本文對(duì)基于膚色分割結(jié)合模板匹配的人臉檢測(cè)方法進(jìn)行了改進(jìn)，提出基于“光照預(yù)處理+膚色模型+模板匹配”的人臉檢測(cè)解決思路，即在光照預(yù)處理的前提下，利用膚色特征建立膚色模型;根據(jù)膚色模型進(jìn)行膚色檢測(cè)和閾值分割;在對(duì)分割區(qū)域特征分析的基礎(chǔ)上，將篩選出的人臉候選區(qū)域與人臉模板相匹配;最后將匹配較好的區(qū)域在原圖像中用矩形框標(biāo)示出來(lái)。

　　1 膚色模型

　　人臉的膚色不依賴于面部的其他特征，對(duì)于人臉姿態(tài)和表情的變化不敏感，具有較好的穩(wěn)定性，而且明顯區(qū)別于大多數(shù)背景物體的顏色。大量實(shí)驗(yàn)證明，不同膚色的人臉對(duì)應(yīng)的色調(diào)是比較一致的，其區(qū)別主要在于灰度。人臉的膚色特征主要通過(guò)膚色模型來(lái)描述。膚色模型是在一定色彩空間描述膚色分布規(guī)律的數(shù)學(xué)模型。本文選用備受青睞的高斯模型。

　　1.1 色彩空間

　　一般說(shuō)來(lái)，色調(diào)和飽和度相對(duì)亮度來(lái)說(shuō)，是相互獨(dú)立的。在不同的光照條件下，雖然物體顏色的亮度會(huì)產(chǎn)生很大的差異，但是它的色度在很大范圍內(nèi)具有恒常性，基本保持不變。研究表明，人類的膚色在YCbCr色彩空間的分布相對(duì)比較集中(被稱為膚色的聚類特性)，不同種族之間膚色的差異主要是由亮度引起，而與顏色屬性無(wú)關(guān)。利用此特性，將圖像像素分為膚色和非膚色像素兩類，這樣可以大大提高人臉檢測(cè)的效率和正確性。

　　在YCbCr色彩空間中，Y表示亮度，Cb和Cr是顏色差別信號(hào)，代表色度。因此，本文的膚色模型只選用YCbCr色彩空間的Cb和Cr色度分量，并用這兩個(gè)分量建立色度分布圖。實(shí)驗(yàn)中，需要先將普遍采用RGB色彩空間描述的圖像轉(zhuǎn)換到Y(jié)CbCr色彩空間。

　　1.2 建立膚色樣本

　　建立膚色模型需要使用大量包含不同膚色、不同大小人臉的RGB圖像。本文從互聯(lián)網(wǎng)、人臉庫(kù)和日常的生活照中選用了100幅膚色各不相同的人臉圖像，然后從中裁剪出人臉皮膚區(qū)域的一小部分，作為膚色樣本。接著將其從RGB色彩空間轉(zhuǎn)換為YCrCb色彩空間。

　　經(jīng)過(guò)色彩空間轉(zhuǎn)換之后，人臉圖像不可避免地會(huì)出現(xiàn)噪聲。本文采用滑動(dòng)窗口為3×3的二維中值濾波器來(lái)去除椒鹽噪聲，并在速度和效果上都取得了很好的結(jié)果。

　　1.3 建立膚色模型

　　濾除噪聲后，先用二維高斯分布來(lái)描述這種Cb-Cr的色度分布，然后對(duì)膚色樣本進(jìn)行訓(xùn)練，以此得到一個(gè)分布中心，再根據(jù)所觀察的像素離該中心的遠(yuǎn)近來(lái)得到一個(gè)膚色的相似度。最后利用均值和方差計(jì)算得到高斯分布模型，這就是實(shí)驗(yàn)中的膚色模型。二維高斯分布的表達(dá)式為：

?

　　2 人臉檢測(cè)

　　2.1 光照預(yù)處理

　　由于受外界光照環(huán)境的影響，尤其是光源顏色，采集來(lái)的彩色圖像經(jīng)常會(huì)發(fā)生彩色偏移。本文使用Gray World彩色均衡方法來(lái)消除這種彩色偏移。該方法首先通過(guò)圖像的R，G，B三個(gè)分量中各自的平均值avgR，avgG，avgB確定出圖像的平均灰度值avgGray，然后調(diào)整每個(gè)像素的R，G，B值，使得調(diào)整后圖像的R，G，B三個(gè)分量中各自的平均值都趨于平均灰度值avgGray。實(shí)驗(yàn)結(jié)果表明，消除彩色偏移能有效提高算

　　法的檢測(cè)率和準(zhǔn)確率。

　　2.2 類膚色檢測(cè)

　　本文算法最為關(guān)鍵的一步便是人體皮膚區(qū)域的粗檢測(cè)。檢測(cè)方法是計(jì)算圖像像素與膚色模型的相似度，這個(gè)值描述了像素與膚色的相似程度。相似度計(jì)算公式為：

?

　　通過(guò)計(jì)算圖像中每個(gè)像素與膚色模型的相似度，生成一幅類膚色灰度圖像，如圖1所示。

?

　　2.3 閾值分割

　　由于人體皮膚區(qū)域的像素與膚色模型的相似程度較高，計(jì)算得到的相似度值就比較大，因此在類膚色灰度圖中，皮膚區(qū)域顯得比其他部分更亮。這樣一來(lái)，通過(guò)選取合適的閾值即可分割出膚色區(qū)域。

　　本文實(shí)驗(yàn)選擇的閾值以0.1為間隔從0.65逐漸減小到0.05。通過(guò)對(duì)選擇的相鄰兩個(gè)閾值的圖像相減，可以找到分割區(qū)域數(shù)量變化最小的閾值取值點(diǎn)，這個(gè)閾值就是最佳闞值。根據(jù)這個(gè)閾值，就可以將類膚色灰度圖轉(zhuǎn)換為二值圖。

　　圖2為轉(zhuǎn)換后的二值圖。

?