基于膚色模型与模板匹配的人脸检测研究.docVIP

基于肤色模型与模板匹配的人脸检测研究 摘要：本文提出了一种基于肤色模型与模板匹配的人脸检测方法。基于YCbCr 色彩空间的高斯概率模型，对肤色进行相似度计算和二值化分割，采用形态学对二值化后的图像去噪处理，随后又利用人脸先验知识进一步排除非人脸区域，最后结合人脸模板进行匹配, 最终确定并标记出图像中人脸的位置。实验表明，该方法能够在复杂背景图像中较准确地检测出人脸。 关 键 词：色彩空间；肤色模型； 模板匹配； 人脸检测 中图分类号： 文献标识码：A Research on the Face Detection Based on Skin Color Model and Template Matching Abstract: The face detection method based on skin color model and template matching is presented in this paper. With the skin color Gaussin probability model based on YCbCr color space, the color similarity is calculated and two value segmentation is processed. The morphological filter is used for two value of the image. Subsequently, the face’s priori knowledge is exploited to further exclude non-human face area. Finally, the use of face template matching, eventually identifies and marks out face location of the human image The results of experiments show that the method could be accurate detection of a human face in the image with complex back ground Key words: color space; skin color model; template matching; face detection 一个完整的人脸自动识别系统包括人脸检测定位和人脸识别两个主要的技术环节，其中人脸的检测定位是人脸识别的前提和关键。近年来由于在安全控制、视觉检测、身份验证和新一代人机界面等领域的应用，人脸检测得到了广泛的研究，并提出了很多解决方案。大体可分为3类：基于知识规则的方法、基于可视特征的方法和基于模板的方法[1]。基于知识规则的方法是使用源于研究者关于人脸的先验知识规则对人脸检测。基于可视特征方法是利用人脸的颜色、纹理等可见特征来作为人脸的检测特征。模板匹配方法是通过计算模板和图像之间的相关性来实现人脸的检测。 本文提出了一种基于肤色信息和模板匹配的人脸检测方法。 首先通过人工采集不同肤色的人脸皮肤的样本，在YCbCr色彩空间中建立肤色模型,然后利用肤色模型得到二值图，根据人脸的先验知识筛选候选人脸区域，最后利用模板匹配进行人脸的检测和标识。 1色彩空间选择 根据计算机色彩理论，每一种颜色在计算机内部有不同的表达方式，这样就产生了各种不同的色彩空间。每一种色彩空间都有其产生背景和应用领域。RGB、rgb、YIQ、HSI、YUV 、YCbCr等是常用的色彩空间，其中，RGB是最基本的色彩空间。 在图像处理中，大多数图像采集设备和显示设备使用RGB色彩空间。但是RGB 色彩空间易受光照等因素的影响，且其各个分量之间相关性较强，不适合进行肤色提取，因此很难建立稳定准确的肤色模型。通常以RGB色彩空间为基础将图像转换到其它类型的色彩空间中进行肤色提取。因为YCbCr色彩空间受亮度变化的影响小，能较好的限制肤色分布区域，而且肤色聚类特性较好[2]。因此本文选择了YCbCr来进行肤色建模。RGB色彩空间和YCbCr色彩空间之间可以进行转 换，其变换公式如下： （1） 2 YCbCr色彩空间的肤色模型[3] 本文实验所用的肤色样本是从100幅彩色人脸图像中通过手工裁剪下300个皮肤样本。图像主要来源于互联网，包含不同性别、不同年龄的图像，而且图像的大小、分辨率、明暗度等均不相同。将处于RGB色彩空间的肤色样本图像转换为YCbCr色彩空间图像，并提取出Cb 和Cr，得到肤色像素点的色度值(Cb， Cr )，并在CbCr空间中对其进行统计分析，则肤色像素在CbCr区域分布如图1