基于新的肤色模型的人脸检测方法

合集下载

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．

基于肤色建模与人眼定位的人脸检测方法

中，由于人脸图像背景一般比较复杂，人脸结构、位置、表
脸检测是很不可靠的，因而几乎所有基于肤色特征的方法都
需要利用人脸的其他特征进行验证。因此本文提出一种基于
情的变化以及光照等因素影响，使得人脸检测成为了计算机视觉和模式识别中较为困难的工作。人脸检测需要考虑多方面的因素，既要保证较高的正确率，又要保证较低的误解率。如何能快速、准确地检测到人脸是计算视觉和模式识别领域的重点研究课题。现有的人检测方法可分为两类，一类是基于知识的方法，另一类是基于学习的方法。基于知识的方法是基于特定的规则进行人脸检测，而规则来源于关于人脸模式的先验知识总结出 “ 人脸特征区域 ”与 “ 人脸特征脸 ”的方法，这类方法有几何特征法、模板匹配法、肤色模型法；基于学习的方法收集大量人脸和非人脸样本，然后得到机器学习算法，通过学习得到一个分
近年来，人脸识别、表情识别和性别识别等已成为计算机视觉和模式识别领域的热门话题。而人检测是上述几种研
究课题的一项关键技术，因此受到了广大研究者们的高度关
肤色是人脸的重要信息，具有相对的稳定性并且和大多
（林电子科技大学电子工程与自桂动化学院，广西桂林５１０）４０４
【摘要】根据肤色在Ｙｃｃｒｂ色彩空间中具有很好的聚类性，通过形态学算法对肤色建模之后的图像进行预处理，消除噪
声，再对肤色进行分割，从而可以对人脸图像有一个大致的定位，并通过平均眼睛模板匹配法定位出人的眼睛，在此基础可以比较精确的定位出人脸位置。实验结果表明，该方法用于人脸检测取得较为良好的效果，具有较好的鲁棒性。

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．

基于混合肤色模型的快速人脸检测算法

ｃｅｌｄｔｃｔｅｕｍａｆｃｆｏｉｎｔｙｅｅｔｈｈｎａｅｒｍｔｅｏｌｘｈｃｍｐｅｂａｇｏｎｄｏｏｉｇｓａｄｃｋｒｕｃｌｒｍａｅ，ｎｈａｅｏｄｏｓｎｓｏｔｉｌｖｇｏｒｂｕｔｅｓｆｈｅｌｕｍｉａｉｎｈｎｅ．ｎｔｏｃａｇ
域进行预处理，出人脸区域。实验结果表明，输该算法能快速有效地从复杂背景的彩色图像中检测出
人脸，光照变化具有较好的鲁棒性。对
关键词：颜色空间；光线补偿；肤色模型；人脸检测
中图分类号：Ｔ７１１Ｐ５．文献标识码：Ａ文章编号：１７ — ７０２１）８Ｏ４ — ４６４７２（００１－０８０
境光照变化及光照不均的影响，入了自适应光线补偿算法；ＲＢ颜色空间中运用多项式模型对引在Ｇ
光线补偿后的彩色图像进行肤色区域粗检测；用ＲＢ颜色空间中的多项式模型和颜色空间中的高采Ｇ斯模型相结合，先前所提取的肤色区域做进一步精确的肤色区域提取；后，二值图像的连通区对最对
Ａｂｔｃ：Ａｘｄｃｌｒｍｏｅａｅｎｈｃｍｐｅｉｏｈａｋｒｕｄｃｌｒｉｇｏａｔａｅｄｔｃｉｎａｇｒｔｍｉｓｒｔａｍｉｅｏｏｄｌｂｓｄｏｔｅｏｌｘｔｆｔｅｂｃｇｏｎｏｏｍａｅｆａｆｓｙｆｃｅｅｔｌｏｉｏｈｓｐｏｏｅｎｔｅｐｐｒｉｔ，ｉｒｅｏｏｅｃｍｅｔｅｉａｔｏｈｎｉｎｎａｉｈｈｎｅａｄｕｅｅｌｍｉａｉｎｎａａ — ｒｐｓｄｉｈａｅ．Ｆｒｌｎｏｄｒｔｖｒｏｈｍｐｃｆｔｅｅｖｒｍｅｔｌｌｔｃａｇｎｎｖｎｉｕｎｔ，ａｄｐｓｙｏｇｌｏｔｅｉｈｃｍｐｎａｉｎａｇｒｈｉｌｔｏｅｓｔｌｏｔｍｉｉｄ；Ｓｃｎｌｖｇｏｉｓｔｃｅｅｏｄｙ，ｐｌｎｍｉｌｍｏｅｔｄｔｃｓｉｏｉｈｏｅｓｔｄｏｏｍａｅｉｓｄｎｏｙｏａｄｌｏｅｅｔｋｎｆｌｔｃｍｐｎａｅｃｌｒｉｇｓｕｅｉｇｔｅＧＢｃｌｒｓａｅｈＲｏｏｐｃ；Ｔｅｈｎ，ｔｅｐｌｎｍｉｌｍｏｅｎＲＧＢｏｏｐｃｉｃｍｂｎｄｗｔｈｕｓａｄｌＹＣＣｒｃｌｒｓａｅｅ — ｈｏｙｏａｄｌｉｃｌｒｓａｅｓｏｉｅｉｔｅＧａｓｉｎｍｏｅｇｏｏｐｃｘｈｔｃｕｔｅｒｃｕａｅｃｌｒｒｇｏｎｏｈｒｖｏｓｘｒｃｉｎｆｃｌｒａｅ；Ｆｎｌ，ｔｍａｅｐｅｒａｍｅｔｏｈｉａｙｉｒｔｆｒｒｍｏｅａｃｒｔｏｏｅｉｎｉｎｔｅｐｅｉｕｅｔａｔｏｏｏｒａａｈｏｉａｌｙｏｋｒｔｅｔｎｆｔｅｂｎｒｍ－ａｅｃｎｅｔｄｅｉｎｅｅｍｉｅｔｅｏｔｕｆｔｅｆｃｒｇｏｇｏｎｃｅｒｇｏｄｔｒｎｓｈｕｐｔｏｈａｅｅｉｎ．Ｅｐｒｍｅｔｌｒｓｌｓｏｔａｈａｇｒｈｘｅｉｎａｅｕｔｈｗｈｔｔｅｌｏｉｍｃｎｕｃｌａｄｆ — ｓｔａｑｉｋｙｎｅｉ

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

基于肤色建模和眼睛亮度检测的人脸定位技术研究

基于肤色建模和眼睛亮度检测的人脸定位技术研究摘要：提出了基于肤色建模和眼睛亮度检测的方法对彩色图像中的人脸进行检测。

在检测前，先对图像进行光线补偿，再通过肤色模型获得可能的脸部区域，最后根据眼睛在人脸固有位置亮度检测人眼，最终确定人脸区域。

通过实验测试说明，该方法对人脸的检测达到了较好的效果。

关键词：人脸检测；光线补偿；肤色建模人脸作为图像与视频中重要的视觉对象之一，是智能人机接口等许多应用的处理目标对象。

近年来，人脸检测技术在模式识别、计算机视觉、人机交互等诸多领域引起了普遍重视。

人脸检测技术在计算机视觉等领域的研究中有着重要的意义：一方面，将人脸作为基本视觉对象来考虑，是自动检测与人脸识别、人脸跟踪、表情识别、人脸合成与人脸编码、唇读等技术的必要前提；另一方面，人脸检测技术有着从智能安全监控、电子商务、视频会议和远程教育、基于内容的检索等诸多领域的广泛应用。

人脸检测是指在使用计算机在输入图像中判断人脸是否存在，若存在，确定人脸的大小、位置。

人脸检测系统的输入可能包含人脸图像，输出是关于图像中是否存在人脸及人脸数目、位置、尺度、姿态等信息的参数化描述。

具体地说，就是根据一定的算法确定输入图像是否存在人脸，如果存在的话，标出人脸的位置作为人脸检测系统的输出。

1 肤色建模肤色是人脸最重要的信息，而且肤色不受面部细节特征、旋转、表情变化以及饰物遮挡等情况的影响。

不同种族、性别人的肤色差异主要体现在亮度上。

要提高肤色的聚类性就要消除亮度的影响。

经过实验验证，在YCrCb色彩空间下，利用肤色模型求相似度矩阵返回每个像素是否为肤色的概率Fmod。

获取矩阵的最大值对相似度矩阵进行归一化。

计算整张图片的亮度平均值。

归一化之后的每个矩阵点乘以255，如果该值仍然小于整张图片的Y分量平均值，则认为该点不是人脸的皮肤。

最后把认为是人脸皮肤的像素点置为白色，其余的点置为黑色，得到黑白二值图像。

其中，RGB色彩空间转换YCrCb色彩空间如式（1）所示，YCrCb 空间下肤色相似度Fmod计算如式（2）所示。

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

基于肤色的人脸检测研究

摘要对于有背景的彩色图像，肤色是人体表面最显著的特征之一，以肤色特征是人脸检测中一个重要的特征［２。肤色特征主所１ｌ～
要由肤色模型描述，检测方法可以分为颜色选择，肤色区域分割和人脸检测三个步骤。文章提出的肤色模型可以较好的适应光照变化，采用
ＡｂｓｒｃＦｏｏｏｒｉｇｓｗｉｈｃｒａｎｂｃｇｒｕｎｔａｔｒｃｌｍａｅｔｅｔｉａｋｏｄ，ｃｌｒｏｋｎｉｔｅｍｏｔｉｏｔｎｈｒｃｅｆｔｅｂｄｕｆｃｏｏｆｓｉｓｈｓｍｐｒａｔｃａａｔｒｏｈｏｙｓｒａａ，ｓｋｎｃｌｒｉｏｓｉｏｏｓａｐｒａｔｃａａｔｒｉａｅｄｔｃｉｎＳｉｈｒｃｅａｅｄｓｒｄｂｙｓｎｃｌｒｍｏ１ｎｉｏｔｎｈｒｃｅｎｆｃｅｅｔｏ．ｋｎｃａａｔｒｃｎｂｅｃｉｋｉｏｏｄｅ．Ｔｈｅｅｔｏｔｄｃｎｂｉｉｅｎｏｃｌｒｍｂｅｅｄｔｃｉｎｍｅｈｏａｅｄｖｄｄｉｔｏｏｓｌｃｉｎｋｎｃｌｒｓｇｎａｉｎａｄｆｃｅｅｔｏｅｅｔｏ，ｓｉｏｏｅｍｅｔｔｏｎａｅｄｔｃｉｎＴｈｋｎｃｌｒｍｏｅｓｐｅｅｅａｌａａｔｔｉｆｒｎｉｈＯｄｔｎＵｓｎ．ｅｓｉｏｏｄｌｗａｒｓｎｔｄｃｎｗｅｌｄｐｏｄｆｅｅｔｌｔＣｎｉｉ．ｇｏｉｇｔｅｓｉｏｏｓｄｆｃｅｅｔｏｈｋｎｃｌｒｂａｅａｅｄｔｃｉｎ，ｄｆｅｅｔｓｚｓｉｅｅｔｐｌｎｎｅｔｉｏａｉｎｌｆｔｅｆｃｏｕｄｂｕｃｙｄｔｃｅ．Ｉｈｅｉｆｒｎｉｅ，ｄｆｒｎａｅａｄａｃｒａｎｒｔｔｆｏｎａｇｅｏｈａｅｃｌｅｑｉｋｌｅｅｔｄｎｔ

基于肤色HSV颜色模型下的人脸实时检测与跟踪

基于肤⾊HSV颜⾊模型下的⼈脸实时检测与跟踪
基于肤⾊HSV颜⾊模型下的⼈脸实时检测与跟踪
崔昌华;朱敏琛
【摘要】提出⽤于视频电话、监视与监控等场合的⼈脸实时检测跟踪⽅法.⾸先运⽤差分图像快速提炼出运动物体的外接矩形,消除背景对肤⾊检测的影响,缩⼩肤⾊搜索的范围;然后利⽤肤⾊在空间的聚类特性检测⼈脸,利⽤HSV颜⾊模型中的⾊调H的范围抽取肤⾊,去除亮度对肤⾊的影响.实验表明,这种检测和跟踪⽅法是快速有效的,与单独运⽤HSV⽅法相⽐它能更好地处理背景对肤⾊的影响.
【期刊名称】《福州⼤学学报（⾃然科学版）》
【年(卷),期】2006(034)006
【总页数】5页(P826-830)
【关键词】差分图像;HSV模型;⼈脸跟踪
【作者】崔昌华;朱敏琛
【作者单位】福州⼤学数学与计算机科学学院,福建,福州,350002;福州⼤学数学与计算机科学学院,福建,福州,350002
【正⽂语种】中⽂
【中图分类】基础科学
第 3 4 卷第 6 期福州⼤学学报（⾃然科学版）V 01.3 4 N o ． 6 20 06 年12 ⽉ Jo u r n a l of F u z h o u U niv e rsity( N atu ral S cie n c e)D e c.2 0 0 6⽂章编号：1 0 0 0 -2 2 4 3 ( 2 0 0 6 ) 0 6 - 0 8 2 6 - 0 5基于肤⾊ H S V 颜⾊模型下的⼈脸实时检测与跟踪崔昌华，朱敏琛（福州⼤学数学与计。

基于肤色模型的人脸检测算法研究

ｃｓｅｕｈａｅｖｎｏｓｎｉｈｏｅｓｔｇＳｃｎｌｅｓｄｓｃｓｒｍｏｉｇｎｉｅａｄｌｇｔｃｍｐｎａｉ．ｅｏｄｙ，ａｓｉｂｅｓｉｄｌｉｕｌａｅｎｔｅｃｌｒｓａｅ，ｉｉｈｔｅｓｉｏｏｏｔｕｎｕｔｌｋｎｍｏｅｓｂｉｂｄｏｈｏｏｐｃａｔｓｎｗｈｃｈｋｎｃｌｒｃｎｏｒｉｅｅｔｄｏｔｒｕｈｙａｄｆｃａｅｔｒｓａｅｌｃｔｄａｃｒｉｇｔｈｒｏｎｗｌｄｅＳｈｔｏｈｒａｅｓａｅｅｉｎｔｄｓｄｔｃｅｕｏｇｌｎａｉｆａｕｅｒｏａｅｃｏｄｎｏｔｅｐｒｋｏｅｇＯｔａｔｅｒａｒｌｌｉｍｉａｅ．Ａｔｌｓ，ｔｅａｇｒｈｉｅｉｅａｔｈｌｏｔｍｓｖｒｄｉｉｆ
【摘要】利用一种基于肤色的２ａｓａ模型和一定的先验知识实现了人脸快速检测。首先对一幅图像进行去噪、ＤＧｕｓｎｉ光线补偿等预处理，然后根据颜色空间特性建立适宜的肤色模型，测出大致的肤色轮廓，检对面部特征根据先验知识实现定位，而剔除从
ＷＡＮＧｎｏｇ，ＩＤｅｇｕ，ＸＵｎｎ，ＳｙｎＹａｈｎＬｎｈｉＹａｉｇＵＮＸｉａ
（Ｓｏｌｎｒａｏｎｏｍｎａｏ；ｎｉｔｏＩｏａｎＴｈｏｇ，ｕｉＵｉｒｔｏｌｔｎｅｎｌｙＧｎｘＧｉ１０，ｈａｃｏｏｆｍｔｎｄＣｍｕｉｔｎｈＩｔｅｎｒｔｅｎｌｙＧｉｎｅｉｅｒｉＴｃｏｏ，ｎｇｉｕｉ５０４Ｃｉ）ｈｆＩｏｉａｃｉｓｔｆｍｉｃｏｕｆｏｌｎｖｓｆＥｃｏｃｈｇａｙｌ４ｎｎ

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

基于肤色及改进的Adaboost算法的人脸检测

，＇ＩＴＪ
ｕｊ干斥０奄常ｙ朋
ＥｌｅｃｔｒｏｎｉｃＳｃｉ．＆Ｔｅｃｈ．／Ｓｅｐ．１５．２０１３
基于肤色及改进的Ａｄａｂｏｏｓｔ算法的人脸检测
王寻，赵怀勋，刘锡蔚
ｆａｌｌｏｕｔｒａｔｉｏａｎｄｆａｌｓｅｄｉｓｍｉｓｓａｌｐｒｏｂａｂｉｌｉｔｙｏｆｆａｃｅｄｅｔｅｃｔｉｏｎｉｎｃｏｍｐｌｉｃａｔｅｄｂａｃｋｇｒｏｕｎｄｉｍａｇｅｓ，ｔｈｕｓｉｍｐｒｏｖｉｎｇｔｈｅ
ｂｏｏｓｔａｉｔｒｈｍｅｔｉｃｂｙＨａｒｒｒｅｃｔａｎｇｌｅｆｅａｔｕｒｅｅｘｐａｎｄｉｎｇａｎｄｓａｍｐｌｅｗｅｉｇｈｔｓｕｐｄａｔｅ．Ｔｈｉｓｍｅｔｈｏｄｓｏｌｖｅｓｔｈｅｐｒｏｂｌｅｍｓｏｆ
（１．武警工程大学研究生管理大队，陕西西安
摘要
７１０西安７１００８６）
为提高人脸检测的实时性和准确率，提出一种基于肤色与改进的Ａｄａｂｏｏｓｔ算法结合的人脸检测新方法。
像人脸检测的漏检、错检问题，提高了检测速度和精度。关键词人脸检测；色彩空间；肤色模型；ＡｄａｂｏｏｓｔＴＰ３９１．４１文献标识码Ａ文章编号１００７— ７８２０（２０１３）０９—０１８— ０４中图分类号

基于HS-CbCrCg肤色模型的人脸检测算法

第４３卷第ｌ２期
２０１３年ｌ２月
激光与红外
ＬＡＳＥＲ＆ＩＮＦＲＡＲＥＤ
Ｖｏ１．４３，Ｎｏ．１２
Ｄｅｃｅｍｂｅｒ，２０１３
文章编号：１００１ — ５０７８（２０１３）１２ — １４０２￣４
ＦａｃｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅＨＳ－ＣｂＣｒＣｇｓｋｉｎｍｏｄｅｌ
ＺＨＡＮＧＬｉ，ＷＡＮＧＬｉｅ－ｊｕｎ，ＺＨＯＮＧＳｅｎ — ｈａｉ
（ＩｎｓｔｉｔｕｔｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３００４６，Ｃｈｉｎａ）
对不同光照条件下的输入图像进行光补偿和图像增强的预处理，然后利用ＨＳ — ＣｂＣｒＣｇ颜色空
间建立肤色模型对图像进行肤色判别，之后用改进的Ａｄａｂｏｏｓｔ算法检测肤色区域的人脸信
息，最后对重点区域重检测判别出确信人脸。实验数据表明，此方法对比传统的人脸检测方法，处理速度更快同时能够降低人脸漏检率和误检率。
・图像与信号处Ｃｇ肤色模型的人脸检测算法

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

简单直观，这使得彩色图像处理与人类视觉感受自然而然地结合了起来。肤色是人脸的重要信息，具有相对的稳定性并可和大多数背景物体的颜色相区别，也与物体的大小、伸缩及姿态基本
上无关
／ＩＫ］ｆＹ∈ ，ｈ
第ｌ卷１
第１期ｌ
电手元嚣件主用
ＥｅｔｏｉｏｏｅｔＤｅｉｅＡｐｌａｉｎｌｃｒｎｃＣｍｐｎｎ＆ｖｃｐｉｔｓｃｏ
Ｖｏ．１１Ｎｏ１１．ｌ
Ｎｏ．２ｏｖ０９
２０年１ｆ０９ｌｌ
ｄｉＯ３６０ｉｎ１６－７５２０．１３ｏ：．９９．ｓ．５３４９．０９１．０ｌｓ０
２新的肤色算法
ＨｕＲＬ方法虽然可以较好进行人脸肤色ｓ的检测，但是，Ｈｓ的椭圆模型则是根据大量ｕＲＬ
肤色点在Ｃｒｃ区域的分布规律建立起来的，不
一
（ａ）肤色点在ｙｃ空间的分布ｒ
２３，
式中，Ｃ表示ｃ或是ｃ，Ｗｑ４．７ＷＬ＝ｉｂｒ＝６，９ｑ
Ｈｃ＝１ｈ４，Ｗｃ３８６，ＷＬｃ＝２ＷＨｃ，１，．７０，＝０
这，＝
值都调整为最大的２５整幅图像的其它像素点５。
基于新的肤色模型的人脸检测方法
李莹莹，宋凯，牛慧萍，常瑜亮，郭纯宏
（阳理工大学，辽宁沈阳１０５）沈１１９
摘要：提出了一种新的肤色检测算法。新算法抛弃了事先通过大量肤色样本统计得到的肤
色模型来进行肤色检测的传统方法，而是针对单幅图像中的肤色分布，在空间中进行区域分割，同时结合肤色信息来有效检测出肤色区域。实验证明，这种肤色检测算法的鲁棒性能
一一～一一唧～
ｆ／ｒ
＜ｙ
（）１
Ｗｃｙ＝，）（
１ＨｕＲＬ色检测算法ｓ肤
ＨｕＲＬｓ在论文中提出了一种可变光照及复
＋ｃ（）ｂ＝ｙ
螂＋
杂背景下的肤色检测算法。该算法应用于人脸检测中可以取得较好的效果。ＨｕＲＬｓ首先采用一种光照补偿算法『１ｌ。它将整个图像中所有像素的亮度从高到低进行排
色的检测，所以，ＨｕＲＬ论文中提出了一种ｓ在
式识别、图像处理、计算机视觉以及在数字视频处理、视觉监测等方
非线性变换方法，以消除色度对亮度的依赖关
系。其非线性变换公式如下：
的色彩值也都按这一调整尺度进行变换肤色检测时，由于在Ｈｓ采用的Ｙｂ度空间中，色ｕＲＬＣＣ色
收稿日期：０９０ — ７２０—９２
Ｋｌ１５Ｋｈ＝８＝２１８，，
些参数均是Ｈｓ大量训ｕＲＬ由
好，能应用于复杂背景，且对光线变化不敏感。
关键字：肤色模型；图像处理；水平下移算法；肤色分割
０引言
人脸检测一直是一个研究热点。它涉及到模
度值ＣＣ对亮度值Ｙ总是存在着一定的非线性的ｂ依赖关系，这种依赖关系在很大程度上影响了肤
练样本中估计取得的。
ＨｕＲＬＨｅｒｈＨａ — ｎｔｕｅ（Ｈ）图ｓ对ｉｉ — ｅｚＩｓｔｔＨＩｎｃｉ
像库图片中的肤色点进行了统计。图１示是肤所
９电子元嚣件盔用２０．１ｕｖｃａｎ２０９１ｗｎ．ｄ．ｅｃ
１４一５＇
Ｃ（）ｒ＝ｙ
ｌ４＋５
列，然后取前５％的像素，如果这些像素的数目足够多，就将它们的亮度作为 “ 考白” （ｅ－参Ｒｆ
ｅｎｅＷｈｔ．即将它们的色彩的Ｒ、Ｇ、Ｂ量ｒｃｉ１ｅｅ分
定适合每张输入图像。对每幅图像来说，肤色
点的聚类分布范围很小，而且位置分布不同。如
在图２所示的肤色分布中，其有些区域（如红色），相对于肤色点来说，范围就扩大了，以至于Ｈｕｓ
第１０第１期１２卷年ｌ１０９１月
撬壤帚鸯
Ｖ１１ｏ１ｏ１Ｎ．．１
ＮＯＶ．２９０ｏ
瑚瑚
对图像中的每个像素进行检测，若其变换后的ｃｈＧ值在椭圆区域之内，则视为肤色像素点，否ｒ则。为非肤色像素点。
面有着重要的应用价值。目前国内外的研究中。围绕彩色图像中肤色这一特征的算法越来越多。
同时利用肤色进行定位和分割也比较快速准确，
（ｙ而Ｃ＋㈣ｃ）（Ｗ乙ｉ一 ’ （
ｃｙ＝ｉ）（Ｃ（）ｉＹｙ。＞ｒＫｈＹ