《数字视频图像处理与通信》期末课程设计.doc

Guangxi University of Science and Technology 《数字视频图像处理与通信》期末课程设计 院 （系）： 计算机学院 专 业： 通信工程 班 级： 班 学 生 姓 名： 学 号： 上 课 时 间： 设计完成时间： 利用人类肤色分割和模版匹配的人脸检测（小二字号） 摘 要：针对基于模板匹配人脸检测算法计算量大和基于肤色分割人脸检测算法正确率低、易受类肤色背景影响等缺陷，本文提出了利用人类肤色分割和自适应模板匹配的人脸检测方法。根据人脸肤色在YCbCr颜色空间的聚类特性，利用人脸肤色混合高斯模型对人脸进行分割，把接近于人脸肤色的区域从图像中分离出来，从而实现迅速检测人脸的目的；利用光照补偿技术来克服亮度对人脸检测的影响；利用自适应模板匹配来克服类肤色背景对人脸检测的影响；并通过采用二次匹配算法来减少匹配过程中的计算量。实验结果表明本文提出的方法能快速检测出人脸，克服亮度和类肤色背景对人脸检测的影响，并提高人脸检测的准确率。（小五字号） 关键词：人脸检测；自适应模板匹配；光照补偿；混合高斯模型；二次匹配算法（小五字号） 1 引言（小四黑体） 人脸检测技术的研究是当前模式识别和人工智能领域的研究热点。其应用领域十分广泛，可用于公安系统的罪犯身份识别、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统、驾驶执照及护照等与实际持证人的核对、监控系统及自动门卫系统等。随着图像处理、模式识别、计算机视觉以及神经网络等学科的进一步发展，人脸检测技术必将得到很大的发展。目前，人脸检测方法有：(1)几何特征法：这类方法主要根据人脸的几何形状以及脸部器官的比例关系来检测人脸。它分为自底向上和自顶向下两种。前者先检测人脸的各个特征部位（如眼睛、鼻子、嘴唇等），根据这些特征再构成人脸。后者则先定位可能的人脸，然后根据面部的特征部位对可能的人脸进行验证。此方法中人眼位置的确定非常重要，对图像中人的眼部图像质量要求很高，应用范围受到一定的限制。(2)模板匹配法：使用模板逐点扫描待检测图像，计算图像各点同模板的匹配度，据此检测人脸。由于计算量大，其检测速度、检测效率较低。(3)基于分类的方法：利用人脸的整体特征(如肤色或灰度分布等)进行人脸的检测，避开了对人脸各面部器官的检测。由于基于颜色信息的检测方法计算量小、稳定性好、描述简单且有利于达到实时处理，近年来备受关注，已成为研究热点，但利用颜色信息来检测人脸受到复杂背景，特别是类肤色背景的影响和亮度的影响。且对人脸面部特征进行显式描述比较困难[1-3]。 针对基于模板匹配人脸检测算法计算量大和基于肤色分割人脸检测算法识别率低、易受类肤色背景的影响等缺陷，本文提出了利用人类肤色分割和自适应模板匹配的人脸检测方法，采用图1所示的人脸检测框图对人脸图像进行检测。根据人类肤色在YCbCr颜色空间的聚类特性，利用人脸肤色混合高斯模型对人脸进行分割，把接近于人脸肤色的区域从图像中分离出来，从而实现迅速对人脸的外脸检测的目的；利用光照补偿技术来克服亮度对人脸检测的影响；利用自适应模板匹配来克服类肤色背景对人脸检测的影响；并通过采用二次匹配算法来减少匹配过程中的计算量。 图1 人脸检测框图 2 基于高斯肤色模型的人脸肤色分割算法 2.1人脸肤色的高斯模型 肤色是人脸的一个重要特征。虽然不同种族、不同年龄的人的人脸肤色看上去不同，但这主要是由于亮度上的差异造成的[1]。去除亮度成分后，不同人的人脸肤色分布具有良好的聚类性，且其在YCbCr肤色空间中的统计分布满足式(1): (1) 因此，可以利用这种肤色聚类特性来检测人脸。在三维色度空间中，人脸肤色的区域可以用高斯分布来描述[4-5]。三种主要人种不同性别和不同年龄段的人脸肤色高斯分布如图2所示。 图 2 人脸肤色在YCbCr空间中的高斯分布 根据人脸肤色在YCbCr色度空间的高斯分布，人脸肤色样本的Cb、Cr值比较集中,适宜于建立高斯模型。对彩色图像中每个像素点，利用式（2）将其从RGB色彩空间转换到YCbCr空间后，就可以计算该点属于人脸肤色区域的概率，即根据该点离高斯分布中心的远近得到和人脸肤色的相似度，将彩色图像转化为灰度图，其中每个像素点的灰度与该点肤色的相似度对应，利用式(3)来建立人脸肤色的2D高斯模型，如图3