【文章內(nèi)容簡介】 應用中，由于客觀因素的影響，如人臉本身復雜的細節(jié)變化、人臉多姿態(tài)、各種遮擋、光照不均勻、以及復雜背景時，人臉檢測和識別普遍存在計算量大、速度慢、然后對圖像進行膚色檢測，再把檢測過的圖像還原成視頻，然后播放視頻，以基本上完成了視頻下的人臉檢測。 matlab圖像處理工具箱中的視頻操作 圖像文件格式有多種，包括BMP，JPEG和PNG等，MATLAB都提供支持，可以直接讀取這些文件。視頻也有許多種格式可以從不同的角度進行分類。最常見的是沒有壓縮的視頻文件是YUV，它是由相互關聯(lián)的若干幀靜態(tài)圖像所組成的圖像序列。由于視頻的數(shù)據(jù)量大，通常以壓縮后的形式進行存儲和傳輸，壓縮后的視頻可以分為兩大類：一類是面向存儲的，包括avi　mpg　mpeg　rm　等；另一類是面向流式媒體的，在在線實況和流媒體電影等中應用廣泛。下面我們重點介紹AVI　AVI—Audio Video Interleave，即音頻視頻交叉存取格式。1992年初Microsoft公司推出了AVI技術及其應用軟件VFW（Video for Windows）。在AVI文件中，運動圖像和伴音數(shù)據(jù)是以交織的方式存儲，并獨立于硬件設備。這種按交替方式組織音頻和視像數(shù)據(jù)的方式可使得讀取視頻數(shù)據(jù)流時能更有效地從存儲媒介得到連續(xù)的信息。構(gòu)成一個AVI文件的主要參數(shù)包括視像參數(shù)、伴音參數(shù)和壓縮參數(shù)等。AVI文件用的是AVI RIFF形式，AVI RIFF形式由字符串“AVI”標識。所有的AVI文件都包括兩個必須的LIST塊。這些塊定義了流和數(shù)據(jù)流的格式。AVI文件可能還包括一個索引塊。 只要遵循這個標準，任何視頻編碼方案都可以使用在AVI文件中。這意味著AVI有著非常好的擴充性。這個規(guī)范由于是由微軟制定，因此微軟全系列的軟件包括編程工具VB、VC都提供了最直接的支持，因此更加奠定了AVI在PC上的視頻霸主地位。由于AVI本身的開放性，獲得了眾多編碼技術研發(fā)商的支持，不同的編碼使得AVI不斷被完善，現(xiàn)在幾乎所有運行在PC上的通用視頻編輯系統(tǒng)，都是以支持AVI為主的。AVI的出現(xiàn)宣告了PC上啞片時代的結(jié)束，不斷完善的AVI格式代表了多媒體在PC上的興起。說到AVI就不能不提起英特爾公司的Indeo video系列編碼，Indeo編碼技術是一款用于PC視頻的高性能的、純軟件的視頻壓縮/解壓解決方案。Indeo音頻軟件能提供高質(zhì)量的壓縮音頻，可用于互聯(lián)網(wǎng)、企業(yè)內(nèi)部網(wǎng)和多媒體應用方案等。它既能進行音樂壓縮也能進行聲音壓縮，壓縮比可達8:1而沒有明顯的質(zhì)量損失。Indeo技術能幫助您構(gòu)建內(nèi)容更豐富的多媒體網(wǎng)站。目前被廣泛用于動態(tài)效果演示、游戲過場動畫、非線性素材保存等用途，是目前使用最廣泛的一種AVI編碼技術?，F(xiàn)在Indeo編碼技術及其相關軟件產(chǎn)品已經(jīng)被Ligos Technology 公司收購。隨著MPEG的崛起，Indeo面臨著極大的挑戰(zhàn)。下面就簡單介紹幾種常用的函數(shù)AVIREAD()AVIREAD()函數(shù)的功能是讀/寫一個AVI文件到MATLAB視頻結(jié)構(gòu)中。它的使用語法如下。MOV= AVIREAD(FILENAME)其中，參數(shù)FILENAME是生成的AVI文件的文件名稱，如果沒有擴展名，系統(tǒng)將會自動默認其擴展名為avi，而返回值MOV有兩個字段：cdata和colormap。ADDFRAME()ADDFRAME()函數(shù)的功能是添加單一的視頻到AVI文件中。他的使用語法如下。AVIOBJ= ADDFRAME(AVIOBJ,FRAME)添加FRAME中的數(shù)據(jù)到使用FRAME創(chuàng)建的AVIOBJECT中去。FRAME既可以是一個索引圖像，也可以是一個真彩色圖像。如果FRAME不是添加到AVI文件的第一幀，它是維數(shù)必須和前面的幀一致。類似地，也可以編寫一個簡單的函數(shù)avi2bmp(),將AVI文件紅的視頻幀單獨存儲為JPG格式的靜止圖像。函數(shù)的MATLAB代碼如下。mov=aviread()mov=aviread(39。39。)mov=avireadmov=aviread(39。39。)temp=size(mov)temp=size(mov)for i=1:20,strtemp=strcat(exmbmp,int2str(i),39。.jpg 39。)。imwrite(mov(i).cdata(:,:,:),strtemp)endimshowimshow(39。39。)clcimshow(f)效果圖如下： 圖31為提取出來的20張圖像以上為AVI文件轉(zhuǎn)換為JPG圖像對上述avi2bmp()函數(shù)稍作修改，即可將AVI文件中的視頻的幀單獨存儲為BMP,PNP等格式的靜止圖像。 對圖像進行膚色特征的人臉檢測 色彩空間“色彩空間”一詞源于西方的“Color Space”，又稱作“色域”，色彩學中，人們建立了多種色彩模型，以一維、二維、三維甚至四維空間坐標來表示某一色彩，這種坐標系統(tǒng)所能定義的色彩范圍即色彩空間。我們經(jīng)常用到的色彩空間主要有RGB、CMYK、Lab等。本文主要介紹RGB色彩空間的相關知識。RGB色彩空間 RGB，就是紅、綠、藍(red、green、blue)的縮寫。RGB色彩空間可以表示所有顏色，因此應用十分廣泛。在RGB模式中，圖像中每一個像素點的RGB分量的強度值都可從0(黑色)到255(白色)變化。三種顏色按照不同的比例混合，將各種色彩表現(xiàn)出來，這一道理十分易于理解。將圖像由RGB色彩空間轉(zhuǎn)換到rgb色彩空間rgb模型的轉(zhuǎn)換公式為YCbCr色彩空間對于YcbCr色彩空間我們可能不太熟悉，我們下面介紹一下，它是一種常見的顏色模型，在電視視頻傳輸中經(jīng)常用到，它的優(yōu)勢是占用的帶寬及存儲資源較少。YCbCr是CCIR601編碼方案中采用的彩色表示模型，在電視盒的色彩顯示等領域中應用較多。在此色彩空間中，Y是亮度，即灰度值，Cb和Cr是色度信息，它同樣具有HIS格式中將亮度分量分離的特點。它可以由RGB格式經(jīng)線性變化得到，因此很少直接應用于物體色彩的聚類分析，而在其基礎上的變換模型應用則更為普遍。RGB各分量通過線性變換即可得到Y(jié)CbCr色彩空間的系數(shù)，如公式32所示。不同于HSV，YCbCr的亮度分量并不完全獨立于色度信息，Y不同的情況下，膚色的聚類區(qū)域隨之呈非線形變化。 （32）在現(xiàn)實生活中我們知道，獲取人臉圖像有著不可變化的復雜性，會受到很多因數(shù)的影響，如光照，時間、地點、設備、各類技術參數(shù)等變化，使得我們對獲取圖像中的人臉信息造成影響。還有一些隱性的因素，如我們在攝影攝像的過程中經(jīng)常遇到的飽和度不足、過飽和、偏色等現(xiàn)象都是這種差異干擾的實例。正是因為這樣，為了消除光照等不確定因素對圖像中膚色的影響，我們必須在進行人臉檢測前進行色彩平衡、光照補償?shù)阮A處理操作。[9]對圖像進行色彩平衡首先在檢測的圖像中，我們要消除來自圖像色彩的干擾，就要調(diào)整色彩度的變量，所以我們要先對圖像進行色彩平衡的處理操作。色彩平衡處理的實現(xiàn)，是利用輸入圖像中的RGB三個分量的平均值averR，averG,averB，算出這三個分量的總平均值，公式如下: （33） 隨后，將所有像素的分量值乘以總平均值和相應分量平均值的比值，即完成圖像中所有像素分量值的統(tǒng)一化，這就很好的的對檢測圖像進行色彩平衡操作。為什么要這樣做呢 ？因為檢測中圖像的色彩的是既是變化無常，也是相互獨立的，所以我們必須先對圖像進行色彩平衡，而運用公式計算出的平均值應該是接近于圖像的像素值的。光線補償為什么我們要對圖像進行光線補償？因為在現(xiàn)實生活中因為光照強度、光源色彩、圖像獲取設備的數(shù)值偏差等因素可能都會對待測圖像中的膚色信息的影響。在這里我們可以通過亮度來進行調(diào)節(jié)。通過將圖像亮度灰度范圍內(nèi)的兩端區(qū)域進行壓縮,降低過亮和過暗區(qū)域的對比度。再用對數(shù)函數(shù)做非線性變換函數(shù),使變換后圖像的對比度增加。該方法能夠?qū)^亮、過暗以及中間區(qū)域的像素灰度值進行修正,為后續(xù)的膚色分割、人臉檢測奠定基礎。關于補償系數(shù)公式為: （34）其中，N為亮度值排在前面的像素總數(shù)，為包含有這些像素的像素集合，Y為這些像素的亮度值。圖像中余下像素的亮度值均與此補償系數(shù)相除，再進行對比度的拉伸，使得剩余像素的色彩值都按照“參考白”的尺度統(tǒng)一調(diào)整變換。（1）選擇了YCbCr色彩空間在研究中我們會發(fā)現(xiàn)，人和人的臉部膚色差別在于亮度值，而不是別的色度值。如果我們能夠選取合適的色彩空間，完全分離并去除掉亮度因素，將膚色在單純的色度范圍內(nèi)進行統(tǒng)計，那么膚色的分布將產(chǎn)生明顯的聚類特性。以此為依據(jù)建立膚色模型，就能有效避免光照的可變性對膚色的影響，無論圖像是在何種光照條件下獲取的，我們都能依據(jù)膚色在純“色度”范疇內(nèi)的聚類特性進行準確的膚色分割和區(qū)域提取。在色彩空間變換中，膚色分布聚集在一個較小的區(qū)域內(nèi)，形成了明晰的聚類特性。膚色在YCbCr空間下聚集得更緊密，聚類性更強。其優(yōu)點是亮度Y和色度Cb、Cr分離，這是不同于RGB的典型特征。更重要的是，在數(shù)學上，YCbCr可以直接通過線性變換從RGB得到，這就大大提高了計算效率，而且不會產(chǎn)生奇異點。相比較之下，RGB與HSV之間的轉(zhuǎn)換需要經(jīng)過非線性變換，算法復雜費時，而且HSV空間中存在有奇異點。所以，YcbCr色彩空間在膚色建模方面比較實用。所以我們我們才選擇了YCbCr色彩空間進行膚色的建模。（2）建立高斯模型根據(jù)彩色圖像像素屬于膚色模型的可能性的大小，來表示灰度的大小，