【文章內(nèi)容簡介】 b = 1R G BR G B?? ???，從而可以減少了空間維數(shù)。大部分的相關(guān)研究 都使用 這一顏色空間 作為檢測手段。盡管消除了 部分相對亮度信息，但 仍然 包含 一定的絕對亮度信息。 本科畢業(yè)設(shè)計說明書（論文） 第 6 頁 共 28 頁 HSI 色彩空間 HIS 色彩空間包含：色度、亮度和飽和度，是 由 國外學(xué)者提出的模型，常常被 畫家 使用 [21]。我們在日常生活中就采用了這樣的觀察方式，同時 在處理圖像過程中也 帶來了 諸多 便捷 。其中色度（ H）是很據(jù)顏色的名字來確認(rèn) ，如紅、綠，它用角度 180176。~180176?；?0176。 ~360176。來度量；飽和度（ S）表示顏色的深淺，對于藍色也會由于深度不同而分為深藍和淺藍，用百分比表示的話就是 從 0％到全滿狀態(tài)的 100％；亮度（ I）表示顏色的明暗狀況，用百分比表示就是 從黑 0％到白 100％。 HIS 的色彩空間 可以表示成一個圓柱體，坐標(biāo)體系 如圖 。 圖 HIS色彩空間 從 RGB 色彩空間到 HIS 色彩空間的轉(zhuǎn)換公式如下： 2 GBH GB??????????? ??? ? ?? ?? 其中： ? ? ? ?? ? ? ? ? ?1212c o s R G R BR G R B G B? ???? ? ???????? ??? ? ? ??? ? ?3 , ,1 Mi n R G BS R G B?? ?? （ ） ? ?13I R G B? ? ? 色彩空間 HSV（色調(diào)、飽和度、值）：色調(diào)代表顏色的類型，如紅色、藍色，或者綠色。飽和度代表充滿活力的顏色。和值代表顏色的亮度。該方法和 HIS 色彩空間的表示方法極為相似 [12]。如圖 所示， HSV 色彩空間呈六邊形，不同的頂點代表不同的顏色。 大部分情況下 ， 不 需要計算 V 分量的值 ，所以亮度變化產(chǎn)生的影響不是很大。首先在色彩空間內(nèi) 定義膚色的值域 所在的一個范圍，即可正確提取該膚色區(qū)域 。如圖 所示。 本科畢業(yè)設(shè)計說明書（論文） 第 7 頁 共 28 頁 圖 HSV顏色空間 圖 色度、飽和度空間中的閥值分割 色彩空間 在 JPEG 標(biāo)準(zhǔn)中， RGB 圖像被轉(zhuǎn)換到亮度 色度空間，通常稱之為 YCbCr 色彩空間。在 YCbCr空間中 ,Y分量表示顏色的亮度信息 ,Cb和 Cr分量不包含亮度信息 ,分別用來表示像素的藍色和紅色色度 [24]。 該空間常用于彩色圖像的壓縮和傳輸 ,JPEG 格式的圖片采用的色彩系統(tǒng)就是該系統(tǒng) 。 在 該空間中，可以看出樣板的分布受亮度值 Y 的影響很小。 RGB 到 YCbCr 空間的轉(zhuǎn)換公式如下 : 0 128 1281 0 0 0 1YCbCr? ?? ???????? ????????? ???????? ? ?? ? ? ? ??? ? ????????? ????????? ? ?????? ??????? ? ???? ? ????? ? ?? ? ?? ????? ???????????????? ???????????????? ?? ?????????? ? ? 1RGB? ? ?? ? ?? ? ?? ? ?? ? ?? ? ? () YCbCr 空間到 RGB 空間的轉(zhuǎn)換公式如下： 本科畢業(yè)設(shè)計說明書（論文） 第 8 頁 共 28 頁 1 02 01 44 141 22 0RYG C bB C r????????? ?????????? ? ? ? ? ?? ? ? ? ? ?? ?????? ? ??? ?? ? ? ? ? ?????????? ?????????? ? ? ? ? ?? ? ? ? ? ? （ ） YCbCr 色彩空間具有如下一些優(yōu)點： 第一，構(gòu)成原理 與人類視覺感知過程相似 。 第二， 電視等領(lǐng)域都有廣泛應(yīng)用，同時電視顯示 編碼 大都采用該 顏色 的 格式。 第三， 與其他顏色空間相比，能更好的將圖像中的亮度分量分離出來 。 第四 ， 計算繁瑣程度和 坐標(biāo)表示形式 相比較而言更簡潔 。 由于不同 顏色空間都有 各自其的不足之處，所以在使用上差了一點，因此在大多數(shù)情況下 采用 YCbCr 色彩空間 。 建立膚色模型時對 色度空間 的考察要從兩方面著手：首先就是考察 能否正確描述“ 膚色區(qū)域 ” 的分布 ；再者就是 看該 空間中 “ 膚色 ” 和 “ 非膚色 ” 的區(qū)域重疊情況 。根據(jù)大量研究分析 ,膚色的聚類特性 在該空間中 比較好 [14]。 膚色模型 膚色模型簡介 當(dāng)前 常 用的膚色模型有 ： 簡單色度空間模型、 混合高斯模型和統(tǒng)計直方圖模型 [23]。各個模型的簡要情況如下： （ 1）簡單色度空間模型 此模型是 將彩色圖像從 RGB色彩 空間轉(zhuǎn)換到另一個 顏色空間 ,總結(jié)統(tǒng)計值在 色度分量上的分布特 性 ,然后用人為規(guī)定的 閾值 分割待檢測 的彩色 圖像。規(guī)定在閥值區(qū)間內(nèi)的像素點判定為 膚色點 ,其他像素點判定為 非膚色點 ,膚色分割的二值圖像 就這樣產(chǎn)生了 。 該 模型 具有 精確度 高 ,算法 簡單 ,實用性好 ,速度快 等優(yōu)點 。但是 在非特定條件下對閾值選擇要求高，容易導(dǎo)致失誤，因而有時候效果會不太明顯，所以 膚色檢測 在特定的情況下才會使用到它 。 （ 2） 混合高斯模型 此模型揭示了 膚色 中 每 一個像素密度都在 概率密度的混合體 之內(nèi)。 參數(shù)估計 是這個模型的需要克服的主要 困難 。 此方法在 膚色的檢測 過程中檢測 率要高 很多 ,并且 誤檢率也要小 很多 ,但是模型的參數(shù)估計很難 ,速度也不是很快 ,因此 不適合快速的膚色檢測 。 本科畢業(yè)設(shè)計說明書（論文） 第 9 頁 共 28 頁 （ 3） 統(tǒng)計直方圖模型 此 模型 的原理 不難 ,就是通過直方圖觀察總結(jié)出 膚色在顏色空間的分布 情況 。 首先通過 直方圖 統(tǒng)計膚色和 非膚色像素 ,得到顏色在膚色和非膚色中的表現(xiàn)出的各方面信息 ,然后運用貝葉斯決策規(guī)則建立一個 膚色分類器 。 訓(xùn)練集合大小是影響了這一過程的主要因素，還有 直方圖大小 也是其中的一個影響因素 。 統(tǒng)計直方圖 的優(yōu)勢在于 不需要考慮顏色空間 ,運行起來簡單無負擔(dān)， 運算過程不繁雜 ,而且它的膚色分類器在檢測過程中速度快。但是它也有缺陷，它需要大量的樣本集 ,而且短時間內(nèi)難以完成檢測 。 （ 4）基于亮度聚類膚色模型 考慮到 彩色 的人臉圖像容易受到光照等因素的 影響 ,在進行人臉檢測時會產(chǎn)生亮區(qū)和陰影區(qū)。在 檢測 的 過程中 ,容易 產(chǎn)生漏檢 情況 ,對檢測結(jié)果產(chǎn)生了一定程度的干擾 。 國外學(xué)者在研究這個方法時，通過大量的計算來算出各點的膚色概率，并得出了像素 和膚色點的相關(guān)結(jié)論。 該方法 按照光照亮度將膚色分布分為幾類，并且通過統(tǒng)計和建模的方法，深度研究并解決了光照這一因素在膚色檢測過程中產(chǎn)生的干擾問題，魯棒性高。 膚色模型的 建立 如何選擇膚色模型的形式和色度空間至關(guān)重要 ,那么如何正確選擇呢？通過大量的研究和資料表明 ,可以采取這樣的辦法，考察該空間能不能準(zhǔn)確 描述 “ 膚色 ” 區(qū)域的分布 ，在用指定的模型這一條件下 [11]。本文中，我將采用高斯模型來完成任務(wù) 。 該模型運用 統(tǒng)計學(xué)原理， 并得出：膚色這樣的隨機樣本既然滿足正態(tài)分布，那么在它同樣應(yīng)該也 符合高斯分布 ，這一結(jié)論。大量資料證實：如果 顏色空間 的亮度分量和色度分量分離的話，分離后的 二維色度分量的 總體分布同樣滿足 二維高斯分布。通過調(diào)查研究資料， 通過統(tǒng)計 將 大量膚色像素點從 一個 空間轉(zhuǎn)化到 另一個顏色空間 ， 就可以看到一個膚色直方圖， 如圖 所示。膚色高斯模型 如 圖 所示。通過比較我們發(fā)現(xiàn)，高斯模型在體現(xiàn) 膚色分布 的效果上更好 。 本科畢業(yè)設(shè)計說明書（論文） 第 10 頁 共 28 頁 圖 CbCr色度空間 的 具體 分布 情況 圖 CbCr色度空間 的高斯分布 情況 接下來就是明確 二維高斯模型中的 相關(guān)未知數(shù)，計算公式有以下幾個 ： ? ?, Tx Cg Cr? ? ?m E x? ? ?? ?TC E x m x m??? ? ??? （ ） X代表 CbCr色度 空間中的像素點的色度向量， m代表統(tǒng)計出來的均值。 C代表統(tǒng)計出來的協(xié)方差矩陣 。 m和 c的 取值 分別 為： ? ?11 03 4 , 15 12 9 Tm ? ??? 4 2 .1 4 0 2 5 8 .4 1 1 35 8 .4 1 1 3C ????????? ??? ????????? ????? 本科畢業(yè)設(shè)計說明書（論文） 第 11 頁 共 28 頁 本章小結(jié) 本章首先針對基于膚色分割的 人臉檢測 進行了大致的描述講解。接著再對基于膚色分割的人臉檢測 中所涉及的膚色空 間和膚色模型 作了詳細的介紹，并對膚色空間和膚色模 和分割性能做了比 型 的選擇問題做了較為詳細介紹 。 然后對簡單膚色模型和高斯膚色模型在不同的膚色空間的聚類特性較詳細的分析和比較 。 最后 ,利用復(fù)合高斯模型在 YCbCr色彩空間中建立了膚色模型，并計算出各個參數(shù)的數(shù)值。 3 圖像 處理 基于圖像塊的方法 的優(yōu)勢在于適應(yīng) 力 強、 魯棒性 好 ，但 也存在缺陷，表現(xiàn)在在檢測窗口時搜索難度大，因此加強了計算繁瑣程度。所以，迫切提高檢測速度 ，這 樣才能在某些對實時性要求比較高的場合中不受過多的 限制 [17]。 對于彩色圖像而言， 姿態(tài) 的 變 化 對人臉膚色信息干擾較小，而且 彩色 的膚色信息特征提取方便 。在環(huán)境不理想或者明顯與膚色信息相差遙遠的條件 下， 此方法能夠迅速找到有用的圖像區(qū)域 ， 并在有效區(qū)域內(nèi)投入大量計算。因此，該 方法 最大的優(yōu)點就是速度快。 但是， 不同種族的人，人臉表面的顏色不一樣，光源顏色也不是一成不變的，以及光照角度的不同導(dǎo)致的高光區(qū)和非高光區(qū)等等因素的影響，加大了人臉分割的任務(wù) 。因此，膚色特征這一 方法的一 個很嚴(yán)重的缺陷就在