基于肤色检测和Hough变换的彩色图像人眼定位_陈佳佳

合集下载

基于肤色及AdaBoost算法的改进的人脸检测[1]

８０
计算机应用与软件
２００９年
范围，提高监测速度；然后根据肤色分割方法获取最可能的人脸区域，最后利用改进的ＡｄａＢｏｏｓｔ算法进行人脸的定位，可将检测到的人脸信息存入视频服务器中。另外，本检测框架包含报警模块，可设置人脸出现的上限，如果检测到人脸数目超过规定上限，系统可产生报警信号，并将人脸信息结合时间信息记录到视频服务器中，以供后期查询。这样可以只记录场景中感兴趣的人脸图像，节约存储空间，方便网络传输。
的目标是自动地从弱分类器空间中挑选出若干个弱分类器整合
７］成一个强分类器。Ｖｉｏｌａ等［在此基础上提出了一种基于Ｈａａｒ
型特征的Ａｄａｂｏｏｓｔ算法，并用这一算法学习瀑布型正面人脸检测器。但是基于ＡｄａＢｏｏｓｔ算法的人脸检测同样也有一定的局限性，即对于侧面及多姿态的人脸图像检测正确率不高。本文采用了结合肤色检测及改进ＡｄａＢｏｏｓｔ算法的人脸检测技术，提高了人脸检测的准确率，并保证了快速人脸检测的速度。
ＡｂｓｔｒａｃｔＡｎｉｍｐｒｏｖｅｄｈｕｍａｎｆａｃｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｃｏｍｂｉｎｉｎｇｃｏｍｐｌｅｘｉｏｎｄｅｔｅｃｔｉｏｎａｎｄＡｄａＢｏｏｓｔａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｉｔｕｓｅｓｃｏｍｐｌｅｘｉｏｎｄｅｔｅｃｔｉｏｎｔｏｇｅｔｓｕｓｐｉｃｉｏｕｓｈｕｍａｎｆａｃｅｒｅｇｉｏｎｓ，ａｎｄｔｈｅｎｄｅｔｅｃｔｓｔｈｅｆａｃｅｓｂｙｔｈｅｉｍｐｒｏｖｅｄＡｄａＢｏｏｓｔａｌｇｏｒｉｔｈｍａｎｄｍａｒｋｓｔｈｅｍ．Ｗｅａｐｐｌｙｔｈｉｓｍｅｔｈｏｄｉｎｉｎｔｅｌｌｉｇｅｎｔｓｕｒｖｅｉｌｌａｎｃｅｓｙｓｔｅｍａｎｄｔｈｅａｌａｒｍｍｏｄｕｌｅｉｓｓｅｔｔｏｅｎａｂｌｅｔｈｅｒｅｃｏｒｄｏｆｔｈｅｓｕｓｐｉｃｉｏｕｓｆａｃｅｉｎｆｏｒｍａｔｉｏｎｉｎｖｉｄｅｏｓｅｒｖｅｒ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｃｏｍｐｌｅｘｉｏｎｄｅｔｅｎｔｉｏｎｃａｎｄｅｔｅｃｔｓｋｉｎｒｅｇｉｏｎｓｆｒｏｍｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄａｎｄｒｅｄｕｃｅｓｔｈｅｓｃａｎｎｉｎｇｒｅｇｉｏｎｓｗｉｔｈｔｈｅＡｄａＢｏｓｓｔａｌｇｏｒｉｔｈｍａｓｗｅｌｌａｓｔｈｅｄｅｔｅｃｔｉｎｇｔｉｍｅ；ｔｈｅｉｍｐｒｏｖｅｄＡｄａＢｏｏｓｔａｌｇｏｒｉｔｈｍａｄｄｓｔｈｅＤｉｓｃｒｉｍｉｎａｎｔｆｕｎｃｔｉｏｎｉｎｔｏｔｈｅｓｔｒｏｎｇｃｌａｓｓｉｆｉｅｒｔｒａｉｎｉｎｇｓｔａｇｅｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｆａｃｅｄｅｔｅｃｔｉｏｎ．ＫｅｙｗｏｒｄｓＦａｃｅｄｅｔｅｃｔｉｏｎＣｏｍｐｌｅｘｉｏｎｄｅｔｅｃｔｉｏｎＡｄａＢｏｏｓｔａｌｇｏｒｉｔｈｍＩｎｔｅｌｌｉｇｅｎｔｓｕｒｖｅｉｌｌａｎｃｅｓｙｓｔｅｍ行补偿，然后再检测图像中的肤色区域。这样解决了彩色图像

基于肤色和Gabor纹理的粒子滤波人脸跟踪

基于肤色和Gabor纹理的粒子滤波人脸跟踪田天;陈刚【摘要】Tracking method based on single color information may suffer interference from similar color. There exist limitations when applied to complex scenes. Aiming at this problem, this paper proposes an algorithm combining skin color and Gabor texture in the basic frame of particle filtering. It extracts skin color histogram and Gabor texture eigenvector for face region from video frequency, then calculates particle weights and estimates system state. Democratic integration strategy is applied to adaptively adjust fusion weights of these observational features, thus to enhance higher target description reliability. Better tracking accuracy canbe achieved by taking advantage of color video skin detection, multi-resolution, multi-orientation texture extraction of Gabor filter group, and particle filter’s adaptability to non-Gaussian, nonlinear systems. Experimental results show this method is robust to overcome interference of irrelevant skin color region, complex texture background, target occlusion or fast moving.%基于单一颜色信息的跟踪方法容易受到相似颜色的干扰，应用于复杂场景时存在局限性。

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

基于肤色补偿的人脸彩色照片高光修正方案

维普资讯
广西科 Байду номын сангаас 院学报
ＪｕｎｌｆＧｕｎｘａｅｆＳｉｎｅｏｒａａｇｉｏＡｃｄｍｙｏｃｅｃｓ
２０，４２：５９０８２（）９～７
Ｖｏ．２Ｎｏ．Ｍａ２０８１４，２ｙ０
基于肤色补偿的人脸彩色照片高光修正方案
ＴｈｅＵｓｇｏＨｉｈｌｇＣｏｒｃｉｎａｅｆｇｈｔｉｒｅｔｏＭｅｈｏＢａｅｏｔｄｓｄｎＣｏｐｘｏｏｒｎｓｔｏｌｒＦａｅＰｈｔｏｍｌＸｎＣｏｐｅｓｉｎＩＣｏｃＩｏｅｉｌｍａ。ｎｏＩａＰＩ０Ｏｏ
Ｆｉａｌａｔａｉｅｈｅｃｍｐｅｏｏｐｎａｉｎｗｉｈｅｕｃｎｅｅａｏｏｕｎｔｔｏｒｃｌｎｌｙ，ｃｕｌｚｓｔｏｌｘｉｎｃｍｅｓｔｏｔｒｄｉｇｓｖｒｌｃｌｒｑａｉｙｃｒｅｔｙ
ＣａｚｏＧｕｎｄｎ，２０１Ｃｈｎ）ｈｏｈｕ，ａｇｏｇ５１４，ｉａ
摘要：于ＲＢ色彩空间模型，合人脸肤色特征和皮肤高光特征，用手动指定高光中心及设置皮肤修正基Ｇ结采基色的方法，出基于肤色彩色分量补偿的高光修正方案，通过计算机对方案的修正效果进行实验验证．提并该方案根据人脸肤色特征对相片中人脸区域进行分割，别出与皮肤高光灰度相近的眼白，珠反光等非处理识眼区域，后根据肤色特征和皮肤高光程度对高光区各颜色分量进行恰当的减量处理，现人脸彩色照片高光然实修正．方案简单可行，控性强，以对大多数人脸彩色照片进行较好的高光修正．该可可

基于肤色分割和改进Gabor滤波相结合的人脸检测

基于肤色分割和改进Gabor滤波相结合的人脸检测张国伟;于金霞;陈现查【摘要】针对人脸检测问题,提出了一种基于肤色分割和改进Gabor滤波相结合的方法;该方法首先基于YCbCr空间对图像中的背景区域和人脸肤色进行分割,以消除大量的背景区域提高运算速度;接着利用改进的Gabor滤波对提取出来的人脸肤色区域进行卷积得到人脸的特征向量,并和通过训练样本获得的特征向量进行比较以验证是否为人脸;最后通过实验分析,验证了所提方法能够在保证检测精度的基础上有效提高运算速度.【期刊名称】《计算机测量与控制》【年(卷),期】2010(018)001【总页数】4页(P136-138,141)【关键词】人脸检测;改进Gabor滤波;肤色分割【作者】张国伟;于金霞;陈现查【作者单位】河南理工大学计算机科学与技术学院,河南,焦作,454003;河南理工大学计算机科学与技术学院,河南,焦作,454003;江苏省图像处理与图像通信重点实验室,江苏,南京,210003;河南理工大学计算机科学与技术学院,河南,焦作,454003【正文语种】中文【中图分类】TP240 引言近年来,人脸检测已经成为模式识别的研究热点之一。

人脸检测是实现人脸自动识别的第一步,其实质上是实现人脸与背景(非人脸)分离,从各种不同的背景环境中确定人脸的存在,并且确定人脸的数目和位置。

目前,人脸检测的方法可以分为4类[1-4]：基于知识的方法、特征不变量方法、模板匹配方法和基于表象的方法。

在基于表象的人脸检测方法,最经典的是特征脸方法[4](或PCA方法)。

现有的方法大多是基于图像对每个窗口进行复杂计算以确定其是否为人脸[5-6]。

实际上,存在人脸的窗口数量远远小于不存在人脸的窗口数量,并且很多背景区域和人脸的差别很大。

因而,可通过肤色来快速过滤掉大量的背景区域。

对于较复杂的背景区域,可以使用训练好的滤波器作进一步的特征提取和验证。

综上分析,本文提出了一种基于肤色分割和改进Gabor滤波相结合的人脸检测方法：首先基于YCbCr空间对图像中的背景区域和人脸肤色进行分割,以消除大量的背景区域提高运算速度;接着利用改进的Gabor滤波对提取出的人脸肤色区域进行卷积得到人脸的特征向量,并和通过训练样本获得的特征向量进行比较以验证是否为人脸,最后通过实验分析,验证了所提方法能够在保证检测精度的基础上有效提高运算速度。

基于区域生长与Hough变换的虹膜定位方法

ＮａｈｉｍｐｓＳｕｈＣｈｎｒｌｉｅｓｔ，ｓａ，ａｇｏｇ５８２，ｉａｎａＣａｕ，ｏｔｉａＮｏｍａｖｒｉＦｏｈｎＧｕｎｄｎ２２５ＣｈｎＵｎｙＬＩＡＮＧｎＺＥＮＧｑｎ．ｒｓｌｃｔｎｍｅｈｄｂｓｄｏｅｉｎｇｏｎｎｕｈｔａｓｏｍ．ＣｏＹａ，ＢｉｉｇＩｉｏａｉｔｏａｅｎｒｇｏｒｗｉｇａｄＨｏｇｒｎｆｒｏｍｐｔｒＥｎｉｅｒｎｎｕｅｇｎｅｉｇａｄ
关键词：区域生长；ｕｈＨｏｇ变换；虹膜识别；虹膜定位ＤＯ：０３７８ｉｎ１０．３１０２０．７文章编号：０２８３（０２０．２００文献标识码：中图分类号：Ｐ９Ｉ１．７８．ｓ．０２８３．１．０ｓ２８５１０．３１２１）８００．３ＡＴ３１
摘
要：快速、准确地定位虹膜是虹膜识别系统的关键。在分析了传统虹膜定位算法的基础上，出了一种把区域生长与Ｈｏｇ提ｕｈ
变换相结合的虹膜定位方法，利用区域生长搜索虹膜的内边缘，根据图像的灰度变化规律，索位于外边缘的若干个点，搜利用Ｈｏｇｕｈ变换找出外边缘所在位置。实验结果表明，该方法易于实现，减少搜索的盲目性，可提高定位速度。
ＣｍｕｒｎｉｅｎａｄｐｌａｏｓｏｐｔＥｇｅｒｇｎＡｐｉｔｎ计算机工程与应用ｅｎｉｃｉ
基于区域生长与Ｈｏｇ变换的虹膜定位方法ｕｈ

基于肤色模型和人眼几何特征的人眼定位算法

色落人Ｃｒ＝［３：７１Ｃ —Ｅ７１７范围内，认为１３１３和ｂ７：２１就
是属于肤色像素，否则就认为是非肤色像素。
般的图像都是基于ＲＢ空间，ＧＧＲＢ模型是根据颜
所以规定，点的Ｃ和Ｃ值满足：若ｒｂ
分布在各个原色分量中。在ＲＧＢ空间里，脸的肤色受人
０引言
随着信息技术的飞速发展，信息安全越来越重要，计
算机识别在信息安全方面有着非常重要的地位，人眼检测是计算机识别的一个重要研究方向之一。眼睛是人脸部的一个重要特征，目前对人脸或人眼识别中，人眼定位是
１３≤ Ｃ３ｒ≤ １３７
７７≤ ≤ １７２
色发光的原理来设定的，每种颜色出现在红绿蓝的原色光谱分量中，没有单独考虑亮度的影响，度对颜色的影响亮
肤色的影响程度。
本文采用将ＲＧＢ颜色空间转换为ＹＣＣ颜色空间ｂｒ的方法。ＹＣＣｂｒ色彩空间来自于ＣＩｃｍｍｅｄｔｎＣＲＲｅｏｎａｉｏ
６１格，中，表示亮度，为１０规其Ｙ值５到２５代表明亮程３，
第１卷第８１期
２１年８Ｏ２月
软件导刊
ＳｔａｅＧｕｉｏｆｗｒｄｅ
ＶＯ．１ＮＯ８１１ＡＩ２２２１．Ｏ１
基于肤色模型和人眼几何特征的人眼定位算法

基于肤色的人脸检测研究

１人脸检测技术
人脸检测系统是一种基于信息处理的模式检测系统。它主要包括两大部分：特征提取部分与模式检测部分。前半部分的作用是从人脸图像中提取能够反映不同人的人脸差别的有效信息；后半部分的作用是对于前半部分所提取的信息进行模式分类。这两部分的关系是采用级联的形式，也就是说最终的检测效果由这两部分共同决定。基于肤色的人脸检测技术，是一项检测人脸位置的信息处理技术。它与指纹，虹膜等生物特征检测技术是属于一类，目前人脸检测技术在国内是一项相对成熟的信息技术。它主要的应用范围是在需要确定人脸位置的设备上，例如数码相机等电子设备。而人脸检测技术的检测方法也有很多种，而基于肤色的人脸检测技术是当下应用最多，也是相对简单，实用的一种检测方法。而我们常见的手机，数码相机，安防检测系统，人脸考勤机等都在应用着人脸检测技术。在当下的技术发展前景上来说，基于肤色的人脸检测技术是拥有非
一
３人脸检测技术的应用
以上所说的就是基于肤色的人脸检测技术的原理。简单的说就是利用人脸肤色的色值与周围环境的色值的区别来突出人脸的位置，从而达到定位的效果。但是这样的检测方法仅仅是一种初级的，而且并未加工过的检测结果，我们知道一个照片中会有许多人出现，而这些人并不一定都是我们所需要的那个主角。那么如何能够让我们的照相机在使用了这个人脸检测功能的同时，迅速捕捉到图像的主角昵？那么就需要将这个人脸检测技术进行升级处理，如图１所示。当我们运用数码相机对图像进行人脸检测定位处理后，突然之间出现了一个不速之客进入图像，我们应该怎么办呢？我们都知道数码相机有一种功能是只能调焦，也就是在确定了图像目标之后，数码相机对图像进行定位分析，并且对所定位的图像进行自动调焦使图像清晰化。所以当图像中出现主次人物的时候，就需要相机进行智能识别，到底哪一个才是真正需要对焦的人物。如此一来简单的二值化处理出来的图像就不能够满足数码相机的需求了。那么到底该如何处理这样的情况呢？首先，我们对原来的二值化处理的图片进行分析，如果脸部图像定位出来后，出现两种情况，一种是只有几个完整的脸，那么图像对焦就可以正常进行，如果图像中出现几个完整的脸型之外，还有一些大大小小的区域也被定位了，那么我们就要考虑哪些是需要对焦的人了。为了解决这一问题，我们设定了一个区域范围，当人脸的图像大小超过这个区域范围，我们就将该人脸锁定为主要人物图像，并且对其进行聚焦的程序运行。如果图像中出现的人脸大小小于这个区域范围，那么我们就将该人脸图像进行忽略处理。如此做的原因主要是为了防止图像中有其他人物

一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及系统[

专利名称：一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及系统
专利类型：发明专利
发明人：陈嘉莉,蒋念娟
申请号：CN201810138228.5
申请日：20180514
公开号：CN108510500A
公开日：
20180907
专利内容由知识产权出版社提供
摘要：一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法，其特征在于，包括，检测人脸区域和特征点；肤色区域处理；肤色区域以及特征点轮廓、抠头掩码mask等信息，得到人脸掩码mask；人脸掩码处理，边缘过渡自然；渲染各图层，生成最终的形象。

本发明提供了一种基于人脸肤色检测的虚拟人物形象的头发图层处理方法及系统。

由于在抠头中头发抠图的难度较大，抠头发的效果会由于各种背景和服装的影响而变得不自然，所以本发明采用了让头发放在身体和服装图层的后面的方案，遮盖住不自然的头发部分，使得生成的人物形象更加美观。

申请人：深圳市云之梦科技有限公司
地址：518000 广东省深圳市南山区粤海街道高新科技园后海大道2388号怡化金融科技大厦10层国籍：CN
更多信息请下载全文后查看。

基于肤色和眼睛定位的人脸检测算法——MATLAB实现

本文提出了一种基于肤色信息和眼睛粗略定位的人脸检测算法。

该算法先对Anil K.Jain 的Cb、Cr椭圆聚类方法进行了改进，用改进的算法进行肤色提取，经过肤色区域的分析，对人脸区域进行预检测，确定人脸可能区域，然后再根据眼睛的粗略定位进一步确定人脸区域。

一、肤色分析(skin.m)Anil K.Jain提出的基于YCbCr颜色空间的肤色模型，根据当前点的Cb Cr值判断是否为肤色。

1% Anil K.Jain提出的基于YCbCr颜色空间的肤色模型2% 根据当前点的Cb Cr值判断是否为肤色3function result = skin(Y,Cb,Cr)4% 参数5 a = 25.39;6 b = 14.03;7ecx = 1.60;8ecy = 2.41;9sita = 2.53;10cx = 109.38;11cy = 152.02;12xishu = [cos(sita) sin(sita);-sin(sita) cos(sita)];13% 如果亮度大于230，则将长短轴同时扩大为原来的1.1倍14if(Y > 230)15 a = 1.1*a;16 b = 1.1*b;17end18% 根据公式进行计算19Cb = double(Cb);20Cr = double(Cr);21t = [(Cb-cx);(Cr-cy)];22temp = xishu*t;23value = (temp(1) - ecx)^2/a^2 + (temp(2) - ecy)^2/b^2;24% 大于1则不是肤色，返回0；否则为肤色，返回125if value > 126result = 0;27else28result = 1;29end二、眼睛粗略定位(findeye.m)30% 判断二值图像中是否含有可能是眼睛的块31% bImage----二值图像32% x---------矩形左上角顶点X坐标33% y---------矩形左上角顶点Y坐标34% w---------矩形宽度35% h---------矩形长度36% 如果有则返回值eye等于1，否则为037function eye = findeye(bImage,x,y,w,h)38% 根据矩形相关属性得到二值图像中矩形区域中的数据39% 存放矩形区域二值图像信息40part = zeros(h,w);41% 二值化42for i = y:(y+h)43for j = x:(x+w)44if bImage(i,j) == 045part(i-y+1,j-x+1) = 255;46else47part(i-y+1,j-x+1) = 0;48end49end50end51[L,num] = bwlabel(part,8);52% 如果区域中有两个以上的矩形则认为有眼睛53if num < 254eye = 0;55else56eye = 1;57end三、人脸检测(facedetection.m)58function facedetection(img_name)59% 读取RGB图像60I = imread(img_name);61% 转换为灰度图像62gray = rgb2gray(I);63% 将图像转化为YCbCr颜色空间64YCbCr = rgb2ycbcr(I);65% 获得图像宽度和高度66heigth = size(gray,1);67width = size(gray,2);68% 根据肤色模型将图像二值化69for i = 1:heigth70for j = 1:width71Y = YCbCr(i,j,1);72Cb = YCbCr(i,j,2);73Cr = YCbCr(i,j,3);74if(Y < 80)75gray(i,j) = 0;76else77if(skin(Y,Cb,Cr) == 1)78gray(i,j) = 255;79else80gray(i,j) = 0;81end82end83end84end85% 二值图像形态学处理86SE=strel('arbitrary',eye(5));87%gray = bwmorph(gray,'erode');88% imopen先腐蚀再膨胀89gray = imopen(gray,SE);90% imclose先膨胀再腐蚀91%gray = imclose(gray,SE);92imshow(gray);93% 取出图片中所有包含白色区域的最小矩形94[L,num] = bwlabel(gray,8);95STATS = regionprops(L,'BoundingBox'); 96% 存放经过筛选以后得到的所有矩形块97n = 1;98result = zeros(n,4);99figure,imshow(I);100hold on;101for i = 1:num102box = STATS(i).BoundingBox;103x = box(1); %矩形坐标x104y = box(2); %矩形坐标y105w = box(3); %矩形宽度w106h = box(4); %矩形高度h107% 宽度和高度的比例108ratio = h/w;109ux = uint8(x);110uy = uint8(y);111if ux > 1112ux = ux - 1;113end114if uy > 1115uy = uy - 1;116end117% 可能是人脸区域的矩形应满足以下条件：118% 1、高度和宽度必须都大于20，且矩形面积大于400119% 2、高度和宽度比率应该在范围（0.6,2）内120% 3、函数findeye返回值为1121if w < 20 || h < 20 || w*h < 400122continue123elseif ratio < 2 && ratio > 0.6 && findeye(gray,ux,uy,w,h) == 1124% 记录可能为人脸的矩形区域125result(n,:) = [ux uy w h];126n = n+1;127end128end129% 对可能是人脸的区域进行标记130if size(result,1) == 1 && result(1,1) > 0131rectangle('Position',[result(1,1),result(1,2),result(1,3),result(1,4)],'EdgeColor','r'); 132else133% 如果满足条件的矩形区域大于1则再根据其他信息进行筛选134for m = 1:size(result,1)135m1 = result(m,1);136m2 = result(m,2);137m3 = result(m,3);138m4 = result(m,4);139% 标记最终的人脸区域140if m1 + m3 < width && m2 + m4 < heigth141rectangle('Position',[m1,m2,m3,m4],'EdgeColor','r');142end143end144end四、主函数(main.m)145%清理窗口146close all147clear all148clc149% 输入图像名字150img_name = input('请输入图像名字(图像必须为RGB图像，输入0结束)：','s');151% 当输入0时结束152while ~strcmp(img_name,'0')153% 进行人脸识别154facedetection(img_name);155img_name = input('请输入图像名字(图像必须为RGB图像，输入0结束)：','s');156end。

基于肤色检测和导向滤波的人脸美化技术

基于肤色检测和导向滤波的人脸美化技术吴颖斌【摘要】常见的人脸美化算法在美化人脸皮肤的同时,容易模糊头发、眼睛等非皮肤区域的细节性信息,导致最终美化结果视觉效果不佳.基于此,提出了一种基于肤色检测和导向滤波的人脸图像皮肤美化技术,首先对原始图像进行导向滤波处理,然后采用肤色检测算法从原始图像中检测皮肤区域和非皮肤区域,根据检测结果,将原始图像中的非皮肤区域和导向滤波后的皮肤区域进行融合处理,最后获得美化后的图像.实验结果显示,本算法美化之后的人脸皮肤自然光滑,又保留了非皮肤区域的细节信息,视觉效果更佳,且算法简单容易实现.【期刊名称】《运城学院学报》【年(卷),期】2018(036)003【总页数】4页(P8-11)【关键词】肤色检测;导向滤波;人脸美化;图像融合【作者】吴颖斌【作者单位】运城学院数学与信息技术学院,山西运城044000【正文语种】中文【中图分类】TP391引言随着计算机、数码影像及网络技术的发展，特别是近年来智能手机的普及和移动通信技术的发展，人们可以简单快捷地获取、存储和传输数码照片，同时人们对于照片的美观度也有了更高的要求，尤其是人脸图像照片。

早期一般通过图像处理工具类软件，如Photoshop，对人脸图像进行美化处理，这种纯手工处理方式效率低下，而且需要用户具有一定的图像处理知识及经验，因此自动化人脸图像美化技术受到广泛研究与关注。

Arakawa[1]较早进行自动人脸图像美化技术的研究，至今已有众多人脸图像美化算法被提出，但这些算法在时间复杂度、美化效果及细节纹理保持等方面不能很好兼顾。

韩静亮[2]等通过二值化图像粗略分离出人脸图像中的眼睛、鼻子及嘴巴等特征区之后，再对其他区域进行迭代多级中值滤波处理，最后获取美化之后的人脸图像，算法复杂度较高。

邱佳梁[3]等提出一种肤色纹理保留的实时性的人脸美化方法，首先估计肤色相似度图，然后计算肤色粗糙度，得到肤色纹理保留平滑图像，最后对肤色相似度图和肤色纹理保留平滑图像进行融合、美白处理，整个算法过程繁琐，计算量较大。

基于肤色检测和Hough变换的彩色图像人眼定位

基于肤色检测和Hough变换的彩色图像人眼定位
陈佳佳;黄穗
【期刊名称】《微计算机信息》
【年(卷),期】2010(026)005
【摘要】提出一种基于肤色检测和Hough变换两步快速定位人眼的方法.通过YCbCr肤色模型对图像肤色区域进行检测,同时进行Sobel边缘提取,然后用Hough变换的圆检测方法对二值化图像进行圆检测,从而确定双眼的精确位置.实验结果表明该算法受噪声和边缘间断影响小,具有较高的定位准确率.同时具有很好的容错性和健壮性.
【总页数】3页(P208-209,168)
【作者】陈佳佳;黄穗
【作者单位】510632,广州,暨南大学信息与技术学院;510632,广州,暨南大学信息与技术学院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.采用Gabor-Hough变换的自适应滤波人眼定位 [J], 尚骁;吴进
2.基于灰度投影与改进Hough变换的人眼定位算法 [J], 李爱平;魏江;郝思思
3.基于Hough变换圆检测的人眼定位方法改进 [J], 刘念;苏杭;郭纯宏;周静
4.基于肤色检测和人眼定位的人脸检测方法 [J], 徐锋;赵怀勋;涂强
5.基于肤色检测和灰度特征的人眼定位方法研究 [J], 冯浩;王冬欣;王宪保
因版权原因，仅展示原文概要，查看原文内容请购买。

基于高斯肤色模型和图像分割的人脸检测

基于高斯肤色模型和图像分割的人脸检测柳映辉;任德华;陈少杰【摘要】提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量(H,Cg,Cr)T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.【期刊名称】《天津科技大学学报》【年(卷),期】2010(025)005【总页数】5页(P64-67,78)【关键词】人脸检测;高斯模型;图像分割【作者】柳映辉;任德华;陈少杰【作者单位】天津科技大学计算机科学与信息工程学院,天津,300222;天津科技大学计算机科学与信息工程学院,天津,300222;天津科技大学计算机科学与信息工程学院,天津,300222【正文语种】中文【中图分类】TP391.41人脸检测(Face Detection)的目的是判断图像中是否存在人脸，并要给出人脸的位置、大小、是否旋转及旋转角度等信息．随着大量研究工作的展开，国内外研究者提出了各种各样的人脸检测方法．大部分的人脸检测算法复杂度都较高，为了提高运算效率应尽可能地减少检测的范围．基于颜色特征的方法作为人脸检测的前期步骤可以快速地缩小检测的区域，是一种有效的预处理方法[1]．因此，基于肤色信息的人脸检测方法无论是作为检测前期的预处理，还是作为检测后期的结果确认，都是一种有效的手段．Michael和James统计了大量肤色、非肤色图像，根据RGB空间下的直方图得到一个基于概率比值的肤色分类器[2]．但是在RGB颜色空间中，其颜色与RGB三个分量都有关系，无法做到颜色、亮度、饱和度信息的分离．刘万春等[3]利用规范化rgb颜色空间中的分量r，g建立二维高斯模型来检测人脸区域，并建立了一个自适应模型调整肤色模型的参数，然后采用扩展卡尔曼滤波器预测运动轨迹，在预测轨迹附近的一个区域进行肤色匹配以减少检测范围，最后采用特征匹配的方法检测人脸．规范化的rgb颜色空间虽然能一定程度上减少亮度差异的影响，但是肤色在rgb空间中的分布离散性还是较大，当待检测图像之间的差异较大时采用该方法不容易取得好的效果．温静等[4]则把RGB图像转换到YCbCr颜色空间，并对Cb，Cr分量建立高斯混合模型(Gaussian Mixture Model，GMM)来初步检测人脸，并配合基于人脸、非人脸特征统计模型的Bayes分类器进行人脸检测．YCbCr空间虽然做到了亮度信息的分离，但是高斯混合模型参数的确定却过于麻烦，并且非人脸的特征统计模型也是不容易获得的．YCgCr颜色空间中肤色类聚性优于YCbCr颜色空间，张争珍等[5]用YCgCr颜色空间中的Cg，Cr分量建立二维高斯模型进行人脸检测．该方法仅利用了Cg，Cr分量，背景干扰较大．本文在文献[5]的基础上，提出了采用(H，Cg，Cr)T向量建立高斯模型，先进行初步人脸区域检测，然后进行图像区域分割进一步确定出人脸，最后再利用特征判断的方法得到人脸位置．由于加入了H分量，其与亮度信息无关，只与颜色相关，故可以在一定程度上减少背景干扰和亮度差异的影响，并且利用人脸区域连续性的特点，联合采用图像区域分割的方法，可以在复杂背景中检测出人脸位置．1.1 颜色空间转换在将RGB颜色空间的数值转化到HSV、YCgCr颜色空间之前，为了进一步减少皮肤亮度的差异对检测的影响，先将RGB颜色进行规范化，得到规范化的rgb值，转换方法与标准方法[6]略有不同：在此基础上将规范化的rgb颜色转化到HSV和YCgCr空间中，获取(H，Cg，Cr)T三个分量．从rgb空间转换到HSV空间的转换公式为经过上述步骤以后，可以将任意一个像素经过RGB→rgb→HCbCr转换后得到混合颜色空间的肤色向量．将肤色向量中各个分量看作是随机变量，即可根据肤色样本图像计算得到高斯模型．1.2 高斯肤色模型肤色向量为三维向量，故最终统计得到的高斯模型是多随机变量的高斯模型．下面根据单随机变量的协方差给出多随机变量协方差矩阵的推导过程：设X1，X2，…，Xn为一组随机变量，这些随机变量构成随机向量X＝[X1，X2，…，Xn]T，每个随机变量有m个样本，则有样本矩阵其中αi(i＝1，2，…，n)行向量为随机变量Xi所有样本值，βi(i＝1，2，…，n)列向量为随机向量X的单个样本值．随机变量Xi，Xj之间的协方差可以表示为[7]则p(x)可以作为肤色相似度的衡量参数．进行人脸检测时，把待检测图像中的每一个像素都进行计算，最后得到一副256灰度级别的肤色相似度图像．图像中每个像素的亮度值表示该像素与肤色的相似度大小：亮度值越高，则表示原图像中该像素越接近皮肤的颜色．根据肤色相似度图像，采用最大类间方差的方法(Otsu法)进行图像二值化，在二值图像中白色的像素表示肤色点，黑色的像素表示非肤色点．从而，使用高斯肤色模型完成了肤色检测的工作．一般情况下，人脸的区域会被检测为肤色区域，只需在二值图像中像素为白色的区域中进一步检测就可以获得人脸．当然，由于待检测图像的多样性，例如光照不均匀、拍摄条件不一致、背景干扰等原因，采用高斯肤色模型得到的结果只能作为初选条件，结合其他检测方法才能得到理想的结果．协方差矩阵和样本均值决定着人脸检测的最终效果，而肤色样本的选择直接影响着上述协方差矩阵的值和样本均值，只有当样本图像的(H，Cg，Cr)T向量真正符合高斯分布时，该模型才能获得好的检测结果．因此在选取肤色样本时，应将样本图像中明显差异度较大的图删除．1.3 图像区域分割二值化肤色相似度图后，人脸区域可能不连续(人脸被分裂为多个部分)或者不完整(人脸只保留一小部分)，单纯使用二值图像不容易得到完整、准确的人脸位置．由于原始图像中的人脸区域一般是连续的，因此利用区域连续性可以从原始图像中得到较为完整的人脸区域．采用基于区域增长的方法来进行图像分割，如何判断区域连续性是一个关键问题．通过实验发现，利用原始RGB颜色作为判断依据时，照片拍摄条件的不一致导致很难找到一个通用的阈值来适应绝大多数的图像，人脸区域分割的效果不理想．而将肤色转换到HSV颜色空间时，H分量为红色偏绿色，可以以此作为区域连续性判断的依据，并且将饱和度S规范化为100%，有利于减少饱和度对连续性判断的影响．饱和图像中人脸颜色不包含蓝色B分量，通过R、G分量来判断某个点是在区域内还是在区域外．采用计算图1所示3像素×3像素区域的R、G均值来判断其中心点是否在区域内，判断方法为当(R，G，B)T满足B＜0.01，R＞100，G＞30，R＞1.5,G时，P点是区域内的点；否则P点是区域边缘的点．实验发现通过如此处理的饱和图RGB颜色，可以得到满意的分割效果．区域增长算法如下：(1)将肤色二值化图像滤除干扰，得到相对干净的二值化图IB．(2)将原图中每个像素从RGB空间转换到HSV空间，并令其H＝100，再将HSV 值反算转换到RGB空间，得到饱和图像IS．(3)以IB中白色点为起始点，在IS中按照上述的判断方法进行区域搜索，得到区域Region．(4)如果Region区域大于400像素，且其宽高比例介于[0.33，3]时，则将Region视为人脸区域，加入候选区域列表；否则转到(3)继续搜索下一个区域．(5)当IB中所有白色点都搜索完毕时，区域增长算法结束，输出候选区域列表．这样在二值图像中不完整的人脸区域就被完整的查找出来了，当然以上粗略的判断条件无法完全滤除非人脸区域，因此还要将候选区域中的非人脸滤除，才能得到最终结果．1.4 非人脸区域滤除从候选人脸区域中将不符合人脸特征的区域滤除，主要是根据人眼、人嘴的颜色特征和位置特征．候选区域先把H∈(0，30)∪(330，360)的部分保留，其他部分涂黑，再计算Cr2/Cg2，其中Cr2/Cg2要规范化到区间[0，255]．最后将Cr2/Cg2二值化并腐蚀两次，得到的二值图中白色区域的包围矩形宽高比位于区间(1，10)时认为是人嘴的位置．根据嘴和眼睛的位置比例，计算区域中属于人眼部分E1和E2的亮度值，如果二者亮度相近，且比周围区域亮度低，则认为E1和E2就是人眼的位置．否则认为候选区域中不存在人脸，将其滤除．实验图像集来自于网上图片和自拍照片，共计300副．样本图像是从图像集中随机选取50副，从50副图中手工切割出200副小的人脸样本图像(删除差异明显的图像)．然后用这200副人脸样本图像建立三维高斯肤色模型，得到的结果为以单人和多人两种情况为例，图2为原始图像，图3为使用本文方法得到的肤色相似度图．可以看出人脸区域亮度较高，具有较高的肤色相似度．区域分割图见图4，图中的人脸在候选区域中被完整检出，但是同时也有一些非人脸区域被检出．图5是滤除非人脸区域后的最终检测结果．本文方法与文献[5]检测方法的结果对比见表1.可以看出本文方法在单纯的使用高斯肤色模型基础上，增加了图像区域分割的处理，因此检测正确率有较大提高．提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法，先进行初步人脸区域检测，然后进行图像区域分割进一步确定出人脸，最后再利用特征判断的方法得到人脸位置．由于加入了H分量，可以在一定程度上减少背景干扰和亮度差异的影响．利用人脸区域连续性的特点，采用图像区域分割的方法，可以在复杂背景中检测出人脸位置．但是在实验的过程中，也发现了一些问题：(1)采用Otsu算法进行图像二值化的效果不理想，可能的原因是肤色相似度图中灰度分布在低亮度区域过于集中，前景、背景之间无明显分类差异，使本应归于背景的一部分区域也变为了前景．(2)基于肤色模型的检测方法针对某类图像具有较好的效果，当图像成像条件过于多变时，正确检测率会急剧降低．以上问题尚需进一步的深入研究，以取得更好的检测结果．【相关文献】［1］黄福珍，苏剑波. 人脸检测[M]. 上海：上海交通大学出版社，2006：24–27.［2］Jones M J，Rehg J M. Statistical color models with application to skin detection[J]. International Journal of Computer Vision，2002，46(1)：81–96.［3］刘万春，贾云得，徐一华，等. 基于肤色的人脸实时跟踪方法[J]. 北京理工大学学报，2000，20(4)：461–465.［4］温静，高新波. 一种基于肤色模型的贝叶斯人脸检测算法[J]. 西安电子科技大学学报：自然科学版，2006，33(5)：773–777.［5］张争珍，石跃祥. YCgCr颜色空间的肤色聚类人脸检测法[J]. 计算机工程与应用，2009，45(22)：163–165.［6］马淑燕，孔德慧，尹宝才，等. 基于肤色模型和椭圆环模板的人脸跟踪及姿态估计[J]. 计算机工程与应用，2004，40(17)：50–55.［7］帕普里斯，佩莱. 概率、随机变量与随机过程[M]. 保铮，冯大政，水鹏朗，译. 4版. 西安：西安交通大学出版社，2004：164–169.［8］杨光正，黄煦涛. 镶嵌图在人面定位中的应用[J]. 模式识别与人工智能，1996，9(3)：213–220.。

较强光照下肤色结合发色检测人脸的方法研究

较强光照下肤色结合发色检测人脸的方法研究黄亦佳;潘巍【期刊名称】《计算机工程与应用》【年(卷),期】2011(047)018【摘要】研究了基于不同颜色空间的人脸检测算法,并在此基础上针对较强光照条件下或肤色与背景色比较接近时检测算法可能会将人脸检测为背景的情况,提出了一种新的基于肤色和发色的人脸检测自适应算法.实验结果表明,即使在较强光照条件下或肤色与背景比较接近时,该算法一样能准确地检测到正面或略有倾斜的人脸.%This paper discusses face detection algorithms based on different color spaces,and then provides a new adaptive face detection algorithm based on both face-color and hair-color space. Experimental results show that even under the strong light conditions,or the background color and face color is similar,the algorithm also can accurately detect a front or slightly sloping of the face.【总页数】4页(P173-175,240)【作者】黄亦佳;潘巍【作者单位】首都师范大学,信息工程学院,北京,100048;首都师范大学,信息工程学院,北京,100048【正文语种】中文【中图分类】TP391.4【相关文献】1.融合肤色分割与人工免疫的人脸检测方法研究 [J], 邱鹏瑞;许卫2.一种结合肤色及类人脸特征的人脸检测 [J], 陈章乐;蔡茂国;刘凡秀3.复杂光照下的人脸肤色检测方法 [J], 李全彬;王小明;刘锦高;李明4.基于肤色特征的人脸检测方法研究 [J], 唐云龙;何麒;陈平5.基于ARM9的肤色分割及人脸检测方法研究 [J], 杨榕林因版权原因，仅展示原文概要，查看原文内容请购买。

基于肤色补偿的人脸彩色照片高光修正方案

基于肤色补偿的人脸彩色照片高光修正方案
江玉珍
【期刊名称】《广西科学院学报》
【年(卷),期】2008(24)2
【摘要】基于RGB色彩空间模型,结合人脸肤色特征和皮肤高光特征,采用手动指定高光中心及设置皮肤修正基色的方法,提出基于肤色彩色分量补偿的高光修正方案,并通过计算机对方案的修正效果进行实验验证.该方案根据人脸肤色特征对相片中人脸区域进行分割,识别出与皮肤高光灰度相近的眼白,眼珠反光等非处理区域,然后根据肤色特征和皮肤高光程度对高光区各颜色分量进行恰当的减量处理,实现人脸彩色照片高光修正.该方案简单可行,可控性强,可以对大多数人脸彩色照片进行较好的高光修正.
【总页数】3页(P95-97)
【作者】江玉珍
【作者单位】韩山师范学院数学与信息技术系,广东潮州,521041
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于肤色和人脸形状约束的正面人脸轮廓提取算法 [J], 黄福珍;佘星星
2.光照补偿在基于肤色的人脸检测中的应用 [J], 谈磊;田其树
3.基于肤色与肤色矩实时视频人脸检测与跟踪 [J], 郑明恩;管业鹏
4.基于人脸肤色及椭圆检测的人脸检测 [J], 张朋;郑静雅
5.基于非正面人脸肤色检测的光照补偿算法的改进 [J], 孙义港;沈天飞
因版权原因，仅展示原文概要，查看原文内容请购买。

基于差分和肤色图像的人脸检测算法

基于差分和肤色图像的人脸检测算法
张宇
【期刊名称】《电子科技大学学报》
【年(卷),期】2005(34)4
【摘要】提出并实现了一种基于差分和肤色图像的人脸检测算法.该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位.该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度.实验表明,该算法可行、有效.
【总页数】4页(P497-500)
【作者】张宇
【作者单位】成都航空职业技术学院计算机工程系,成都,610061
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于肤色和区域形态的视频图像人脸检测 [J], 许奕强;陈锻生
2.基于肤色分割和AdaBoost算法的彩色图像的人脸检测 [J], 宋义伟;王秀;赵雪竹;朱学峰
3.一种基于肤色分割的彩色图像人脸检测方法 [J], 汤秋艳;王琰
4.基于高斯肤色模型和图像分割的人脸检测 [J], 柳映辉;任德华;陈少杰
5.一种基于肤色分割的彩色图像人脸检测算法 [J], 肖明坤;王厚大
因版权原因，仅展示原文概要，查看原文内容请购买。

利用肤色信息和几何特征的人脸检测算法研究

利用肤色信息和几何特征的人脸检测算法研究韦艳柳;王旭;陈斌【摘要】针对光照条件对人脸检测的影响，文章提出一种基于肤色信息和几何特征的面部检测算法。

首先对图像做光照补偿，然后在肤色类聚良好的YCbCr空间建立肤色模型。

最后依据皮肤颜色信息和人脸几何特点检测出面部区域。

%Aiming at the effect of illumination on face detection, this paper proposes a face detection algorithm based on skin color information and geometric features. Firstly, image illumination compensation, and then establish the skin color model in the color clustering good YCbCr space. Finally based on skin color information and the geometrical characteristics of human face detection facial area.【期刊名称】《无线互联科技》【年(卷),期】2016(000)021【总页数】4页(P107-110)【关键词】人脸检测;光照补偿;肤色模型;几何特征【作者】韦艳柳;王旭;陈斌【作者单位】南京工业大学，江苏南京 211816;南京工业大学，江苏南京211816;南京工业大学，江苏南京 211816【正文语种】中文近年来，人们开始重视人脸检测技术在视觉监测、模式识别、人机交互等诸多领域的作用。

同时，人脸检测的应用范围仅仅局限于人脸识别、表情识别，其在智能安全监控、电子商务、虚拟现实等方面也有着更为广泛的应用前景[1]。

已有的人脸检测算法如：（1）几何拓扑法[2]：主要利用人脸的几何形状以及脸部器官的比例关系来定位人脸。

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)。

技术创新《微计算机信息》(嵌入式与SOC )2010年第26卷第2-2期360元/年邮局订阅号：82-946《现场总线技术应用200例》图像处理基于肤色检测和Hough 变换的彩色图像人眼定位EYE Positioning in Color Image Based on Complexion Measuring and Hough Transformation(暨南大学)陈佳佳黄穗CHEN Jia-jia HUANG Sui摘要:提出一种基于肤色检测和Hough 变换两步快速定位人眼的方法。

通过YCbCr 肤色模型对图像肤色区域进行检测,同时进行Sobel 边缘提取,然后用Hough 变换的圆检测方法对二值化图像进行圆检测,从而确定双眼的精确位置。

实验结果表明该算法受噪声和边缘间断影响小,具有较高的定位准确率。

同时具有很好的容错性和健壮性。

关键词:人脸检测;肤色检测;眼睛定位;Hough 变换中图分类号:TP391.41文献标识码:AAbstract:Based on complexion measuring and Hough transformation,a two -step method which is able to rapidly position human eyes has been advanced.Having detected image complexion area through YCbCr complexion model and drawed edge with Sobel to the image,round detection method of Hough transformation is applied to measure the round to two value image for positioning eyes accurately.It can be demonstrated in the experiment results that the proposed algorithm,which has low impact by noise and the edge of intermittent,would provide higher positioning accuracy with good tolerance and robustness.Key words:face detection;skin color examination;eyes position;Hough transformation文章编号:1008-0570(2010)02-2-0208-021引言人脸识别是模式识别和人工智能领域的一个热门课题,越来越受到研究人员的重视,有着十分广泛的应用前景。

眼睛是人脸中最突出的部位,位置相对比较固定,人眼的精确定位是人脸识别中非常关键的一步,绝大部分的人眼识别算法都依赖于双眼的准确定位,因此,人眼定位对于人脸识别十分重要。

目前人们已经提出了很多有效的人眼定位方法,但仍然存在一些问题:对输入图像具有较高的要求,定位准确率不高等。

灰度投影法虽然定位速度较快,但投影图像中干扰噪声太大,曲线不规则,很难在此基础上直接找到特征点,定位精度较差;而模板匹配法的缺点在于模板的参数不好确定,且对于倾斜的人脸定位往往不准确。

本文采用了一种基于肤色检测和Hough 变换两步法快速定位人眼的方法。

该方法首先对图像进行预处理,采用YCbCr 作为肤色检测的彩色空间,对肤色范围进行检测,然后对图像进行边缘提取,用Hough 变换的圆检测方法对二值化图像进行圆检测,从而确定双眼的精确位置。

算法流程图如图1-1所示。

图1-1算法流程图2图像预处理在进行定位之前,需要对图像进行一些预处理工作。

这是因为在自然条件下的图像通常不可避免地伴有噪声的影响,这会对图像的定位和识别带来很大影响。

噪声是图像中不应该存在的小污点,它们是在图像的拍摄或传送过程中产生的,必须在图像处理之前对噪声进行消除,以最大限度地减少噪声带来的影响。

本文采用中值滤波法。

中值滤波是一种典型的低通滤波器,它的目的是保护图像边缘的同时去除噪声。

预处理首先对图像进行白平衡处理,从而平衡其他颜色在有色光线下的色调。

其次,由于后续工作中需要对边缘进行提取,因此需要将彩色图像转换成为灰度图。

图像灰度化就是使彩色的R 、G 、B 分量值相等的过程。

由于R 、G 、B 的取值范围是0~255,所以灰度的级别只有256级,即灰度图像仅能表现256种颜色(灰度)。

灰度化处理的方法主要有三种:最大值法、平均值法、加权平均值法。

本文采用了加权平均值法,这样可以使得计算更精确。

3肤色检测3.1YCbCr 彩色空间的选取在彩色图像处理过程中,色彩通常用三个分量表示。

根据应用场合的不同,分别可以用RGB,HSI,CYMK,YCbCr 等彩色空间来表示。

这些空间都可以用来进行肤色检测。

本文采用YCbCr作为肤色检测的彩色空间。

这样将图像转变成一个二值图像。

3.2确定候选人脸区域为了人脸局部区域如眼睛、嘴唇等非肤色区域而导致的整个人脸的非全填充必须进行膨胀腐蚀的操作。

步骤如下:(1)作四方向膨胀以连接脸部区域中不连续的块;(2)作四方向腐蚀使非人脸区域变小,恢复到膨胀前的大小;(3)去除孤立离散区域;陈佳佳:硕士研究生208--邮局订阅号：82-946360元/年技术创新图像处理《PLC 技术应用200例》您的论文得到两院院士关注(4)再次作四方向膨胀腐蚀操作;(5)填充孔洞。

这样就得到经肤色检测后的候选肤色区域。

3.3确定人脸位置为了缩小人眼定位的范围,提高检测效率,将从候选肤色区域中判断类似人脸的区域。

由于人脸区域是相对集中区域,所以在候选皮肤区域内,以区域的最上点、最下点、最左点与最右点为边界计算区域内0和1的个数。

当区域中1的个数与区域面积比大于1/2时,所选的区域为候选人脸区域。

候选人脸区域如图5-3所示。

4图像边缘提取边缘就是灰度发生急剧变化的位置,它是图像的最基本的特征。

在图像分析中,边缘一般用于寻找区域的边界。

边缘中包含着将要定位的瞳孔圆形边界信息,可以用边缘提取的方法将其提取出来。

Sobel 边缘提取算子对一些像素求和然后再差分,因此具有平滑噪声作用。

边缘提取结果如图5-5所示。

4.1Hough 变换定位虹膜位置人左右眼的虹膜轮廓是精确的圆形。

因此,为了定位人的眼睛,需要在人脸图像边缘图中找出这个圆的圆心。

但是,睫毛和上下眼皮的存在,加上其他不可预料的干扰,会使圆的部分边缘被遮挡住。

Hough 变换是一种用于区域边界形状描述的方法,常常被用于直线段,圆和椭圆的检测。

它相对灰度投影法与模板匹配发的优点是具有受噪声和边缘间断影响小,定位准确。

同时具有很好的容错性和健壮性。

因此,Hough 变换是检验瞳孔轮廓十分有效的方法。

Hough 变换的原理是:图像空间的直线与描述它的极坐标表达式参数有唯一的对应关系,若以这些参数形成一个空间,则图像空间的一条直线必对应于参数空间列阵中的一个点。

通过Hough 变换作曲线检测的关键是写成由图像空间到参数空间的变换公式。

一个圆可以表示为:,那么参数空间则可以表示为。

于是图像空间的一个圆则对应空间上的一点。

图像空间(x,y)中的一个特定点(x 0,y 0),通过该点可以有很多个圆,每一个圆都对应了参数空间中的一个点,而空间(x,y)中共点的多个圆在空间中对应多个点,这些点便组成一圆锥曲面。

参数空间中的一点对应于空间(x,y)中的一个圆。

通过该圆周上的每一点又可作多个圆,这些共点的多个圆在参数空间中对应的多个点,均满足方程。

然而点又是圆上的点,所以多个点构成的圆锥曲面必满足方程。

于是,空间中共圆的不同点所对应的圆锥曲面必在参数空间中交于一点。

因此,该点所对应的空间中的圆便是所要检测的圆。

在实验中,为了减少计算量,把虹膜半径的取值范围设为[3,6]。

对图像中的每点,计算与点距离在[3,6]内的点的数目,并赋值到二维数组中。

这时,二维数组中数字越大的点,代表类圆形的圆心。

经过处理的候选区域通过Hough 变换,判断是否是圆形的轮廓,进一步确定双眼虹膜位置。

如图5-6所示。

5实验结果图5-1原图像图5-2肤色检测图图5-3候选人脸区域图5-4肤色检测图图5-5边缘提取图图5-6人睛定位后本文所采用的彩色人脸图像库由不限定获取条件的具有较广泛代表性的图像组成,半数以上是从互联网上下载收集的任意图片,另外还包括扫描的照片、用CCD 摄像头和数码相机拍摄到的图像。

本文用72幅图像进行了实验,实验结果如表5-1所示。

表5-1人脸检测结果本文所采用的彩色人脸图像库由不限定获取条件的图像组成,半数以上是从互联网上下载收集的任意图片,另外还包括扫描的照片、用CCD 摄像头和数码相机拍摄到的图像。

该库中包含很多人的图片,每张图片,之间的差别比较大,具有较广泛代表性。

实验发现,当表情没有太大的变化时,且背景较简单的情况下,定位准确率可以达到90%以上。

而当表情夸张或者背景比较复杂时,定位准确率有所降低,这也将是今后的研究重点。

6结束语文中方法结合了几种现有的人眼定位方法,首先通过预处理技术消除光线噪声的影响,采用基于肤色检测和Hough 变换两步快速定位人眼的方法。

实验结果现实该算法可以有效的对图像进行检测,处理速度快,受噪声干扰较小,同时具有较好的准确性和健壮性。

实验中也出现了一些错误的检测。

原因主要是而当表情夸张或者背景比较复杂时,定位准确率有所降低,这也将是今后的研究重点。

本文创新点:提出一种基于肤色检测和Hough 变换两步快速定位人眼的方法。

并对图像进行肤色检测,同时进行边缘提取,然后用Hough 变换对图像进行圆检测,从而确定双眼的精确位置。

(下转第168页)(,)ÁÂx y (,)ÁÂx y (,)i j 209--技术创新《微计算机信息》(嵌入式与SOC )2010年第26卷第2-2期360元/年邮局订阅号：82-946《现场总线技术应用200例》RFID 射频识别有传输密钥保护(transport key protects access to EEPROM onchip delivery)。

4.数据高度可靠读写器和卡之间的无线通信链路使用了以下的机制确保数据可靠地传输。

(1)卡片上有高速的CRC 协处理器实现每个块16位CRC 。

(2)每个字节都有奇偶校验位。

(3)位计数检查。

(4)用位编码区别1、0和没有信息。

(5)信道监控(协议序列和位流分析)。

5.方便用户系统的设计使用户使用更加方便,例如卡片上还内建有增值/减值的专项的数学运算电路,非常适合公交/地铁等行业的定额收费系统。