基于肤色的复杂背景条件下的人脸检测.pdfVIP

基于肤色的复杂背景条件下的人脸检测 盛光磊 王世卿 张俭鸽 (郑州大学信息工程学院 郑州 450002) 摘 要：提出一种肤色与 Adaboost 方法相结合的人脸检测方法。首先把图像转换为 YCbCr 颜色空间，然 后利用肤色在 CbCr 上的聚类性对图像进行预处理，最后，使用 Adaboost 算法对候选人脸集进行细化，最 终得到人脸集合。实验证明该方法的有效性。 关键词： 人脸检测 肤色分割 Adaboost 中图分类号： TP391 文献标识码：A Face Detection Based on Skin Color in Complex Background Sheng Guang-lei Wang Shi-qing Zhang Jian-ge (School of Information Engineering ZhengZhou University ZhengZhou 450002) Abstract ：A method of face detection combined skin color and Adaboost is proposed. The image is first transformed to YCbCr color space, and then use the feature of skin that gathering at the CbCr to dispose the image. Finally use the Adaboost method to refine the candidate face areas, and confirm the face areas at the end. The experiments demonstrate that the algorithm is effective. Key Words: face detection skin color segmentation Adaboost 1 引言 人脸检测是目前一个非常活跃的研究方向，它涉及到模式识别、图像处理、计算机视觉 及神经网络等许多交叉学科，在基于内容的检索、数字视频处理、视觉监测等方面有着重要 的应用价值。 人脸检测是指在图像中确定是否存在人脸以及人脸的位置、尺度和位姿的过程。人脸检 测的难度在于人脸是一种极为复杂、多维的模式，是典型的非刚性模式，再加上复杂的城乡 背景以及光照等因素的影响，使得人脸图像具有比较复杂而细致的模式变化。国内外学者提 出了很多有效的人脸检测算法，大体上可以分为基于知识、基于结构特征、基于模版特征匹 配以及基于统计模型的方法等。肤色是人脸的重要信息，具有相对的稳定性并且和大多数背 景物体的颜色相区别，肤色不依赖于面部的细节特征，对于旋转、表情等变化都适用。但是 自然界有很多类肤色的物体，而且肤色很易受到光照的影响，所以仅仅适用肤色特征来进行 人脸检测是不够的，还要再用其他的人脸检测方法来进行验证，提高人脸检测的准确度。 本文提出一种肤色与 Adaboost 方法相结合的人脸检测方法，首先对原始图像进行预处 理，利用肤色模型得到侯选人脸区域的初始信息，然后，使用 Adaboost 算法来细化人脸， 最终得到人脸集合。 2 基于肤色信息的分割 2.1 颜色空间转换 常用的颜色空间主要有 RGB、YUV、HSV等。其中 RGB颜色空间模型是各种颜色表示成红、 绿、蓝三基色加权混合的形式。YUV 颜色模型（又称为 YCbCr）其中，Y 表示图像的亮度信 号，U、V 则分别表示红色和蓝色的色度。HSV 颜色空间中，H 表示色度,S 表示色彩饱和度,B 表示色彩明度。在本文的实验中，选用 YCbCr 空间作为肤色分布统计的映射空间，该空间 的优点是受亮度变化的影响较小，而且是两维独立分布，能较好的限制肤色分布区域[2]。在 YCbCr 颜色空间中，Cb 和 Cr 分别表示蓝色和红色的色度，它具有 HSV 模型中将亮度分离的 优点，而且可以从 RGB 格式线性变化得到，因此在此基础上的变换模型应用非常广泛。RGB 空间可按下列公式转换到 YCbCr 空间 Ｙ=0.299Ｒ+0.587Ｇ+0.114Ｂ