
快、法简单、位率高、测效果好。方定检
关键词：人脸检测；肤色特征；缘检测；自适应阅值边
中图分类号：Ｐ９．Ｔ３１４文献标识码：Ａ文章编号：１７— ０Ｘ（０００ —２２０６３８８２１）３０１ —４
ＡｂｔａｔＡｓｔｅａｐａａｃｆｈｍａａｅ，ｅｐｅｓｏｓｒｃ：ｈｐｅｒｎｅｏｕｎｆｃｘｒｓｉｎ，ｃｌｒａｄＳｎａｅｄｆｅｅｔｈｓｉｅａｇｅｔｄａｆｏｏｎＯｏｒｉｆｒｎ，ｔｅｅｇｖｒａｅｌｏ

基于肤色模型和层次滤波技术的人脸检测

人脸检测，即使在脸部特征没有被很好的检测出的情形下也可以较好完成人脸检测。
关键词：图像处理；肤色模型；层次滤波；人脸检测；最佳匹配椭圆
中图法分类号：Ｐ９．１Ｔ３１４
文献标识码：Ａ
文章编号：００７２（００１．２３０１０ —０４２１）９４５—４
ｅｅｅｅｅｆａｕｅｅｎｔｌｄｆｅ．ｖｎｗｈｎｔｓｅｔｒｓｏｌｅｎｄｈｒａｗｅｉＫｅｒｓｉｇｒｃｓｉｇｓｉｃｓｙｗｏｄ：ｍａｅｐｏｅｓｎ；ｋｎｌｕｄｌｈｅａｃｉａｌｒｇｆｃｅｅｔｏ；ｂｓ－ｔｅｌｓｏｍｏｅ；ｉｒｒｈｃｌｔｉ；ａｅｄｔｃｉｎｉｆｅｎｅｔｌｐｅｉｆｉ
Ｆａｅｄｔｃｉｎｂｓｄｏｋｉｏｕｓｍｏｄｌｎｅａｃｉａｌｅｉｃｅｅｔｏａｅｎｓｎｌｃｅｄｈｉｒｒｈｃｌｆｔｒｎｇａｉ
ＺＨＡＯＷｅ — ｏｇｎｄｎ
（ｕｉｎｎｔｕｅｆｅｈｏｏｙｕｉａ２０３ｈｎ）ＨａｉｓｔｔｏＴｃｎｌｇ，Ｈａｎ２３０，ＣｉａｙＩｉ ’
ｏｍｅｆｉｌｅｔｒｓｖｒｎｅｆｉｅｉｔｎｉｅｄｃｎｅｔｄｃｍｐｎｎｒｇｍｅｔｏｌｆｃｌｅｉｓｒｌｃｄｅｕｔｆｏｃａｆａｕｅ，ａａｃｘｌｎｅｓｉａｎｃｏｏｅｔｒｅｎ）ｎｙａｉｇｏｅｅｅｔ．Ｒｓｌｓａｉｏｐｔｓｎｏｅａａｎ，ａｒｎａｓｅｓｓｏａｏｒｙｔｍａｅｃｃｓｎｅｌｔｉｅｅｔｏｄｉｎ（ｚ，ｏｅｔｔｎｉｕｎｔｎａｄｃｍｐｅａｋｒｕｄ，ｈｗｔｔｕｓｃｎｄｔｔａｅｄｄａｗｉｄｆｒｎｎｉｏｓｓｅｒｎａｏ，ｌｍｉａｏ，ｎｈｓｅｅｆａｈｃｔｉｉｉｌｉｏｌｘｃｇｏｎ）ｂ

人脸提取的算法

人脸提取的算法人脸提取算法是计算机视觉领域中的一项重要技术，它通过图像处理和机器学习方法，从图像或视频中准确地提取出人脸区域。

本文将介绍几种常用的人脸提取算法，并分析它们的原理和应用。

一、Viola-Jones算法Viola-Jones算法是一种经典的人脸提取算法，它结合了Haar特征和AdaBoost分类器。

该算法首先使用Haar特征进行特征提取，然后利用AdaBoost算法来训练一个级联分类器，最后通过级联分类器来检测人脸区域。

Viola-Jones算法具有速度快、准确率高的特点，广泛应用于人脸识别、表情分析等领域。

二、Skin Color算法Skin Color算法是一种基于肤色信息的人脸提取算法，它利用人脸区域的肤色信息来进行提取。

该算法首先通过肤色模型来对图像进行颜色分割，然后根据肤色分割结果进行形态学处理和连通区域分析，最终得到人脸区域。

Skin Color算法简单易实现，但对光照和阴影等因素较为敏感，适用于特定环境下的人脸提取。

三、基于深度学习的算法近年来，基于深度学习的人脸提取算法取得了很大的突破。

通过使用深度卷积神经网络（CNN）等方法，可以实现高精度的人脸提取。

这些算法通常通过大规模的人脸数据集进行训练，学习到了丰富的人脸特征表示。

基于深度学习的人脸提取算法在人脸识别、人脸表情分析等领域取得了很好的效果。

四、特征点检测算法特征点检测算法是一种通过检测人脸关键点来进行人脸提取的方法。

该算法首先通过人脸关键点检测器（如Dlib、OpenCV等）来检测出人脸的关键点位置，然后根据这些关键点位置来提取人脸区域。

特征点检测算法可以准确地提取人脸区域，并且可以用于姿态估计、人脸变形等应用。

五、基于图像分割的算法基于图像分割的算法是一种通过分割图像来提取人脸的方法。

该算法首先使用图像分割方法（如GrabCut、MeanShift等）对图像进行分割，然后根据分割结果来提取人脸区域。

基于图像分割的人脸提取算法适用于复杂背景下的人脸提取，但对于光照和阴影等因素较为敏感。

基于肤色特征的人脸检测技术研究

２ＫｙａｏａｏｙｏＡｖｎｅｌｔｃｌｎｉｅｉｄｎｒｅｈｏｇ，ｉｎｎｏｔｃｎｃＵｉｒｉ，．ｅｂｒｔｄａｃｄｅｒａｇｎｒｇａｅｙＴｃｎｌｙＴａｉＰｌｅｈｉｎｖｓｙＬｒｆＥｃｉＥｅｎｎＥｇｏｊｙｅｔ
Ｔｎｉ３０８，ｈａｉｊ０３７Ｃｉ）ａｎｎ
ＡｂｓｒｔＡａｅｄｔｃｉｎａｄｏａｉｎｅｈｓｐｏｓｄｔｎｕｔｐｌａｅｎａｉｇ．Ｔｉｍａｅｉｔａｃ：ｆｃｅｅｔｏｎｌｃｔｍｔｏｄｉｒｐｏｅｏｆｄｍｌｉｅｆｃｓｉｍａｅｏｉｌｉｇｓｅｃａｇｒｍｈｎｅｆｏＲＧＢｏｌｒｓｃｏＹＣｒｏｏｐｃ．ｅｓｎｐｉｅｓｃｎｂｅｄｔｃｅｃｏｒｎｏｔｉｉｔｉｕｔｏｃｏｐａｅｔＣｂｃｌｒｓａｅＴｈｋｉｘｌａｅｅｔｄａｃｄｉｇｔｒｄｓｒｂｉｎｈｅｉＹＣｒｏｌｒｓａｅＡｎｓｌｔｄｎｏｓｏｉａｌｅｅＴｈｅｐｓｂｌａｅａｅｓｃｎｂｅｅｍｉｄｂｔｅｎＣｂｃｏｐｃ．ｄｉｏａｅｉｅｐｎｔｃｎｂｅｆｔｒｄ．ｉｏｓｉｅｆｃｒａａｅｄｔｒｎｅｙｈｐｏｅｔａｕｔｏｍｅｈｄ．ｈｅｆｃｒａａｂｔｒｉｅｃｏｄｎｇｔｈａｅｓｒｔａｈｒｃｅｉｔｏｔｔｎｉｌｎｃｉｎｔｏＴａｅａｅｓｃｎｅｄｅｅｍｎｄａｃｒｉｏｔｅｆｃｔｕｃｕｒｌａａｔｒｓｉｆｍｈｅｆｃｃｒｐｓｉｌａｅａｅｓＴｈ，ｕｔｐｅｆｃｓｄｔｃｉｎｃｎｂｅｌｚｄ．ｍｕａｉｎｒｓｌｓｐｏｔＳｖｌｄｏｓｂｅｆｃｒａ．ｕｓｍｌｉｌａｅｅｅｔｏａｅｒａｉｅＳｉｌｔｏｅｕｔｒｖｅｉ’ ａｉ．Ｋｅｒ：ｆｃｅｅｔｏ；ｓｉｏｌｒｐｏｅｔａｎｔｏｃｌｒｓｃｙｗｏｄｓａｅｄｔｃｉｎｋｎｃｏ；ｔｎｉｌｃｉｎ；ｏｏｐａｅｕｆ