【正文】 amp。 %獲取顏色分量 b subplot(1,4,1),imshow(fr,[])。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。基于膚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。 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。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。 （ 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。 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。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。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】。 （ 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。 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。 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。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。混合高斯模型是多個高斯密度函數(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。 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。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。r=Vrmm? mmgV??39。 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。 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。 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。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。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。因此，膚色特征在人臉檢測中是最常用的一種特征。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(wǎng)絡的方法等。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。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。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(wǎng)。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(wǎng)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。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。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） 。 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 。 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。本人授權 大學可以將本學位論文的全部或部分內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構的學位或學歷而使用過的材料。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。研究人臉圖像在不同顏色空間（ RGB、 YCbCr、 HSV）下的顏色特征，具體做法是將原始彩色圖從 RGB色彩空間轉換到上述色彩空間中，選取大量膚色樣本在具體的色彩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。 Color space。但 20 世紀 90年代初以來，隨著電子 商務等網(wǎng)絡資源的利用，使得人臉識別成為最具有潛力的生物身份驗證手段，在這種應用背景下，要求人臉自動識別系統(tǒng)對一般的環(huán)境圖像有一定的適應能力，由此所面臨的一系列問題使得人臉檢測作為一個單獨的課題受到研究者的重視（ 2）。人臉是一類具有相當復雜的細節(jié)變化的自然結構目標，對于這類目標的檢測是一個極富挑戰(zhàn)性的課題。國外的主要研究單位有美 山東輕工業(yè)學 院 2020 屆本科生畢業(yè)設計（論文 國的麻省理工媒體實驗室（ MIT Media lab） 、卡耐基梅隆大學的人機交互學院（ Human puter interface institute） 、微軟研究院的視覺技術研究組 （ Vision Technology Group） 、 英國劍橋大學工程系 （ Department of Engineering）等，國內的微軟亞洲研究院、中科院自動化研究所、清華大學、北京工業(yè)大學等都有專業(yè)人員從事人臉檢測的相關研究。目前國內外很多專家學者對膚色分割做了大量的研究，基于膚色模型的分割方法大多采用 RGB顏色空間、 YCbCr 顏色空間、 HSV 顏色空間等。人臉模式具有復雜而細致的變化，因此需要采用多種模式相結合的方法?；谥R的方法中所用到的規(guī)則可以表述為人臉局部特征之間的相對距離和位置關系等，當滿足這些規(guī)則的圖像區(qū)域被找到后，則認為一副人臉已被檢測出來，然后可以對候選的人臉區(qū)域進行進一步的驗證，以確定候選區(qū)域中是否包含人臉。因此，可以通過大量的人臉和非人臉樣本來建立一個分類器，使它能夠正確地分辨這兩種不同的圖像模式，再利用訓練好的分類器在未知的圖像中檢測人臉。基于表象的人臉檢測方法，一般只能在圖像中檢測垂直正面的人臉，用于建立人臉模型和訓練神經網(wǎng)絡的樣本數(shù)量太大，進行全局搜索的時間較長。 目前關于人臉檢測的研究已開始向綜合特征發(fā)展。人的視覺對彩色性當敏感，人眼一般能區(qū)分的灰度等級只有二十多個，但是能區(qū)分有不同色度和亮度的幾千種顏色。其中， RGB 顏色系統(tǒng)是最基本的顏色系統(tǒng)，其他的顏色系統(tǒng)都是基于該顏色系統(tǒng)的，只是用途各異，它們與 RGB 顏色系統(tǒng)可以按一定的關系相互轉換 。 其中， Cr 反映了 RGB 輸入信號紅色部分與 RGB 信號亮度值之間的差異 ， 而 Cb 反映的是 RGB 輸入信號藍色部分與 RGB 信號亮度值之同的差異。 H 參數(shù)表示色彩信息，即所處的光譜顏色的位置 ， 該參數(shù)用角度量來表示，紅、綠、藍分別相隔 120度 ， 互補色分別相差 180度。 若 g=max(r,g,b)和 b=min(r,g,b)時， h=3b39。 Terrillion 等同時還指出，最終限值監(jiān)測性能的因素是不同色度空間中膚色與非膚色區(qū)域的重疊程度。該模型的難點在于如何精確地確定閾值，閾值選擇不當可能會使膚色檢測率下降，誤檢率上升。高斯分布參數(shù) ? 和 ? 用最大似然法估算。 Yang(15)驗證了在 RGB顏色空間中，一定光照變化范圍內的膚色符合高斯正態(tài)分布； Yang（ 33）證明了在 Luv顏色空間中，膚色呈現(xiàn)正態(tài)分布。模型的運用，主要是通過已建立的膚色模型來判 段 所輸入的像素或區(qū)域 是否 屬于 膚色 像素或區(qū)域 ，或者給出其與膚色的相似度 。將其作為初始新區(qū)域)Y,X,Y,(X b o ttmr ig h tto ple f tn e wR = ）（ 2,2, in tin tin tin t ?? YXX 。上述算 法第（ 3）和第（ 4）步對顏色的判定保證了搜索出的區(qū)域中膚色點顏色具有一致性，但是由于受到陰影和眼鏡等附屬品的影響，一些局部像素可能與人臉的平均顏色有較大的差異，這時臉部往往被分割為多個區(qū)域，因此需要對