【文章內(nèi)容簡介】 80度。 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。 V表示色彩的明亮程度，它和光強(qiáng)度之間沒有直接的聯(lián)系。 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(diào)H和飽和度S與人的視覺感受密切相關(guān)?；谌说囊曈X系統(tǒng)顏色特性使HSV模型成為一個(gè)研究圖像處理的重要工具。圖22 HSV顏色空間模型它與RGB顏色空間的具體轉(zhuǎn)換關(guān)系如下：RGB顏色空間向 HSV顏色空間轉(zhuǎn)換的公式： V=max(R,G,B) S= 公式三 H=h公式三中： mm=max(r,g,b)min(r,g,b), h=5+b 若r=max(r,g,b)和g=min(r,g,b)時(shí)， h=1g 若r=max(r,g,b)和gmin(r,g,b)時(shí)， h=1+r 若g=max(r,g,b)和b=min(r,g,b)時(shí)， h=3b 若g=max(r,g,b)和bmin(r,g,b)時(shí)， h=5r 若是其他情況時(shí)， （ ） HSV顏色空間向 RGB顏色空間轉(zhuǎn)換的公式： 公式四 膚色模型是關(guān)于膚色知識的計(jì)算機(jī)表示。通過訓(xùn)練樣本集建立膚色模型是膚色檢測的關(guān)鍵，常用的膚色模型有單峰高斯模型、混合高斯模型和直方圖模型。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。Terrillion等同時(shí)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。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。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。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。 區(qū)域模型該模型又稱簡單門限模型、IFTHEN模型，它主要是利用了膚色在顏色空間中的聚類性，用數(shù)學(xué)表達(dá)式明確規(guī)定膚色的范圍，在這個(gè)范圍內(nèi)的區(qū)域被標(biāo)定為膚色區(qū)域，范圍之外的區(qū)域被標(biāo)定位非膚色區(qū)域。利用這個(gè)模型來判段膚色主要需要兩個(gè)步驟:首先通過統(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)模型來判段新的像素或區(qū)域是否為膚色。因此，對于一幅新的圖像，如果某個(gè)像素或區(qū)域滿足給定的條件就為膚色像素或區(qū)域，否則就是非膚色像素或區(qū)域。從它的判斷過程來看，這是一種較簡單的膚色模型。該模型的難點(diǎn)在于如何精確地確定閾值，閾值選擇不當(dāng)可能會使膚色檢測率下降，誤檢率上升。此模型相對簡單，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。 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，可以分為單峰高斯模型和混合高斯模型。單峰高斯模型這種方法的前提是假設(shè)膚色分布服從單峰高斯分布。主要通過統(tǒng)計(jì)分析，來預(yù)測單峰高斯分布中的參數(shù)，其中確定參數(shù)常用的方法有EM算法、MaximumLikelihood或通過統(tǒng)計(jì)直接求得色彩空間中每一個(gè)分量(一般利用該顏色空間中的色度分量)的均值與方差。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。單峰高斯模型相對區(qū)域模型來說能更好的表示膚色的分布，因此它的膚色檢測率也較高，并且模型的參數(shù)也易于計(jì)算，但是速度較區(qū)域模型慢。單峰高斯模型是橢圓高斯聯(lián)合概率密度函數(shù)：,其中x是像素的顏色分量，是均值向量，是協(xié)方差矩陣。高斯分布參數(shù)和用最大似然法估算。x屬于膚色的可能性可以直接用P(x/skin)來衡量，也可以通過高斯分布參數(shù)來計(jì)算像素x與均值的馬氏距離距離大小表示該像素與膚色模型的接近程度?；旌细咚鼓Ｐ陀捎趩畏甯咚狗植季哂衅渚窒扌裕煌N族的膚色直方圖并不完全滿足單峰高斯分布，卻可以采用多峰的高斯分布來精確表示，因此提出了混合高斯模型。混合高斯模型是多個(gè)高斯密度函數(shù)的加權(quán)和：其中x是像素的顏色向量，k是高斯密度函數(shù)的個(gè)數(shù)，分別用均值向量和協(xié)方差矩陣來定義，權(quán)值表示各個(gè)高斯密度函數(shù)對混合高斯模型貢獻(xiàn)的大小。該模型表明膚色的每個(gè)像素密度都屬于概率密度這個(gè)混合體。這個(gè)模型的主要難點(diǎn)是對混合高斯模型的參數(shù)估計(jì)，其參數(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。這種模型相對于前面兩種模型來說，膚色檢測率要高得多，誤檢率也小得多，但是模型的確定（模型的參數(shù)估計(jì)）較難，速度較慢，不適用于快速膚色檢測。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(guān)。Yang(15)驗(yàn)證了在RGB顏色空間中，一定光照變化范圍內(nèi)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。如果膚色在某個(gè)顏色空間中的分布非常不對稱，則會造成相同正檢率條件下誤檢率升高。 直方圖模型直方圖膚色模型是一種非參數(shù)化的模型，通過對膚色直方圖的統(tǒng)計(jì)，然后利用閾值來進(jìn)行判別。膚色樣本的統(tǒng)計(jì)直方圖可以構(gòu)造膚色概率圖，即為離散化的顏色空間中的每個(gè)格子賦予一個(gè)概率值。利用膚色概率圖來檢測膚色像素主要有兩種方法：貝葉斯分類器和規(guī)則化查表法。對于三維直方圖，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，比較復(fù)雜，本文不詳細(xì)討論這種方法。 區(qū)域分割理論利用膚色模型對膚色進(jìn)行分割主要分為兩個(gè)階段:模型建立和模型運(yùn)用。模型的建立主要是通過對樣本庫中的大量純膚色圖像進(jìn)行膚色像素的聚類分析，然后確定模型中的參數(shù)。模型的運(yùn)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。 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，造成對于人臉尺度的估計(jì)錯(cuò)誤，最終導(dǎo)致檢測失敗，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的差異性；對訓(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。因此，我們在區(qū)域分割中引入了“顏色一致性”的判別準(zhǔn)則。具體算法為：（1） 對原始圖像進(jìn)行顏色空間轉(zhuǎn)換和膚色檢測，得到對應(yīng)顏色空間中的彩色圖像和標(biāo)識相應(yīng)膚色區(qū)域的二值圖像初始化相應(yīng)的標(biāo)識矩陣。（2）在中由左至右、由上至下掃描，直至找到3個(gè)連續(xù)的未搜索過的膚色點(diǎn)，和。將其作為初始新區(qū)域=。初始化。（3） 在中，從 向左搜索，若該點(diǎn)為非膚色點(diǎn)或改點(diǎn)在中的相應(yīng)標(biāo)識為“已搜索”則轉(zhuǎn)至步驟（4），否則考察該點(diǎn)的顏色，若與相應(yīng)空間中的顏色差異大于閾值則轉(zhuǎn)至步驟（4），否則重新計(jì)算相應(yīng)的顏色。（4） 用類似的方法在中， 從 向右搜索，記錄當(dāng)前的x坐標(biāo)為。（5） 若（3）、（4）步中均未搜索到符合條件的膚色點(diǎn)，轉(zhuǎn)步驟（6），否則根據(jù)和對進(jìn)行相應(yīng)的調(diào)整，令轉(zhuǎn)步驟（3）。（6） 記錄搜索到新的區(qū)域，返回,并轉(zhuǎn)至步驟（2）重新搜索，直到搜索完整幅圖像。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(diǎn)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(shí)臉部往往被分割為多個(gè)區(qū)域，因此需要對分割出的目標(biāo)進(jìn)行歸并處理，也就是區(qū)域歸并。 定位人臉區(qū)域?yàn)榱税押蜻x面部區(qū)域從復(fù)雜背景中分離出來，必須做以下四步分割和過濾操作：（1）對于每一個(gè)非膚色像素，如果其33近鄰中膚色像素的個(gè)數(shù)超過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。（2） 用技術(shù)把連接到一起的皮膚區(qū)域分開。（3） 對于分割后的區(qū)域，如果其面積小于55個(gè)像素，則刪掉，面積閾值是根據(jù)經(jīng)驗(yàn)確定的。（4） 為了是膚色區(qū)域包括人臉特征（如眼鏡、鼻子、嘴巴等）對應(yīng)的“洞”，首先找出可以覆蓋分割后每個(gè)膚色區(qū)域的最小的矩形。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。 經(jīng)過上述步驟后，每個(gè)連接起來的膚色區(qū)域都是一個(gè)候選的面部區(qū)域。第三章 基于統(tǒng)計(jì)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。本文從個(gè)人生活照、互聯(lián)網(wǎng)中選用了近百幅膚色各不相同的包含膚色的圖像，然后從中裁剪出膚色的部分，組成了膚色樣本庫，對其在不同空間中的分布進(jìn)行統(tǒng)計(jì)分析，得出了在RGB、YCrCb和HSV顏色空間中的膚色聚類情況，從而建立了在這三種顏色空間中