基于肤色特征的人脸检测技术研究

合集下载

复杂背景下基于肤色分割的人脸检测算法研究

２ＤｐｔｎｏｕｅａｄＩｆｒｔｎｎｉｅｒｇＷｕａｉｅｇｎｅｉｓｔｔ．ｅａｍｅｔｆｍｐｔｏｍａｏｇｎｅｉ，ｈｎｏｎｉｅｒｇＩｔｕｅｏＣｒｎｎｉＥｎＢｎｎｉ，Ｗｕａ３０９Ｃｉ）ｈｎ０７，ｈｎ４ａ
ＡｂｔａｔＡｏｅｃｎｑｅｆｒｅｅｔｇｆｃｓｎｍｕｔ－ｏｅｏｏｇｓｔｏｌｘｂｃｇｏｎｒｐｓｄｓｒｃ：ｎｖｌｅｈｉｕｔｃｉｅｌｐｓｌｒｍａｅｈｃｍｐｅａｋｒｕｄｉｐｏｏｅ．ＴｅｅｈｄｃｍｂｎｓｔｏｄｎａｉｉｃｉｗｉｓｈｔｏｏｉｅｍｉｒｖｄｃｓａｅｌｓｉｅａｅｎＡｄｂｏｔｔｍｐａｅｍａｃｉｇｔｃｎｑｅＦｒｔｓｉｏｏｆｒｔｎｉｓｄｔｅｍｅｔｅｍｐｏｅａｃｄｄｃａｓｆｒｓｄｏａｏｓｈｔｉｂｗｉｅｌｔｔｈｎｈｉｕ．ｉ，ｋｎｃｌｒｎｏｍａｉｕｅｓｇｎｅｓｉｏｓｏｈｔｎｎｓｉ — ｏｏｉｅｓｆｏｔｅｉｇ．Ｔｅｅｆｃａｄｄｔｓａｅｏｔｉｅｙａｏ－ｋｎｃｌｒｐｘｌｒｍｈｍａｅｈｎｔａｅｃｎｉａｅｒｂａｎｄｂｎｉｒｖｄｃｓａｅｌｓｉｅａｅｎＡｄｂｏｔｈｍｐｏｅａｃｄｄｃａｓｆｒｂｓｄｏａｏｓｉ

基于肤色分割及特征定位的人脸检测算法研究

基于肤色分割及特征定位的人脸检测算法研究作者：张书真宋海龙向晓燕来源：《现代电子技术》2008年第14期摘要：针对复杂彩色图像提出一种快速有效的人脸检测算法。

首先通过一种新的色彩均衡技术消除由光照引起的色彩偏移，然后采用I空间与归一化RGB空间相结合的混合肤色模型，提取出原图像中的类肤色区域，最后根据人脸的几何特征定位眼睛、嘴巴和人脸区域。

实验结果表明，该算法能较为准确地定位彩色图像中的正面或小角度偏转的人脸，具有较快的检测速度。

关键词：人脸检测；色彩均衡；肤色模型；特征定位，，(1College of Physics cience & Information Engineering,Jishou[JZ]2College of Information Management & Engineering,JishouUniversity,Zhangjiajie,427000,China )[J12/3]Abstract：A face detection algorithm for the color image with complex background is presented,which is effective and feasibleFirstly,a new technique of color balance is used to remove the color bias produced by light conditionecondly,a mixed model in both I and normalized RGB colorskin color segmentation,the geometrical shape information of face is used to locate eyes mouth the face regionExperimental results show that the proposed approach can detect positive or rotated facece detection isKeywords：1 引言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。

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．

基于肤色的人脸检测与识别的开题报告

基于肤色的人脸检测与识别的开题报告一、选题背景现如今，随着计算机视觉、图像处理、模式识别等技术的发展，人脸识别技术得到广泛应用于人们的生产生活中。

以认证安全为主要目的的人脸识别技术对于保障信息安全和提高社会治安有着重要的作用。

目前，人脸识别技术已经在智能门禁、考勤打卡、身份识别等方面广泛应用，并且逐步拓展至金融、医疗、教育、旅游等各个行业。

但是，人脸识别技术并非完美无缺。

一个大问题是，传统的面部识别算法不能很好地应对人脸的不同肤色或肤色的变化，这可能导致面部识别精度的下降。

因此，如何实现基于肤色的人脸检测与识别已成为目前人脸识别技术需要解决的难点。

基于以上背景，我们选择了“基于肤色的人脸检测与识别”作为我们的开题报告研究方向。

二、研究目的我们的研究目的是设计并实现一种基于肤色的人脸检测与识别的算法，以提高面部识别的准确性和可靠性。

三、研究内容1.基于肤色的人脸检测技术的研究：首先，我们将研究安静条件下不同肤色的人脸图像，在此基础之上将分析采用不同的人脸像素分割算法，对不同肤色分别进行图像预处理，并极力使其待检测的区域从图像噪声中分离出来。

2.人脸识别技术的研究：在肤色检测的基础上，我们将采用多种面部识别算法，如LBP，PCA等，对去除噪声的图像进行进一步处理，以获得相应人脸特征，从而实现不同肤色人脸识别。

3.数据收集与评估：我们将通过调查问卷、网络爬取、直接收集等方式，获得不同肤色群体数据集，进行实验测试，评估算法的检测和识别效果。

四、研究意义本研究将有助于提高人脸识别技术的普适性和准确性。

通过对肤色的分析与处理，我们将可以更好地处理跨肤色、光照变化等因素对人脸识别的干扰。

本研究可应用于各种实际场景中，如公共安全、金融、医疗、交通出行等领域。

同时进一步推进计算机视觉等领域的发展，有推动科技发展的积极意义。

五、研究方法我们将采用以下方法进行研究：1.调研现有文献，熟悉基于肤色的人脸检测与识别技术的发展历程及相关知识。

固定场景中基于肤色信息的人脸检测

位。实验数据表明，方法对固定场景中的人脸检测具有较好的鲁棒性，姿态、情、龄都有较强的适应性，具该对表年并
有一定的实时性。
关键词：分图像；ＳＮ滤波；色分割；圆模板；差ＨＥ肤椭人脸检测
在ＹＣＣ模型（Ｙ代表亮度、表蓝色差、表Ｃ代Ｃ代红色差）的人脸肤色有很强的聚类性，且它们之间也中并具有相关性，同人的肤色集中在Ｃ，间中的一个很不Ｃ空小区域，取适当的Ｃ和Ｃ值就能将人脸从复杂的背景选
中图分类号：３１ＴＰ９
文献标识码：Ａ
文章编号：６２７０（０２０３０４ — ２１７ — ８０２１）０ — １９０１，左边的峰为背景，边的峰为运动目标，要从图像）且右
０引言
随着智能化信息技术的发展，频监控、程教育、视远人
第１卷第３ｌ期
２１年ａ０２Ｍ
软件导刊
ＳｔａｅＧｕｉｏｆｗｒｄｅ
ＶＯ１１．１Ｎｏ．３Ｍａ．ｒ２０１２
固定场景中基于肤色信息的人脸检测
饶彦
（州民族学院理学院，州贵阳５０２）贵贵５０５
位置，及面部特征信息等。现在人脸检测的应用背景已以

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。

一种基于肤色的快速人脸检测算法

生角度变化和表情变化，肤色特征还是可以检测出来。
技术，成为模式识别与计算机视觉领域内一项受到普遍
重视、研究十分活跃的课题ｌ１ｊ。国外从事自动人脸识别的研究与实践较早，目前有许多研究机构在从事人脸识
ｉｎｇ，ｓｐｌｉｔ，ｅｔｃ．，ａｎｄｔｈｅｎｌｏｃｋＯｎｔｈｅｂｉｎａｒｉｚｅｄｉｍａｇｅｏｆｔｈｅｆａｃｅｒｅｇｉｏｎ，ａｎｄｃａｌｃｕｌａｔｅｓｅａｃｈｚｏｎｅｉｓｉｎｌｉｎｅｗｉｔｈｔｈｅｐｒｏｐｏｒｔｉｏｎａｌｐａｒａｍｅｔｅｒ．Ｔｈｉｓｓｃｒｅｅｎｅｄａｒｅａｃａｎｉｌｆｔｅｒｏｕｔｎｏｎ — ｆａｃｅｉｍａｇｅｓ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｉｓｆａｓｔ，ｔｈｅｄｅｔｅｃｔｉｏｎｒａｔｅ．
锁定，并计算各区域是否符合比例参数，这样筛选出的区域可以过滤掉很多非人脸图像。实验证明这
种方法快速、检测率高。关键词：人脸检测；图像预处理；肤色分割；二值化
中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１６７４ — ７７２０（２０１３）１２ — ００３８ — ０４

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

基于肤色模型和SURF算法的人脸识别研究

在实际应用中，人脸识别不仅需要高精确度，而且需要较高的实时性。目前，在视觉局部特性匹配算法中，ＨｅｒｂｅｒｔＢａｙ提
的卷积，其中Ｇ（ｔ）为高斯核。（ × ，叮）、ＬＷ（ｘ，仃）具有相似的含义。
使得该算法在实际应用中的效率不是很高，尤其在实时性要求较高的场合中很难推广应用。因此，本文从多种人脸检测技术相结合的角度出发，利用人脸肤色的特殊性，在肤色空间模型的基础上结合ＳＵＲＦ算法进行人脸识别，将提高人脸识别的速度。
高斯函数虽然适合做尺度空间的分析，但是在实际应用中，它会被离散化和裁剪，因此提出了近似的高斯二阶微分模板，就是将Ｈｅｓｓｉａｎ矩阵与盒子滤波结合起来作近似计算，从而使计算得以简化。用Ｄ、Ｄ、Ｄ表示盒子滤波模板与图像卷积的结果，用它们
ｉｔａｒｙａｎｄｃｉｖｉｌｉａｎＢｅｌｏｎｇｔｏｔｈｅｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ．ｄｅｓｐｉｔｅｔｈｅａｄｖａｎｔａｇｅｏｆｉｔｓｈｉｇｈａｃｃｕｒａｃｙａｎｄｒｏｂｕｓｔｎｅｓｓ，ＳＵＲＦａｌｇｏｒｉｔｈｍｄｏｅｓｎｏｔｐｅｒｆｏｒｍｗｅｌｌｉｎｒｅａｌ－ｔｉｍｅｂｅｃａｕｓｅｆｏｉｔｓｃｏｍｐｕｔａｔｉｏｎａｌｃｏｍｐｌｅｘｉｔｙ．Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓｔｈｅｆａｃｅｒｅｃｏｇｎｉ — ｔｉｏｎｐｒｏｇｒａｍ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｔｈｅｓｋｉｎｃｏｌｏｒｍｏｄｅｌａｎｄｔａｋｅｓａｄｖａｎｔａｇｅｏｆＳＵＲＦａｌｇｏｒｉｔｈｍ．ＹＵＶｃｏｌｏｒｓｐａｃｅｍｏｄｅｉｓｄｅ — ｓｃｒｉｂｅｄｉｎｔｈｅｄｉｓｓｅｒｔａｔｉｏｎａｓｗｅｌｌａｓｔｈｅｐｒｉｎｃｉｐｌｅｏｆｈｏｗＳＵＲＦｄｅｔｅｃｔ，ｄｅｓｃｒｉｂｅａｎｄｇｅｎｅｒａｔｅｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｐｏｉｎｔｓ．Ｂｅ— ｓｉｄｅｓ，ｔｈｅｔｈｅｏｒｙｏｆｈｏｗＹＵＶｃｏｌｏｒｓｐａｃｅｃｏｍｂｉｎｅｓｗｉｔｈＳＵＲＦａｌｇｏｒｉｔｈｍａｒｅｄｅｍｏｎｓｔｒａｔｅｄｉｎｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ＳＵＲＦ．ｓｋｉｎｃｏｌｏｒ．ＹＵＶｃｏｌｏｒｓｐａｃｅ

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

基于肤色的实时人脸检测算法研究

在实际应用方面受到很大限制，因而人脸识别技术有着巨大
是本文探讨的主要思想和方向。经实验表明。于肤色的人基脸检测是一种便捷而简单、速而有效的实用算法。它在单快
ＺＨＡＩＹｉｕ，ＨＵＧ — ｉｋＡＮＹｕ，ＸＩｉｎｈａ，ＷＵＺｉｏｇ，ＧＵＯＣｅｇｇｎＥＪａ－ｕｈ－ｎｌｈｎ－ａｇ
（ｃｏｌｆＩｏｍｔｎａｄＥｇｎｅｉ，ｙＵｉｒｉ，ｉｇｅ２００ＣｉａＳｈｏｏｎｒａｉｎｎｉｅｒｇＷｕｉｎｖｓｙＪｎｍｎ５９２，ｈｎ）ｆｏｎｅｔａ
一一 ■ 一
第１９卷第９期
Ｖｏ．９１１
Ｎｏ５．
电子设计工程
ＥｌｃｒｎｃＤｅｉｎＥｎｇｎｅｉｅｔｏｉｓｇｉｅｒｎｇ
２１年５月０１
Ｍａ．０ｌｒ２１
基于肤色的实时人脸检测算法研究
翟懿奎，黄聿，剑华，吴志龙，郭承刚谢
近年来，着计算机性能不断提高，时人脸识别系统随实
器，把不是肤色的区域过滤掉，把人脸区域定位出来，先再这
得到了很大发展，能应用在门监、控、索等广泛领域。然监检而，目前的人检识别技术还不够完善，处于研究阶段，其还使
人脸检测中所耗时间短，测准确率高，以满足实时检测检可

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

基于肤色的HSV颜色模型下的人脸检测11

基于肤色的HSV彩色模型下的人脸检测摘要本文研究的是利用人脸肤色色相的特性，即每一种人种皮肤彩色分布在一个较窄的频带上，通过对该人种的人脸皮肤建立模型，进展训练，就能够得到肤色分布的统计。

考虑到一般所用的RGB彩色模型对光线的亮暗程度比拟敏感，而在HSV彩色模型中，色相H分量表示了图像的彩色信息，受到光线变化的影响缓慢。

所以，本文采用的是在HSV彩色模型下建立肤色模型，并对其进展训练，从而用训练后的模型对图像进展人脸检测。

本文研究的主要目标是了解人脸检测的过程。

同时，在实验过程中，进一步了解RGB彩色模型和HSV彩色模型的区别，了解在HSV彩色模型下人脸的肤色特性，了解如何建立皮肤模型进展训练，从而对图像的皮肤区域进展划分，进一步熟悉在MATLAB下的数字图像处理方面研究和实现。

关键字： RGB彩色模型，HSV彩色模型，人脸检测，色相，肤色模型，MATLAB论文类型：应用性研究AbstractThis paperis to studythat how to usethe skin color characteristic of human face (It’s said that the face skin color of each kind of race distributes in a narrower frequency band.) to establish model of human face skin, to carry on the training and to obtain the statistics of the face skin color.Considering RGB Model Space of Color is quite sensitive to the light degree, the chosen model, HSV Model Space of Color, is slow changed by the light for the color information just express in the Hue component. Therefore,the face skin color model isestablished under the HSV Model Space of Color inthis paper. After training the model, it can examine the face area in one picture.The essential goal of this paper is to understandthe process of human face detection. As the same time, in the experimental process, we can further understand the difference between the RGB Model Space of Color and the HSV Model Space of Color, realize the the skin color characteristicunder the the skin color characteristic, and know how to establish the face skin model and train it and find out the skin area. What’s more, we will be further familiar withMATLAB.Key words:RGB Model Space of Color, HSV Model Space of Color, Human Face Detection, Hue, Model of Skin Color, MATLABType of Thesis: Application Research目录第一章绪论1§1.1 人脸检测的意义1§1.2 人脸检测研究现状1§1.3 本文工作2第二章图像的彩色模型2§2.1图像的彩色模型简介2§2.2 RGB彩色模型2§ RGB彩色模型介绍2§ RGB彩色模型运用3§2.3 HSV彩色模型3§2.3.1 HSV彩色模型介绍3§2.3.2 HSV彩色模型运用4第三章基于肤色的HSV彩色模型下的人脸检测4 §3.1 原理4§3.1.1 人脸皮肤模型的建立4§3.1.2 人脸皮肤模型的训练5§3.2 人脸检测5第四章实验结果6§4.1实验的结果6§4.1.1 10幅人脸图像训练后进展检测的结果6 §4.1.2 20幅人脸图像训练后进展检测的结果8§4.1.3H分量对光线的变化实验结果9§4.2 实验程序10第五章总结与展望12§5.1论文工作的总结12§5.2展望13参考文献14第一章绪论§1.1 人脸检测的意义随着科技的开展，传统的身份鉴定方法，如和信用卡，开场让人们感到不便。

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

固定场景中基于肤色信息的人脸检测

固定场景中基于肤色信息的人脸检测摘要：给出了一种用于固定场景的快速人脸检测方法。

在背景差的情况下，利用SHEN滤波进行二值图像并提取出运动目标区域，基于肤色聚类模型对运动目标子图像进行肤色分割，结合椭圆模板检测出人脸区域，进行人脸定位。

实验数据表明，该方法对固定场景中的人脸检测具有较好的鲁棒性，对姿态、表情、年龄都有较强的适应性,并具有一定的实时性。

关键词：差分图像；SHEN滤波；肤色分割；椭圆模板；人脸检测0 引言随着智能化信息技术的发展，视频监控、远程教育、人机交互技术及安全等各方面都迫切希望能够进行快速、有效的身份验证。

人脸检测问题最初来源于人脸识别，是指在输入图像中判断是否存在人脸区域，进一步确定人脸的位置，以及面部特征信息等。

现在人脸检测的应用背景已经远远超出了人脸识别系统的范畴，并体现出越来越多的学术价值和应用价值。

笔者给出了一种用于固定场景的快速人脸检测方法。

首先运用背景差方法剔除静止背景的干扰，再用SHEN滤波确定阈值进一步去掉多余背景，得到运动目标子图像。

接着基于肤色聚类模型对运动目标子图像进行肤色分割，最后结合椭圆模板检测出人脸区域，进行人脸定位。

最后利用Matlab7.0进行了实现，并在自建的人脸测试图像库上做了很多实验。

该方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，不仅能有效地抑制背景噪声，减少误检率，而且还能缩小人脸检测范围，加快检测速度。

1 从视频图像中提取运动目标（人）1.1 建立背景图取出初始目标在视频图像中为了定位人脸，应尽可能减少图像背景的干扰，这样可以更快更准确地定位人脸。

由于是固定场景，所以采用背景差方法即可提取出运动目标。

1.2 双峰法取阈值分割出运动目标背景差分后得到的运动目标不是很清晰，还存在一些背景，观察发现，其图像的直方图是典型的双峰分布（见图1），且左边的峰为背景，右边的峰为运动目标，要从图像中分割出运动目标，只需找到直方图中两峰之间的谷点即可。

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

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

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)。

doi：10.3969/j.issn.1671-1122.2012.07.018基于肤色特征的人脸检测技术研究商喜喜1,2，修春波1,2（1. 天津工业大学电气工程与自动化学院，天津 300387；2. 天津工业大学电工电能新技术天津市重点实验室，天津 300387）摘　要：文章提出一种多人脸图像中人脸检测与定位方法，将图像从RGB色彩空间转换到YCrCb 色彩空间中，根据肤色点在CrCb空间中的分布情况进行肤色点检测，并滤除肤色检测后的孤立噪声，利用势函数方法获得人脸候选区域。

然后，根据人脸的结构特征对候选区域进行人脸区域的判别和定位，最终实现图像中多人脸的检测功能，并通过仿真实验证明了该方法的有效性。

关键词：人脸检测；肤色；势函数；色彩空间中图分类号：TP393.08 文献标识码：A 文章编号：1671-1122（2012）07-0064-02Face Detection based on Skin ColorSHANG Xi-xi1,2, XIU Chun-bo1,2( 1. School of Electrical Engineering and Automation, Tianjin Polytechnic University, Tianjin 300387, China;2. Key Laboratory of Advanced Electrical Engineering and Energy Technology, Tianjin Polytechnic University,Tianjin 300387, China )Abstract: A face detection and location method is proposed to ﬁ nd multiple faces in a image. The image is change from RGB color space to YCrCb color space. The skin pixels can be detected according to their distributionin YCrCb color space. And isolated noise point can be ﬁ ltered. The possible face areas can be determined by thepotential function method. The face areas can be determined according to the face structural characteristic from thepossible face areas. Thus, multiple faces detection can be realized. Simulation results prove it’s valid.Key words: face detection; skin color; potential function; color space0 引言人脸检测是模式识别与机器视觉领域的重要研究内容之一[1-3]，是实现人脸自动识别的第一步，在人脸识别、视频会议、智能监控系统以及人机交互和医疗诊断等领域具有重要的应用价值[4-7]。

目前，人脸检测的常用方法有基于特征的方法、基于统计的方法、基于知识的方法以及基于模板匹配的人脸检测方法等[8-11]。

基于知识的检测方法通常具有较快的检测速度，但不适用于多姿态的人脸检测。

基于模板的人脸检测方法稳定性较高，检测结果具有良好的鲁棒性，但计算量较大，检测速度不高。

基于特征的方法是在检测区中需找人脸特征，以此来确定人脸的位置，这种方法可处理较大尺度和视角变化的人脸检测问题。

但由于光照和噪声的影响，很难存在相对稳定的特征，从而影响了该类方法的应用效果。

基于统计的方法通常具有较大的计算量，而且在样本采集以及训练过程中都存在着一定的困难，因此限制了这类方法的使用范围。

本文结合势函数模式识别方法以及肤色检测方法，提出一种新的人脸检测方法，能够较快、较准确地完成多图像的人脸检测功能。

1 肤色检测首先在给定图像中进行肤色检测。

RGB色彩空间是最常见的颜色空间。

在RGB空间中，色度信息和亮度信息是混合在一起的，不适合于肤色模型。

为了增强肤色分割对光照条件变化的鲁棒性，采用亮度信息和色彩信息相分离的YCrCb色彩空间，利用色度和饱和度信息进行判别。

RGB空间到YCrCb色彩空间的转换矩阵为： (1)收稿时间：2012-05-13基金项目：天津市自然科学基金资助项目[10JCYBJC07500]作者简介：商喜喜（1978-），男，河北，硕士研究生，主要研究方向：人脸识别；修春波（1978-），男，黑龙江，副教授，博士，主要研究方向：目标识别与跟踪设计。

图像二值化处理操作如下： (2)其中，M(i, j)为图像(i, j)位置二值化后的像素取值，[Cb min,Cb max]和[Cr min, Cr max]分别为YCrCb色彩空间中人脸肤色Cb与Cr的取值区间。

经过多次图像采集，对肤色样本在CrCb中的分布进行统计，可得其分布范围为： (3)即肤色点在CrCb空间中基本分布在上述的矩形区域内。

由于图像的复杂性，通过肤色检测得到的二值化图像中会存在噪声。

通过滤波处理去除图像中的孤立噪声。

如果某点的像素值为0，且与其相邻的8个像素值都为1，则该像素为肤色区域中的孤立噪声，将其像素值置为1；如果某点的像素值为1，且与其相邻的8个像素值都为0，则该像素为非肤色区域中的孤立噪声，将其值置为0。

经过上述处理后，可在图像中获得若干个肤色区域。

2人脸候选区检测通过去噪处理后，采用势函数聚类分析方法确定图像中人脸候选区域的数量及中心位置。

将滤波后的二值化图像中的所有像素值为1的像素点构成点集V={v i(x i, y i)}，i=1,2,…,N。

以点集中的每个像素点为中心，构造N个位势函数：…（4）将所有位势函数求和构造目标函数： (5)当目标函数的某个局部极大值大于设定的阈值F0时，该局部极大值的位置确定为一个人脸候选区域的中心点。

也就是说，设二值图像中的点v c(x c, y c)附近的点集为{v j(x j, y j)，j=1,2,…,H}，如果F(vc)>F0，且F(v c)> F(v j)，j=1,2,…,N，则点vc(x c, y c)确定为一个人脸候选区域的中心点。

3 人脸区域的检测与定位根据人脸候选区域中心点位置，确定出人脸候选区域的范围。

即从中心点像素开始，依次逐渐向上、下、左和右四个方向扫描各像素值，设点v b(x b, y b)的像素值为1，该点之后连续Z个像素点的像素值都为0时，则将点v b(x b, y b)确定为边界点。

根据边界点的位置，可确定出以人脸候选区域中心点为中心的候选区域内接矩形范围。

根据下列三个人脸的结构特征条件判断该候选区域是否为人脸区域。

条件1：区域大小判别。

计算人脸侯选区域的大小，将小于阈值的人脸候选区域判定为非人脸区域。

将大于阈值的人脸候选区域进行条件2的判别。

条件2：进行人脸长宽比例的判别。

按照上述方法确定的人脸候选区域的长为|y d-y u|，宽为|x r-x l|，设人脸长宽比例的上下限为q min和q max，如果人脸的长宽比例符合式(5)，则进行条件3的判别，否则该区域判别为非人脸区域。

（6）条件3，区域内特征判别。

由于人脸候选区域是基于肤色检测的方法确定的，因此在人脸候选区域中，眼睛、眉毛、鼻孔、嘴巴等位置可能会被判别为非肤色区域，其像素值为0。

按照人脸中非肤色区域与肤色区域的比例关系判别该人脸候选区域是否为人脸。

即统计人脸候选区域内像素值为1的数量P1和像素值为0的数量P2。

如果p min≤(P2/P1)≤p max，则该区域确定为人脸区域，其中p min和p max为人脸中非肤色像素数量与肤色像素数量比值的上下限阈值。

否则判别该区域为非人脸区域。

将同时满足上述三个条件的候选区域确定为人脸区域，从而完成给定图像的人脸检测和定位。

4 仿真实验从图1(a)中给出的人脸检测原始图像可以看出，待检测的图像中包含多个人脸。

而且图像的背景也较为复杂，部分背景与肤色接近。

经过肤色检测后，如图1(b)所示，所获得的二值化图像中将与肤色相接近的部分背景区域误判别为肤色。

经过滤波后，孤立噪声可被滤除，如图1(c)所示。

利用势函数聚类分析和人脸结构特征判别后，正确检测和定位出图像中人脸的位置如图1(d)所示。

由此可见本文所述方法能有效完成对给定人脸检测和定位。

图1 多人脸检测结果采用本文方法对300幅包含人脸的图像进行检测，所得结果如表1所示。

从仿真实验可以看出，本文方法具有更好的检测与识别效果。

表1 人脸检测实验对比结果方法正确率%误检率%漏检率%神经网络方法90.25.7% 4.1模板匹配方法92.7 4.3 3.0本文方法95.1 3.9 1.0下转第97页刘威，王永伦（国家计算机病毒应急处理中心，天津 300457）2012年5月计算机病毒疫情分析根据国家计算机病毒应急处理中心对互联网的监测，2012年5月计算机病毒整体感染情况呈平稳态势，主要传播途径仍以 “网络钓鱼”和“网页挂马”为主。

1 计算机病毒总体情况2012年5月，国家计算机病毒应急处理中心共发现病毒695152个，比4月上升2.2%，新增病毒105382个，比4月上升5.6%，感染计算机59860247台，比4月上升15.4%，主要传播途径仍以“网络钓鱼”和“网页挂马”为主。

2 计算机病毒动态1）5月“Hosts劫持者”病毒出现新变种，该变种利用网络挂马进行传播，采用ROOTKIT技术通过删除活动进程链表实现进程的隐藏；该变种被激活后会静默连接恶意攻击者指定的服务器，根据返回的命令执行相应的操作，同时利用被感染计算机内安装的通讯工具进行传播；除此之外，该变种还会修改被感染计算机的Hosts文件，向其中添加一些与计算机安全相关的站点，利用映像劫持技术来屏蔽被感染计算机与这些站点之间的连接。

2）5月恶意广告程序出现新变种Win32.Trojan.Invader.pepw，该变种通过网站挂马或下载器进行传播，感染计算机用户后会从恶意攻击者指定的链接获取弹窗广告地址。

该变5结论本文以肤色检测为基础，采用势函数模式识别理论实现了多人脸图像中人脸检测与定位；采用亮度信息和色彩信息相分离的YCrCb色彩空间可有效提取肤色像素，经过噪声滤波后，采用势函数法确定出人脸候选区域，根据人脸的结构特征条件确定出图像中人脸的位置。