人脸检测算法中对肤色分割效果的加强.pdfVIP

人脸检测算法中对肤色分割效果的加强 樊宁 北京邮电大学电信工程学院，北京（100876 ） E-mail：binyer@ 摘 要：本文介绍了基于肤色的人脸检测算法的原理与系统构成。实验采用了Anil K.Jain等 人在YCbCr 色彩空间上所建立的肤色模型，根据其在色度平面上的聚类结果，对待检图像进 行肤色分割。此外提出在肤色分割前对图像光度进行高频提升滤波预处理步骤。该举有效摒 除了与皮肤色泽相近的背景物体的干扰，加强了肤色分割效果，提高了最终的检测准确率。 关键词：肤色分割；人脸检测算法；高频提升滤波 中图分类号：TP391.4 1. 引言 人脸检测是模式识别与计算机视觉研究领域的重要课题。该课题最初是作为自动人脸识 别系统的定位环节被提出的,近年来由于安全访问控制、视频监测、基于内容的检索和新一 代人机界面等领域上的应用价值逐渐显现,人脸检测开始独立受到研究者的重视。 由于人脸在细节上存在非常复杂的变化，诸如外貌、表情、肤色的显著差异，眼镜、胡 须、刘海等附属物的干扰，以及无法预测偏射方向的光照影响，要从不受限的背景中，检测 出所需要的目标人脸具有相当的挑战性。 人脸检测技术经过数十年的曲折发展，目前已经有多种理论和技术的支持。如 Rowley 和 Kanade 设计的基于神经网络的多层感知器[1]，Yang 等提出的基于主元分析的联合因子 分析器[2]，Osuna 等提出的基于支持向量机（SVM ）的检测器[3]，Roth 提出的剔选稀疏网 络（SNoW）[4]，都收到良好的检测效果。Adaboost 算法[5]的提出，在保证检测率的同时， 大大提高了检测速度，使得实时人脸检测成为可能。 一般情况下，指导人脸检测的共性信息包括：眼、鼻、口、脸形、边缘等几何特征，灰 度直方图分布、纹理等非直观的特征[6]。近年来随着图像采集设备的更新，彩色数据源的 普遍化，肤色这一人脸表面最为显著的特征，在人脸检测上的应用越来越受到关注。 本文所提出的人脸检测算法，就是基于肤色这种非直观特征。采用Anil K.Jain等人在 YCbCr色彩空间上所建立的肤色模型[7]，根据其在色度平面上的聚类结果，对待检图像进 行肤色分割。为摒除与皮肤色泽相近的背景物体的干扰，肤色分割前引入了对图像光度进行 滤波的预处理步骤，更好地加强了最终的检测准确率。 2. 基于肤色的人脸检测算法原理 2.1 肤色特性 将肤色特征加入检测过程，不仅是可能而且是高效的。 研究表明，色彩在自然中的表现，是色调，亮度，饱和性三者信息的混合。同一人，身 体不同部位的皮肤，色调是均匀而一致的。其实不同人种间的肤色色调也不存在任何差别， 之所以在观感表现出不同，是受亮度的干扰影响[8]。根据颜色恒常性[9]理论，只要忽略环 境光照的光谱成分变化，就能获得对物体颜色的稳定知觉。可以设想建立一种自然特性的色 彩空间，将色度与光度信息独立开来，即使在未知环境光照和单视野的条件下, 计算机视觉 系统亦能自动得到图像中物体颜色的稳定描述。 - 1 - 肤色特征的应用可获得多方面的好处。如普适性强，不受图像尺寸，质量等因素的影响， 对姿态、面部表情不敏感，即使发生遮挡，部分细节丢失亦不会降低检测精度。基于肤色的 算法非常适合复杂背景，不受控条件下的人脸检测。 基于肤色的检测方法建立在肤色能够在某一色度空间聚类这一理论基础之上。利用肤色 色调和环境色调的显著不同，能够又快又好地把人脸分割出来[10]。该算法的重点就是建立 肤色的颜色恒常性物理模型，使得肤色能够较大程度地聚合在规则几何区域内，而其他“非 肤色”区域则与肤色聚合区域分离。这一切都依赖于实施算法时所选择的色彩空间。Terrillon 等[11]指出，最终限制检测性能的因素是决定于不同色度空间的“肤色”与“非肤色”区域的重 叠程度。 2.2 色彩空间形式 一般图像采集设备以CCD技术为核心，所使用的色彩空间是RGB三基色模型，其值是 对人