基于膚色模型的人臉檢測研究
0 引言
在人臉檢測領(lǐng)域,人臉特征的選取是基礎(chǔ)與核心。目前主要的人臉檢測方法可以分為基于特征的方法和基于統(tǒng)計的方法兩大類?;谔卣鞯姆椒梢蕴幚磔^大尺度和視角變化的人臉檢測問題,但其最大的困難在于很難找到相對穩(wěn)定的特征,因為圖像的顯示特征容易受到光照、噪聲等的影響;基于統(tǒng)計的方法可以避免特征提取和分析過程,但存在計算量大,以及非人臉樣本收集和樣本訓(xùn)練難的問題。
為此,本文對基于膚色分割結(jié)合模板匹配的人臉檢測方法進(jìn)行了改進(jìn),提出基于“光照預(yù)處理+膚色模型+模板匹配”的人臉檢測解決思路,即在光照預(yù)處理的前提下,利用膚色特征建立膚色模型;根據(jù)膚色模型進(jìn)行膚色檢測和閾值分割;在對分割區(qū)域特征分析的基礎(chǔ)上,將篩選出的人臉候選區(qū)域與人臉模板相匹配;最后將匹配較好的區(qū)域在原圖像中用矩形框標(biāo)示出來。
1 膚色模型
人臉的膚色不依賴于面部的其他特征,對于人臉姿態(tài)和表情的變化不敏感,具有較好的穩(wěn)定性,而且明顯區(qū)別于大多數(shù)背景物體的顏色。大量實驗證明,不同膚色的人臉對應(yīng)的色調(diào)是比較一致的,其區(qū)別主要在于灰度。人臉的膚色特征主要通過膚色模型來描述。膚色模型是在一定色彩空間描述膚色分布規(guī)律的數(shù)學(xué)模型。本文選用備受青睞的高斯模型。
1.1 色彩空間
一般說來,色調(diào)和飽和度相對亮度來說,是相互獨(dú)立的。在不同的光照條件下,雖然物體顏色的亮度會產(chǎn)生很大的差異,但是它的色度在很大范圍內(nèi)具有恒常性,基本保持不變。研究表明,人類的膚色在YCbCr色彩空間的分布相對比較集中(被稱為膚色的聚類特性),不同種族之間膚色的差異主要是由亮度引起,而與顏色屬性無關(guān)。利用此特性,將圖像像素分為膚色和非膚色像素兩類,這樣可以大大提高人臉檢測的效率和正確性。
在YCbCr色彩空間中,Y表示亮度,Cb和Cr是顏色差別信號,代表色度。因此,本文的膚色模型只選用YCbCr色彩空間的Cb和Cr色度分量,并用這兩個分量建立色度分布圖。實驗中,需要先將普遍采用RGB色彩空間描述的圖像轉(zhuǎn)換到Y(jié)CbCr色彩空間。
1.2 建立膚色樣本
建立膚色模型需要使用大量包含不同膚色、不同大小人臉的RGB圖像。本文從互聯(lián)網(wǎng)、人臉庫和日常的生活照中選用了100幅膚色各不相同的人臉圖像,然后從中裁剪出人臉皮膚區(qū)域的一小部分,作為膚色樣本。接著將其從RGB色彩空間轉(zhuǎn)換為YCrCb色彩空間。
經(jīng)過色彩空間轉(zhuǎn)換之后,人臉圖像不可避免地會出現(xiàn)噪聲。本文采用滑動窗口為3×3的二維中值濾波器來去除椒鹽噪聲,并在速度和效果上都取得了很好的結(jié)果。
1.3 建立膚色模型
濾除噪聲后,先用二維高斯分布來描述這種Cb-Cr的色度分布,然后對膚色樣本進(jìn)行訓(xùn)練,以此得到一個分布中心,再根據(jù)所觀察的像素離該中心的遠(yuǎn)近來得到一個膚色的相似度。最后利用均值和方差計算得到高斯分布模型,這就是實驗中的膚色模型。二維高斯分布的表達(dá)式為:
2 人臉檢測
2.1 光照預(yù)處理
由于受外界光照環(huán)境的影響,尤其是光源顏色,采集來的彩色圖像經(jīng)常會發(fā)生彩色偏移。本文使用Gray World彩色均衡方法來消除這種彩色偏移。該方法首先通過圖像的R,G,B三個分量中各自的平均值avgR,avgG,avgB確定出圖像的平均灰度值avgGray,然后調(diào)整每個像素的R,G,B值,使得調(diào)整后圖像的R,G,B三個分量中各自的平均值都趨于平均灰度值avgGray。實驗結(jié)果表明,消除彩色偏移能有效提高算
法的檢測率和準(zhǔn)確率。
2.2 類膚色檢測
本文算法最為關(guān)鍵的一步便是人體皮膚區(qū)域的粗檢測。檢測方法是計算圖像像素與膚色模型的相似度,這個值描述了像素與膚色的相似程度。相似度計算公式為:
通過計算圖像中每個像素與膚色模型的相似度,生成一幅類膚色灰度圖像,如圖1所示。
評論