matlab编程--基于肤色分割和匹配的人脸识别.pdf

基于肤色分割和匹配的人脸识别 1．将RGB 空间转换为YCbCr 空间： 为了把人脸区域从非人脸区域分割出来，需要使用适合不同肤色和不同光照条件的可 靠的肤色模型。 常用的RGB 表示方法不适合于皮肤模型，在RGB 空间，三基色（ r、g、b）不仅代表 颜色，还表示了亮度。由于周围环境光照的改变，亮度可能使人脸的检测变得更加复杂， 在皮肤的分割过程中是不可靠的。为利用肤色在色度空间的聚类性，需要把颜色表达式中 的色度信息与亮度信息分开，将R、G、B 转换为色度与亮度分开的色彩表达空间可以达 到这个目的。颜色空间的转换常用的颜色模型主要有：YCrCb、HSV、YIQ 等。在本文的 实验中选用YCrCb 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，能较好地限制肤色分布区域。 使用函数为：YCBCR = rgb2ycbcr(RGB); 2． 将彩色图像转换为灰度图像，实验证明，不同的肤色具有相同的2D 模型 G(m,V^2)。灰度值对应属于皮肤区域的可能性，同过设定门限，就可以转换为二值图 像，1,0 分别表示皮肤和非皮肤区域。 皮肤颜色在ycbcr 色度空间的分布范围为:100=cb=127,138=cr=170，可以将 彩色图像转换为二值图像： f_cb=f(:,:,2); f_cr=f(:,:,3); f = (f_cb=100) (f_cb=127) (f_cr=138) (f_cr=170) ; figure; imshow(f); 3．转换后不可避免出现了噪声，有背景的噪声影响，以及人的衣服和裤子引起的噪声 点，使用开闭运算的方法消除噪声： se=strel(square,3); f=imopen(f,se); f=imclose(f,se); figure(2),imshow(f); 4.对图像做填孔处理 f=imfill(f,holes); figure(3),imshow(f); 5.对图像进行重构,即利用重构进行开运算,可准确恢复腐蚀后的对象形状. fe=imerode(f,ones(8,7)); fo=imopen(f,ones(8,7)); f=imreconstruct(fe,f); figure(4),imshow(f); 6.相关匹配,实际作用效果不大,可以注释掉. %w=ones(3); %f=imfilter(f,w); %figure(5),imshow(f); % [M,N]=size(f); % f=fft2(f); % w=conj(fft2(w,M,N)); % g=real(ifft2(w.*f)); % gs=gscale(g); % figure,imshow(gs); 7.人脸候选区筛选时,由于头部部分重合,以及头部与其他部分,例如衣服等的连接,对筛选造 成了困难,故应先利用闭运算操作,断开连接,再进行处理. se1=strel(square,8); f=imerode(f,se1); f=imdilate(f,se1); figure(6),imshow(f); 8. 利用人脸候选区筛选，进一步确定人脸区域（判断规则如下）: （1）若目标高宽比小于0.8 而大于2.0，则认为不是人脸区域，删除此区域。 （2）区域面积过大或过小,认为不是人脸区，删除此区域。 矩形面积area_sq = 目标区长度*宽度, 目标区面积为area,若area / area_sq 0.6,则 认为不是人脸区域。 其中条件1 限定了要检测的人脸区域的比例大小，排除了一些颜色类似皮肤但长宽不符合 要求的区域。（如颜色与皮肤接近的衣物） 条件2 排除一些不规则但色调和皮肤接近的物体，同时也可排除人体其他的非脸部区域， 如四肢等。 [L,num]=bwlabeln(f,4); for i=1:num; [r,c]=find(L==i); r_temp=max(r)-min(r); c_temp=max(c)-min(c); temp=size(r); sum=sum+temp(1); area_sq=r_temp*c_temp; area=size(find(L==i),1); ratio=area/area_sq; if (r_temp/c_temp0.8)|(r_temp/c_temp2)|temp(1)2000|temp(1)200 |ratio0.6 %脸部区域200 的去