【正文】 G(RG)[ ( RB ) ] / 2(RG)[ ( Ra r c c o s? B)G,m ax ( R , B)G,m in ( R ,B)G,( R ,m ax?S 公式四 255 B)G,(R,m ax?V 常見(jiàn)的膚色模型 膚色模型是關(guān)于膚色知識(shí)的計(jì)算機(jī)表示 。利用這個(gè)模型來(lái)判段膚色主要需要兩個(gè)步驟 :首先通過(guò)統(tǒng)計(jì)的方法確定模型，即歸確定膚色的具體范圍；其次利用這個(gè)模 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 型來(lái)判段新的像素或區(qū)域是否為膚色。這種方法也可分為兩個(gè)步驟 :首先確定模型的參數(shù)，即確定均值和方差；其次利用該模型判段待檢像素或區(qū)域是否為膚色像素或區(qū)域。這個(gè)模型的主要難點(diǎn)是對(duì)混合高斯模型的參數(shù)估計(jì)，其參 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 數(shù)的估計(jì)通常采用 Dempster 等人提出的基于極大似然值的算法。對(duì)于三維直方圖，盡管效果很好，但是需要很多的訓(xùn)練樣本而且訓(xùn)練時(shí)間很長(zhǎng)，比較復(fù)雜，本文不詳細(xì)討論這種方法。（ 2）在 ),( intint39。 YXI 中， 從 ）（ curcur YX , 向右搜索，記錄當(dāng)前的 x 坐標(biāo)為 crX 。用這個(gè)矩形框去套分割后的每個(gè)膚色區(qū)域，每一次套矩形框時(shí)，考察矩形中每一個(gè)非皮膚像素，從這個(gè)非膚色像素發(fā)散出去的四條線，如果其中三條都在此矩形框內(nèi)與膚 色像素相交，則認(rèn)為此非膚色像素可能在人臉中，并且包括在臉部區(qū)域中。通過(guò)實(shí)踐，選取大量的膚色樣本進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)膚色在 CbCr空間的分布呈現(xiàn)良好的聚類性【 16】，統(tǒng)計(jì)分布如圖 3 32所示： 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 圖 31 膚色像素的 Cb分量分布圖 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 圖 32 膚色像素的 Cr分量分布圖 由此可建立在 CbCr 空間下的膚色模型。 MATLAB 提供了很多用于記錄和分享工作成果的功能，可以將 MATLAB 代碼與其他語(yǔ)言和應(yīng)用程序集成，來(lái)分發(fā) MATLAB 算法和應(yīng)用。 （ 2） 掃描圖像， 獲取該彩色圖像每一像素的 R、 G、 B顏色分量值。實(shí)驗(yàn)結(jié)果揭示了不同顏色空間膚色模型的對(duì)比，在人臉膚色分析中，由于 RGB 顏色空間中 R、 G、 B 三個(gè)顏色分量都包含亮度信息，人臉和脖子區(qū)域由于光照因素易成為一個(gè)區(qū)域，容易造成部分區(qū)域的模糊， 混淆視覺(jué)，而造成人臉檢測(cè)的困擾，正是因?yàn)?RGB 空間存在極強(qiáng)的相關(guān)性，所以不太適合膚色處理。由于 RGB 顏色空間存在著極強(qiáng)的相關(guān)性，當(dāng)一個(gè)量改變時(shí)，其他量也跟著改變，而且易受到光照亮度的影響，所以一般先將 RGB 顏色空間下的圖像轉(zhuǎn)換到其他顏色空間，再進(jìn)行人臉檢測(cè)，轉(zhuǎn)換之后就使得圖像的膚色與非膚色的區(qū)域區(qū)分的比較好，不容易出現(xiàn)混淆，確保在各類 顏色空間中找到膚色區(qū)域的最佳方案。因此，人臉檢測(cè)是一個(gè)極具挑戰(zhàn)性的模式分類問(wèn)題，對(duì)這個(gè)問(wèn)題的研究具有十分重要的學(xué)術(shù)價(jià)值，而且人臉 檢測(cè)與許多實(shí)際問(wèn)題緊密相關(guān)，在出入安全檢查、視覺(jué)監(jiān)視、智能人機(jī)接口、基于內(nèi)容的檢索、數(shù)字視頻處理等諸多領(lǐng)域有著極為廣泛的應(yīng)用價(jià)值。 本文中，建立了 用于提取膚色信息的三類顏色空間下的膚色模型 — RGB 模型、YCbCr 模型和 HSV 模型，依靠這些膚色模型，可以很容易地將彩色圖像分為膚色和非膚色區(qū)域，實(shí)驗(yàn)結(jié)果展示了各種膚色模型的可操作性。 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 參考文獻(xiàn) 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 附錄 程序 face1=imread(39。 %顯示 g分量 subplot(1,4,3),imshow(fb,[])。amp。amp。 %獲取顏色分量 r fg=face1(:,:,2)。 人臉檢測(cè)的研究是一條充滿了困難和挑戰(zhàn)的道路，正是如此，這個(gè)過(guò)程同時(shí)也充滿著樂(lè)趣。 目前的人臉檢測(cè)方法都無(wú)法很好地適用于各種復(fù)雜的情況，它們各有各的優(yōu)勢(shì)和局限。用 MATLAB 實(shí)驗(yàn)仿真后，通過(guò)比較分析結(jié)果，可知RGB 顏色空間由于存在極強(qiáng)的相關(guān)性，易受光照亮度 的影響，容易造成視覺(jué)上的混淆，不太適合人臉檢測(cè)。我們常用的的這兩個(gè)模型為基于膚色 的人臉檢測(cè)研究打下了可靠、堅(jiān)實(shí)的基礎(chǔ)。 （ 2）掃描圖像， 獲取該彩色圖像每一像素的 R、 G、 B顏色分量值。 （ 2） 掃描圖像，獲取彩色圖像每一像素的 R、 G、 B顏色分量值。在該空間下，膚色區(qū)間滿足H19， S=48， 其中 H、 S 分別是 色調(diào)、飽和度的值。 基于 RGB 空間的膚色模型表示方法 一般來(lái)說(shuō)， RGB 顏色空間由于 R、 G、 B 分量相關(guān)性強(qiáng)，不大容易直接建立膚色模型。 定位人臉區(qū)域 為了把候選面部區(qū)域從復(fù)雜背景中分離出來(lái)，必須做以下四步分割和過(guò)濾操作：（ 1）對(duì)于每一個(gè)非膚色像素，如果其 3? 3 近鄰中膚色像素的個(gè)數(shù)超過(guò) 4，那么就把這個(gè)非膚色像 素用膚色像素代替，這個(gè)中值濾波的目的是使圖像平滑。初始化 intc u rintc u r , YYXX ?? 。 區(qū)域分割 由于自然界中存在大量與人類皮膚顏色相似甚至相同的物體，因此膚色檢測(cè)的結(jié)果中可能包含大量的非皮膚區(qū)域，若直接按照膚色檢測(cè)的結(jié)果進(jìn)行分割，則達(dá)到的區(qū)域?qū)⑦h(yuǎn)遠(yuǎn)大于真實(shí)的人臉，造成對(duì)于人臉尺度的估計(jì)錯(cuò)誤，最終導(dǎo)致檢測(cè)失敗，進(jìn)一步研究發(fā)現(xiàn)：在大多數(shù)圖片中，某些背景顏色的顏色雖然與其他圖片中的人臉顏色相同，但與這幅特定的圖片中的人臉顏色具有相對(duì)的差異性；對(duì)訓(xùn)練樣本的統(tǒng)計(jì)表明，正常光照條件下的某個(gè)特定人臉的絕大部分區(qū)域的顏色具有較強(qiáng)的一致性。如果膚色在某個(gè)顏色空間中的分布非常不對(duì)稱，則會(huì)造成相同正檢率條件下誤檢率升高。 x 屬于膚色的可能性可以直接用 P(x/skin)來(lái)衡量，也可以通過(guò)高斯分布參數(shù)來(lái)計(jì)算像素 x 與均值 ? 的馬氏距離 ),(x)(x 1T2 ?? ?d 距離大小表示該像素與膚色模型的接近程度。此模型相對(duì)簡(jiǎn)單，計(jì)算快捷，使用方便，速度快，但效果不是很好，只適用于特定條件下的膚色檢測(cè)。 Jones 等研究了 RGB 空間中膚色與非膚色像素的分布，根據(jù)標(biāo)定出膚色區(qū)域的近二萬(wàn)副圖片（包含約二十億個(gè)像素）建立了三維直方圖，在此基礎(chǔ)上比較了直方圖模型和混合高斯模型，發(fā)現(xiàn)前者的性能略好于后者。 若 g=max(r,g,b)和 b? min(r,g,b)時(shí)， h=5r39。 純度 S 為比例值，它表示成所選顏色的純度和該顏色最 大的純度之間的比率。 它將亮度型號(hào)與色度信號(hào)分離，非常適用于膚色檢測(cè)。 RGB 顏色空間 RGB 顏色空間用 R、 G、 B 三種基本顏色分量來(lái)標(biāo)示數(shù)字圖像像素的顏色值。可以察覺(jué)的顏色屬性包括色調(diào)、飽和度和亮度：色調(diào)指紅色、綠色、藍(lán)色等顏色，對(duì)單色光源而言，色調(diào)的不同以波長(zhǎng)的不同顯示；飽和度是可以察覺(jué)的白色光加入單色光的比；亮度反映了察覺(jué)的明視度。如基于模板匹配和支持向量機(jī)的人臉檢測(cè)，基于離散隱馬爾可夫模型和奇異值特征的人臉檢測(cè)，基于小波變換和支持向量機(jī)的人臉 檢測(cè)等等?；谀０迤ヅ涞姆椒?，計(jì)算時(shí)間開(kāi)銷相當(dāng)大，因固定模 板無(wú)法調(diào)整，不適用于姿態(tài)、表情變化時(shí)的人臉檢測(cè)，彈性模板雖然可調(diào)，但對(duì)圖像進(jìn)行全局搜索時(shí)，要?jiǎng)討B(tài)地調(diào)整參數(shù)和計(jì)算能量函數(shù)，計(jì)算時(shí)間開(kāi)銷也很大。采用這種檢測(cè)策略的關(guān)鍵在 于如何選取大量的具有代表性的圖像樣本，特別是非人臉圖像樣本，來(lái)訓(xùn)練分類器。 Yang 和 Huang[4]提出 的分層次基于知識(shí)的方法檢測(cè)人臉是采用這種方法的例子。歸納起來(lái)，根據(jù)利用特征的色彩屬性可以將人臉檢測(cè)方法分為基于灰度特征的方法和基于膚色特征的方法兩類，前者利用了人臉區(qū)別于其他物體的更為本質(zhì)的特征，是人臉檢測(cè)領(lǐng)域研究的重點(diǎn) ，后者適用于構(gòu)造快速的人臉檢測(cè)和人臉跟蹤算法，也是本文將要研究的內(nèi)容。在不同顏色空間中的膚色分割各有其優(yōu)缺點(diǎn)： BGB 顏色空間得到的結(jié)果將非膚色區(qū)域（尤其是偏紅的部分）分割出來(lái)了，但是一般沒(méi)有漏檢；在 HSV 顏色空間結(jié)果非膚色區(qū)域分割的較準(zhǔn)確，但是膚色區(qū)域分割效果不完全； YCbCr 顏色空間的結(jié)果將亮度分量與色度分量分離，較好地去掉了膚色發(fā)紅的部分。而且， MPEG7 標(biāo)準(zhǔn)組織已經(jīng)建立了人臉識(shí)別草案小組，人臉檢測(cè)算法也是一項(xiàng)征集的內(nèi)容。人臉檢測(cè)問(wèn)題的難度在于：（ 1）人臉是一個(gè)非剛性模式，有各種姿態(tài)、表情的變化，不同人臉在細(xì)節(jié)如形狀、大小、顏色上都有差異，即人臉本身是不規(guī)則的復(fù)雜模式，具有模式的可變性；（ 2）背景與光照的不確定性，如在復(fù)雜的背景中，不同的采集條件下的光源方向、明暗、色彩都會(huì) 影響輸入圖像的質(zhì)量：（ 3）人臉可能有的裝飾物會(huì)增加檢測(cè)的難度，如戴眼鏡、口罩，化妝，臉上長(zhǎng)有的胡須、黑斑等。 今天，人臉檢測(cè)的應(yīng)用背景已經(jīng)遠(yuǎn)遠(yuǎn)超出了人臉識(shí)別系統(tǒng)的范疇。 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 第一章 人臉檢測(cè)綜述 人臉檢測(cè)的研究背景及意義 人臉檢測(cè)是指使用計(jì)算機(jī)在輸入圖像中確定所有人臉（如果存在）的位置與大小的過(guò)程。關(guān)于膚色信息的彩色圖像人臉檢測(cè)算法，以 MATLAB 為工具，對(duì)模型進(jìn)行了仿真驗(yàn)證。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。 基于膚色的人臉檢測(cè)算法研究 畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說(shuō)明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。 作者簽名： 日期： 年 月 日 學(xué)位論文版權(quán)使用授權(quán)書 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交 論文的復(fù)印件和電子版，允許論文被查閱和借閱。運(yùn)行結(jié)果表明，此算法對(duì)不同圖片有比較強(qiáng)的適應(yīng)性，對(duì)姿態(tài)與表情魯棒性好，能夠比較準(zhǔn)確地檢測(cè)出人臉的位置。人臉檢測(cè)系統(tǒng)的輸入是可能包含人臉的圖像，輸出是關(guān)于圖像中是否存在人臉以及人臉的數(shù)目、位置、尺度、位姿等信息的參數(shù)化描述（ 1）。 隨著網(wǎng)路技術(shù)和桌上視頻的廣泛應(yīng)用，圖像撲捉設(shè)備正在成為個(gè)人計(jì)算機(jī)的標(biāo)準(zhǔn)外設(shè)，為視頻會(huì)議等服務(wù)所急需的技術(shù) —— 基于內(nèi)容的壓縮與檢索成為一個(gè)研究熱點(diǎn)。因此，如果能找到解決這些問(wèn)題的方法，成功構(gòu)造出人臉檢測(cè)系統(tǒng)，將為其他具有類此特征和模式的檢測(cè)問(wèn)題提供重要的啟示。此外，隨著人臉檢測(cè)研究的深入，國(guó)際上發(fā)表的有關(guān)論文數(shù)量也大幅度增長(zhǎng)，如 IEEE 的 FG、 ICIP、 CVPR 等重要的國(guó)際會(huì)議上每年都有大量的關(guān)于人臉檢測(cè)的論文，占有關(guān)人臉研究論文的 1/3 之多。 基于模板匹配的人臉檢測(cè) 在分割出的膚色區(qū)域中，使用平均雙眼和平均人臉模板匹配加人工神經(jīng)網(wǎng)驗(yàn)證的方法，在一定尺度范圍內(nèi)進(jìn)行窮舉搜索，精確定位出人臉，其中為了減少錯(cuò)誤報(bào)警，使用了雙神經(jīng)網(wǎng)仲裁方法。 人臉檢測(cè)的一般方法 基于灰度特征的人臉檢測(cè) 基于特征的人臉檢測(cè)方法是通過(guò)檢測(cè)出不同的人臉面部特征的位置，然后根據(jù)他們之間的空間幾何關(guān)系來(lái)定位人臉?；诰植刻卣鞯姆椒ㄊ紫仍谡麄€(gè)圖像中搜索 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 一組人臉局部特征，然后通過(guò)它們之間的幾何關(guān)系組合成候選的人臉區(qū)域。具體分類器的實(shí)現(xiàn)可以采用不同的策略，如采用神經(jīng)網(wǎng)絡(luò)的方法和傳統(tǒng)的統(tǒng)計(jì)方法等。 山東輕工業(yè)學(xué) 院 2020 屆本科生畢業(yè)設(shè)計(jì)（論文 基于膚色特征的人臉檢測(cè) 膚色是人臉的重要信息，不依賴與面部細(xì)節(jié)特征的變化而變化，對(duì)于旋轉(zhuǎn)、表情變化等情況都能適用，具有相對(duì)的穩(wěn)定性，并且和大多數(shù)背景物體的顏色相區(qū)別。大部分彩色圖像的人臉檢測(cè)，都利用了膚色特征和灰度特征的綜合，如基于膚色和模板的人臉檢測(cè)，基于膚色和主元分析的人臉檢測(cè)，基于顏色和形狀的人臉檢測(cè)等等。在數(shù)字圖像中利用彩色信息可以提高圖像的可鑒別性，使圖像更容易辨認(rèn)，目標(biāo)更容易識(shí)別。 我們非常熟悉的計(jì)算機(jī)屏幕的顯示通常采用 RGB 色彩系統(tǒng)，這是最常見(jiàn)的色彩系統(tǒng)。具體來(lái)說(shuō) YCbCr顏色空間模型具有如下的優(yōu)點(diǎn)： （ 1） YCbCr 色彩格式具有與人類視覺(jué)感知過(guò)程相類似的構(gòu)成原理。 V 表示色彩的明亮程度 ， 它和光強(qiáng)度之間沒(méi)有直接的聯(lián)系。 若是其他情況時(shí)， （ 39。除了上述三種膚色模型外，還有直接利用幾何參數(shù)描述膚色區(qū)域分布范圍的模型、三維投影模型、基于神經(jīng)網(wǎng)的膚色模型等。 高斯分布模型 高斯密度函數(shù)估計(jì)是一種參數(shù)化的建模方法，可以分為單峰高