【正文】 的膚色模型。 基于RGB空間的膚色模型表示方法一般來說，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。R、G、B三基色不僅代表顏色，還表示了亮度，由于周圍環(huán)境光照的改變引起亮度變化會使人臉檢測更復(fù)雜，這樣的條件下，直接利用RGB空間聚類進(jìn)行膚色檢測是不可靠的。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(diào)在紅色區(qū)內(nèi)，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(dāng)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)镚R或BG，膚色的聚類結(jié)果簡單而穩(wěn)定【15】。RGB子空間下膚色模型如式: 基于YCbCr空間的膚色模型標(biāo)示方法 由于統(tǒng)計表明不同人中的膚色區(qū)別主要受亮度信息影響，而受色度信息的影響較小，所以直接考慮YCbCr空間中的Cb、Cr分量，映射為CbCr空間，在CbCr空間下，受亮度變化的影響小，且是兩維獨立分布。通過實踐，選取大量的膚色樣本進(jìn)行統(tǒng)計，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)計分布如圖332所示：圖31 膚色像素的Cb分量分布圖圖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。在該空間下，膚色區(qū)間滿足77Cb127并且133Cr173，其中Cb、Cr、分別是這兩個顏色通道的像素值。 基于HSV空間的膚色模型標(biāo)示方法 通過實踐，選取大量膚色樣本進(jìn)行統(tǒng)計，得出了膚色在HSV空間中的聚類特性，如圖226所示：圖33 膚色像素的H分量分布圖圖34 膚色像素的S分量分布圖由此可建立在HSV顏色空間下的膚色模型。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。第四章 人臉檢測的實驗仿真及結(jié)果 MATLAB簡介 MATLAB是一種用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境。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(shù)計算問題，MATLAB的應(yīng)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(shè)計、測試和測量、財務(wù)建模和分析以及計算生物學(xué)等眾多應(yīng)用領(lǐng)域。附加的工具箱（單獨提供的MATLAB函數(shù)集）擴(kuò)展了MATLAB的環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類型的問題。MATLAB提供了很多用于記錄和分享工作成果的功能，可以將MATLAB代碼與其他語言和應(yīng)用程序集成，來分發(fā)MATLAB算法和應(yīng)用。在file\New\Mfile建立m文件，在file\New\Model建立模型文件。在主窗體部分可以直接輸入命令，也可以觀看運算結(jié)果，它是直接反映運算信息的重要窗口。 人臉檢測實驗仿真及結(jié)果 RGB顏色空間下的圖像及仿真實驗結(jié)果 RGB顏色空間下的算法：（1） 讀入我的證件照彩色圖像。（2） 掃描圖像，獲取彩色圖像每一像素的R、G、B顏色分量值。（3） 若像素值滿足以下條件：R95，G40，B20，max(R,G,B)min(R,G,B)15，且|RG|15，RG,RB，則該像素標(biāo)定為白色，就是人臉區(qū)域；若不滿足像素標(biāo)定位黑色，是非人臉區(qū)域。RGB顏色空間下人臉仿真實驗結(jié)果如圖41所示： R分量 G分量 B分量 人臉仿真實驗結(jié)果 圖41 RGB顏色空間人臉檢測實驗結(jié)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。 YCbCr顏色空間下的圖像及仿真實驗結(jié)果 根據(jù)YCbCr空間的膚色模型，算法流程如下：（1） 讀入彩色圖像。（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。（3） 對每一像素，根據(jù)公式將RGB轉(zhuǎn)換到Y(jié)CbCr空間下，計算Cb、Cr值。（4） 若滿足條件：Cb∈[77,127],Cr∈[133,173]且Y100時，為人臉區(qū)域；若不滿足為非人臉區(qū)域。YCbCr顏色空間下人臉仿真實驗結(jié)果如圖42所示： Y分量 Cb分量 Cr分量 人臉仿真實驗結(jié)果圖42 YCbCr顏色空間人臉檢測實驗結(jié)果 HSV顏色空間下的圖像及仿真實驗結(jié)果HSV顏色空間下的算法：（1） 讀入彩色圖像。（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。（3）對每一像素，根據(jù)公式將RGB轉(zhuǎn)換到HSV空間下，計算H分量值。（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。HSV顏色空間下的人臉仿真實驗結(jié)果如圖43所示： H分量 S分量 V分量 人臉仿真實驗結(jié)果圖43 HSV顏色空間人臉檢測實驗結(jié)果 小結(jié)本章是在已建立的膚色模型的基礎(chǔ)上，在各種顏色空間下的人臉仿真實驗結(jié)果，主要利用MATLAB進(jìn)行了仿真。實驗結(jié)果揭示了不同顏色空間膚色模型的對比，在人臉膚色分析中，由于RGB顏色空間中R、G、B三個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區(qū)域，容易造成部分區(qū)域的模糊，混淆視覺，而造成人臉檢測的困擾，正是因為RGB空間存在極強(qiáng)的相關(guān)性，所以不太適合膚色處理。在許多實用系統(tǒng)中，大量應(yīng)用的是YCbCr模型和HSV模型，我們可以通過轉(zhuǎn)化公式，把RGB模型轉(zhuǎn)化為YCbCr模型和HSV模型，從而保證對輸入彩色圖像準(zhǔn)確地分類膚色和非膚色區(qū)域。YCbCr顏色空間中膚色的聚類特性比較好，是常用的膚色模型。HSV模型與人的視覺特性比較接近，該模型的重要性在于：一方面色調(diào)H和飽和度S分量與人的視覺感受密切相關(guān)，另一方面消除了亮度成分V在圖像中與顏色信息的聯(lián)系。我們常用的的這兩個模型為基于膚色的人臉檢測研究打下了可靠、堅實的基礎(chǔ)。第五章 結(jié)論及展望 結(jié)論人臉檢測是指在圖像或視頻流中確定人臉位置、大小的過程，其應(yīng)用背景遠(yuǎn)遠(yuǎn)超出了人臉識別系統(tǒng)的范疇，近年來，由于人臉檢測在安全監(jiān)視、基于內(nèi)容的圖像檢索等領(lǐng)域的潛在應(yīng)用價值，人臉檢測已成為一個獨立課題并受到眾多研究者的普遍重視。本文首先全面概述了人臉檢測技術(shù)及其發(fā)展方向、應(yīng)用背景和研究意義，重點描述了人臉檢測的研究內(nèi)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(jìn)行靜止圖像中的人臉檢測。本論文在已建立的膚色模型的基礎(chǔ)上，揭示了在各種色彩空間下人臉檢測的實驗結(jié)果，實驗結(jié)果也揭示了不同顏色空間膚色信息的對比。由于RGB顏色空間存在著極強(qiáng)的相關(guān)性，當(dāng)一個量改變時，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，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。實驗測試結(jié)果可以表明，本文提出的基于膚色的人臉檢測具有快速、姿態(tài)非敏感的強(qiáng)大優(yōu)勢，同時也有該算法帶來的局限，與人臉相連的裸露的脖子會被視為人臉區(qū)域。這一點，需要自動人臉識別系統(tǒng)中的特征提取環(huán)節(jié)做進(jìn)一步的檢測。由于膚色等色彩信息經(jīng)常受到光源顏色、圖像采集設(shè)備的色彩偏差等因素的影響，使一些圖片特別是一些藝術(shù)圖片存在光線不平衡或整體偏離本質(zhì)色彩而向某一方向移動，如色彩偏黃、偏藍(lán)等等。用MATLAB實驗仿真后，通過比較分析結(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，容易造成視覺上的混淆，不太適合人臉檢測。在人臉檢測中常用的模型是YCbCr模型和HSV模型，它們能夠很好地區(qū)分膚色與非膚色的區(qū)域，有利于結(jié)果的準(zhǔn)確性。 展望人臉檢測作為人臉信息處理的一個重要內(nèi)容，近年來已經(jīng)成為計算機(jī)視覺與模式識別領(lǐng)域的研究熱點之一。人臉作為一種自然形體具有很強(qiáng)的共性，但由于個體的外貌差異、表情變化以及圖像在采集時收光照、設(shè)備等因素的影響，使得人臉圖像具有比較復(fù)雜而細(xì)致的模式變化。因此，人臉檢測是一個極具挑戰(zhàn)性的模式分類問題，對這個問題的研究具有十分重要的學(xué)術(shù)價值，而且人臉檢測與許多實際問題緊密相關(guān)，在出入安全檢查、視覺監(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)用價值。例如，目前在公安方面，我國公安機(jī)關(guān)開展的“網(wǎng)上追逃”斗爭，運用了網(wǎng)上掛牌督捕的方法，把逃犯的照片、身份證、特征資料上網(wǎng)發(fā)布，各地抓捕到的犯罪嫌疑人通過網(wǎng)上查詢、比較，可以確定其是否為網(wǎng)上通緝逃犯。但這種該方法的判斷要通過人工進(jìn)行多種技術(shù)鑒定，對證件資料假冒或沒有身份證件的犯罪嫌疑人查證存在較大的難題。利用人臉識別技術(shù)，只需攝下嫌疑犯人臉，通過計算機(jī)網(wǎng)絡(luò)將人臉特征數(shù)據(jù)傳送到計算機(jī)中心數(shù)據(jù)庫，系統(tǒng)即可自動與數(shù)據(jù)庫中的逃犯人臉比較，迅速準(zhǔn)確地作出身份判斷。目前的人臉檢測方法都無法很好地適用于各種復(fù)雜的情況，它們各有各的優(yōu)勢和局限。基于灰度的傳統(tǒng)人臉檢測，灰度信息量有限，易導(dǎo)致漏檢或虛警，且算法的靈活性較