一种基于YCgCr色彩空间人脸检测方法.docVIP

一种基于YCgCr色彩空间的人脸检测方法 　　摘 要：人脸检测是计算机视觉研究的重要研究方向之一，提出了一种基于新色彩空间YCgCr的人脸检测算法。首先比较了YCgCr间和YCbCr色彩空间，得出YCgCr色彩空间的在人脸处理方面更有优势，然后通过二维高斯分布提取肤色区域，对二值化的图像应用区域增长算法求取最大联通区域, 得到准确的面部图像,实验结果表明该算法是快速而有效的。 　　 　　?? 　　关键词：人脸检测；YCgCr色彩空间；相似度；高斯模型；区域增长?? 　　中图分类号：TP391.41 文献标识码：A 文章编号：1672-7800（2011）011-0162-03?お? 　　 　　0 引言?? 　　 随着信息技术的发展和网络的日益普及，保障网络中信息的安全问题变得日益重要。人脸作为一种稳定可靠的生物特征识别方法,被广泛应用于信息安全的相关领域，诸如安检、授权登录等系统中，因而对人脸检测算法的研究具有较好的理论和实用价值。?? 　　数字图像中人脸有角度、姿势、光照、表情、年龄等变化等。这些特性产生了多种人脸检测方法，常用的有以下几种: ?? 　　（1）基于人脸知识的方法。?? 　　该方法将人脸结构的几何关系描述成规则，常见的规则包括：轮廓规则，器官分布规则，对称性规则以及运动规则等。由于人脸结构的复杂性与特殊性决定了该方法的局限性。如果规则定得过细，那么许多人脸将无法通过；如果规则定得较宽泛，则许多非人脸将被误判为人脸。在多姿态人脸检测时，需要建立各种姿态的规则，增加了检测的复杂度。?? 　　（2）基于模板的知识。?? 　　该方法首先建立一个标准的人脸模板，由包含局部人脸特征的子模板构成，然后对一幅输入图像进行全局搜索，对应不同尺度大小的图像窗口，计算与标准人脸模板中不同部分的相关系数，通过预先设置的阈值来判断该图像窗口中是否包含人脸。这种方法的优点是：由于使用的弹性模板可调，能够检测不同大小、具有不同偏转角度的物体。但是其缺点是：①检测前必须根据待测物体的形状来设计弹性模板的轮廓，否则会影响收敛的结果；②当对图像进行全局搜索时，由于要动态地调整参数和计算能量函数，计算时间过长。?? 　　（3）基于颜色空间。?? 　　肤色作为人脸特征中较为稳定且不依赖面部细节的特征在检测中有明显的速度优势。肤色检测有两个关键问题：一是如何减弱关照对肤色的影响；二是如何在肤色空间建模。该方法可以较好的克服多姿态的对于检测的影响，单一的基于颜色空间的人脸检测方法，不受到训练和训练集得影响，可以方便的使用internet中的图片资源构成测试集；但是如果背景中含有大量与人脸颜色相近的区域, 那么将有很高的误检率。?? 　　（4）基于机器学习。?? 　　其典型的方法如基于harr特征的adaboost算法。该方法的基本思想是首先构造弱分类器（分类能力稍强于随机选择的分类器），然后通过级联这些弱分类器构造出强分类器使其满足正检率、误检率和错误率的要求。该方法的缺点在于harr特征的数目庞大，造成训练时间长。如果训练样本不多，则会造成过训练。所谓的过训练是指强分类器针对训练样本适用，而对其他样本不适用。?? 　　 通过上述介绍可以发现，现存的人脸检测算法大多是基于像素级属性进行处理,此类方法对于人脸图像的处理过程比较复杂,特别是训练导致的运算量大在实时性系统应用时受到一定限制。?? 　　 针对上述问题，本文提出一种在??YC??gC??r??空间的肤色检测方法，使用Internet获取的彩色图像构成测试集，该方法的流程图如下：?? 　　 　　图1 YCgCr空间的肤色控制算法流程?? 　　首先根据肤色信息的聚类性,对肤色进行高斯建模,得到肤色似然图像。再通过肤色似然图使用动态阈值分割方法得到二值化图像，对二值化进行形态学处理后，利用区域增长算法得到人脸的大致区域，最后根据人脸的宽高比得到最终的检测结果。?? 　　 数字图像中色彩是最显著、最有区别性的视觉特征。不同的色彩空间具有不同的优缺点。?? 　　RGB是最常见的色彩空间。R表示红色分量，B表示绿色分量，G表示蓝色分量。R、G、B三个分量都包含了亮度信息，其对光线的变化较为敏感，直接输入的含人脸的RGB图像进行人脸检测效果一般，通常的做法是对其进行光线补偿。因为肤色检测的精度直接影响人脸检测和定位的性能, 所以选择一个合适的颜色空间用于肤色检测非常重要。?? 　　为了去除光照的影响，可以选择色度和光线相分离的色彩空间，诸如YIQ、YC??bC??r、YC??gC??r等。公式（1）中，Y表示亮度，C??g、C??r表示颜色信息。公式（1）给出了RGB到YC??gC??r的转换公式。 　　?И?Y??C??g??C??r=16??128??1