【正文】 了不同的彩色空間研究膚色模 型。 關鍵詞： 人臉識別 人臉檢測 膚色模型 膚色信息 色彩空間 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 ABSTRACT Face recognition technology ,as an important field of pattern recognition and puter vision research, is particularly significant to applications such as frontier defence security, video monitoring, and identity authentication etc.. Face detection is the premise of rapid and accurate face recognition, its purpose is detecting the face from a picture background. This dissertation simply introduces the concept, application and the present research condition of face detection. And use different skin color space to study the model,the focus on the RGB,YCbCr, HSV color space, and the space under the shin color model. For studying the color characteristics of face images in different color spaces,specific practices will be the original color image from the RGB color space conversion to the color space, select the color samples in a large number of specific color space,through the establishment of color in the experimental model used by the characteristics of static images in the face position. On the basis of analyzing the influences of the factors such as picture background, bright variety and the person39。 Complexion information。 人臉檢測問題的提出最初來源于人臉識別研究中對人臉定位的需求 。人臉識別的研究可以追溯到 20 世紀 60 年代，早期的人臉識別研究主要針對具有較強約束條件的人臉圖像，往往假設人臉位置已知或很容易獲得，致使人臉檢測問題并未受到重視。并且近年來隨著數(shù)碼相機的廣泛使用和數(shù)碼相冊的出現(xiàn)，以人臉為對象的索引和檢索也引起了人們的濃 厚的興趣 （ 3） 。 從學術的觀點來看，人臉檢測的研究受到重視是因為人臉檢測是物體檢測中的一個典型問題。但從客觀而言，以上一些難點致使完全不加條件限制的人臉檢測無法具有健壯性，目前大多數(shù)人臉檢測技術只針對正面端正人臉的檢測，且有很多方法運算量特別大，時間復雜度高，雖然對于一定的應用來說，他們也是可以接受的，但為進一步提高實用價值，人臉檢測系統(tǒng)需盡量弱化對待檢圖像的條件限制，并且最好能實時檢測出 人臉。人臉檢測問題在近十年中得到了 深入的研究并取得了長足的發(fā)展，國內外的很多學者提出了許多不同的方法，在不同的領域都取得了不同的成果，但是要尋找一種準確率很高的、能普遍適用于各種復雜情況的人臉檢測算法，還有一定的距離。整體來看，人臉檢測研究涉及計算機視覺、數(shù)字圖像處理、人工智能等多個學科領域，同時這項研究還滿足了現(xiàn)代計算機網絡和通信系統(tǒng)高 速發(fā)展的需求，無論從實用性還是從學術性來看，均具有很高的研究價值。區(qū)域分割是圖像分析和理解的一項基本內容，其過程可以概 括為按照選定的一致性屬性準則，將圖像劃分為互補交疊的區(qū)域集的過程。算法以大量樣本為統(tǒng)計數(shù)據(jù)，分別建立膚色模型、 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 構造平均人臉模板和訓練人工神經網。 人臉圖像所包含的模式特征十分豐富，這些特征中哪些是最有用的、如何利用這些特征，是人臉檢測要研究的一個關鍵問題。這種方法又可進一步分為基于知識和基于局部特征的檢測策略。人臉局部特征的分布存在著一定規(guī)律，例如，人的兩個眼睛總是對稱分布在人臉的上半部分，鼻子和嘴唇中心點的連線基本與兩眼之間的連線垂直等，于是我們可以利用一組描述人臉的局部特征分布的規(guī)則來進行人臉檢測。由于人臉局部特征的不變性，通過組合人臉的局部特征，可以把應用于檢測不同位置、不同角度、不同位姿的人臉。于是，可以通過檢驗待測圖像是否落在這個子空間中來判斷其是否為人臉。采用這種方法進行人臉檢測的例子有： Sung 和 Poggio[6]提出的基于樣本學習的人臉檢測方法； TurkPentland[7]提出的基于主成分分析的人臉檢測方法； Rowly[8]等實現(xiàn)的基于神經網絡的方法等。基于特征的人臉檢測方法規(guī)則不易設計，因規(guī)則制定的過高或過低會造成漏檢或誤檢，而且當圖像背景中存在灰度類似人臉的區(qū)域時，必然會導致誤檢，故識別率不高。因此，膚色特征在人臉檢測中是最常用的一種特征。不過，由于人臉顏色與某些其它物體的顏色相同，所以單純利用膚色特征進行人臉檢測是很不可靠的，實際應用中一般多是結合膚色特征與其他特征來檢測人臉。很多綜合模型在理論上是很完美的，但從某些實際應用而言，有些特征的綜合并不適合，不但算法過于復雜，計算時間過長，而且隨著使用多個特征而引起的條件的增加，漏檢率顯著上升，從而不能應用于多數(shù)場合。圖像中的顏色不僅給我們的 感覺更愉悅，而且能獲得更多的視覺信息。在進行數(shù)字圖像處理時，人們并不是對所有顏色一一處理，而是根據(jù)色度學理論建立顏色模型，基于顏色模型進行處理。主要的顏色空間有 RGB、 YCbCr、 HSV等。 可以用三維的笛卡爾坐標系統(tǒng)來表示 RGB 顏色空間，如圖 21 所示， RGB 顏色空間中三維空間的三個軸分別與紅、綠、藍三基色相對應，原點對應于黑色，離原點最遠的頂點對應于白色，其他顏色落在三維空間中由紅、綠、藍三基色組成的彩色立方體中。人的肉眼對視頻的 Y 分量更敏感，因此在通過對色度分量進行子采樣來減少色度分量后，肉眼將察覺不到的圖像質量的變化。 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 （ 2） YCbCr 色彩格式將色彩中色度分量 Cb、 Cr 與亮度分量 Y 有效地分離。 HSV 使用單六角錐的顏色模型，如圖 22所示， HSV 模型的三維表示從 RGB 立方體演化而來 。 該模型的重要性在于：一方面消除了亮度成分 V 在圖像中與顏色信息的聯(lián)系，另一方面色調 H 和飽和度 S 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 與人的視覺感受密切相關。 若 r=max(r,g,b)和 g? min(r,g,b)時， h=1+r39。r=Vrmm? mmgV??39。Terrillion 等考察了歸一化的 rgb、 CIElab、歸一化了的 TSL、 CIEDSH、 HSV、 YIQ、YES、 CIEluv 和 DIExy 九種色度空間，比較了單峰高斯模型和混合高斯模型在不同色度空間中的性能，發(fā)現(xiàn)除了少數(shù)情況外，一般需要使用混合高斯模型才能 較好地描述膚色區(qū)域的分布。此外也有同事考慮膚色與非膚色像素分布的基于貝葉斯方法的模型。從它的判斷過程來看，這是一種較簡單的膚色模型。 單峰高斯模型 這種方法的前提是假設膚色分布服從單峰高斯分布。單峰高斯模型是橢圓高斯聯(lián)合概率密度函數(shù)： ?????? ??? )(x)(x21e x p2 1( x / s k i n ) 1T2/1 ???p,其中 x 是像素的顏色分量， ? 是均值向量， ? 是協(xié)方差矩陣?；旌细咚鼓Ｐ褪嵌鄠€高斯密度函數(shù)的加權和： ,)(x)(x21e x p2 1w( x ) i1T2/1k 1i i ?????? ??? ?? ??? iip 其中 x是像素的顏色向量， k 是高斯密度函數(shù)的個數(shù)，分別用均值向量 i? 和協(xié)方差矩陣 i? 來定義，權值 iw 表示各個高斯密度函數(shù)對混合高斯模型貢獻的大小。 高斯膚色模型常用二維色度平面來表示膚色的分布，色度平面中的膚色分布是否符合高斯分布決定此建模方法的好壞，研究表明這種分布形態(tài)與所選的顏色空間密切相關。膚色樣本的統(tǒng)計直方圖可以構造膚色概率圖，即為離散化的顏色空間中的每個格子賦予一個概率值。模型 的建立主要 是 通過對 樣本庫中的大量純膚色圖像進行 膚色像素 的聚類分析 ，然后確定模型中的參數(shù) 。 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 具體算法為： （ 1） 對原始圖像進行顏色空間轉換和膚色檢測，得到對應顏色空間中的彩色圖像),( YXI 和標識相應膚色區(qū)域的二值圖像 ）（ YXI ,39。 YXI ， ）（ intint ,1 YX ? 和 ),2( intint YX ? 。 YXI 中，從 ）（ curcur YX , 向左搜索，若該點為非膚色點或改點在Y)(X,makI 中的相應標識為“已搜索”則轉至步驟（ 4），否則考察該點的顏色，若與相應空間中的顏色差異大于閾值則轉至步驟（ 4）， 否則重新計算相應的顏色。 （ 6） 記錄搜索到新的區(qū)域 )Y,X,Y,(X b o ttmr ig h tto ple f tn e wR ，返回 ）（ topright YX ,1? ,并轉至步驟（ 2）重新搜索，直到搜索完整幅圖像。 （ 3） 對于分割后的區(qū)域，如果其面積小于 5? 5 個像素，則刪掉，面積閾值是根據(jù)經驗確定的。 第三章 基于統(tǒng)計的膚色建模 建立膚色模型需要大量的不同膚色、不同大小、不同環(huán)境下拍攝的人臉的 RGB圖像。雖然在 RGB 顏色空間難于將膚色有效地聚成密集分布的一類，但人體膚色特征色調在紅色區(qū)內，這一特征表現(xiàn)在圖像中，就是膚色的 RGB符合： RGB 膚色的這一特征相當穩(wěn)定，無論是人種的變化還是光照環(huán)境的變化，都不足以造成成式 RGB 變?yōu)?GR 或 BG，膚色的聚類結果簡單而穩(wěn)定【 15】。 。使用 MATLAB，可以較使用傳統(tǒng)的編程語言（如 C、 C++等）更快地解決技術計算問題， MATLAB 的應用范圍非常廣，包括信號和數(shù)字圖像處理、通訊、控制系統(tǒng)設計、測試和測量、財務建模和分析以及計算生物學等眾多應用領域。在主窗體部分可以直接輸入命令，也可以觀看運算結果，它是直接反映運算信息的重要窗口。 RGB 顏色空間下人臉仿真實驗結果如圖 41所示： R 分量 G 分量 B 分量 人臉仿真實驗結果 圖 41 RGB 顏色空間人臉檢測實驗結果 通過 RGB 顏色空間下的人臉可以很明顯的看出脖子等區(qū)域混雜，有些模糊，所以說 RGB 方法是有一定的缺陷的。 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 （ 4） 若滿足條件： Cb∈ [77,127],Cr∈ [133,173]且 Y100 時，為人臉區(qū)域；若不滿足為非人臉區(qū)域。 （ 4）若 H（歸一化值）時，為人臉區(qū)域；若不滿足為非人臉區(qū)域。 YCbCr 顏色空間中膚色的聚類特性比較好，是常用的膚色模型。本文首先全面概述了人臉檢測技術及其發(fā)展方向、應用背景和研究意義，重點描述了人臉檢測的研究內容和方法；然后采用了不同的顏色空間來研究膚色模型，重點介紹了 RGB、 YCbCr、 HSV顏色空間，以及各顏色空間下的膚色模型；最 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 后研究人臉圖像在不同顏色空間下的顏色特征，選取了大量的膚色樣本，在具體的顏色空間中通過實驗建立膚色模型，利用得到的特征進行靜止圖像中的人臉檢測。這一點，需要自動人臉識別系統(tǒng)中的特征提取環(huán)節(jié)做進一步的檢測。 展望 人臉檢測作為人臉信息處理的一個重要內容，近年來已經成為計算機視覺與模式識別領域的研究熱點之一。但這種該方法的判斷要通過人工進行多種技術鑒定，對證件資料假冒或沒有身份證件的犯罪嫌疑人查證存在較大的難題?；谀w色的人臉檢測是近年來的主要研究方向，但完全基于膚色檢測人臉，不利用任何灰度信息是不可靠的。還有將來我們普通人的生活中也會時時用到這方面的內容，公司的職員報到及考勤系統(tǒng)都可以利用人臉識別技術，比利用指紋識別更加方便。隨著相關技術的不斷發(fā)展和實際需求的日益增長自動人臉分析技術越來越受 到人們的關注和重視。)。 %獲取顏色分量 b subplot(1,4,1),imshow(fr,[])。 for x=1:m for y=1:n。a