《基于YCbCr肤色模型改进算法及区域特征的人脸检测研究.doc》由会员分享，可在线阅读，更多相关《基于YCbCr肤色模型改进算法及区域特征的人脸检测研究.doc（5页珍藏版）》请在三一办公上搜索。
1、计 算 机 与 现 代 化2012 年第 4 期总第 200 期JISUANJI YU XIANDAIHUA文章编号：1006-2475（2012）04-0179-04基于YCbCr肤色模型改进算法及区域特征的人脸检测研究邱鹏瑞（昆明冶金高等专科学校，云南 昆明 650033）摘要：针对当前人脸检测的研究现状与难题，采用改进的YCbCr椭圆聚类肤色模型进行肤色区域提取，根据肤色在YCbCr空间的分布，对于亮度小于80的非肤色像素点会误判为肤色点，则缩小椭圆聚类；对于亮度大于230的肤色像素点会 误判为非肤色点，则扩大椭圆聚类，有效避免了在高亮度区域和亮度较低的区域中的肤色点误判问题。接着利用人
2、脸的几 何特征，对二值化图中的目标区域进行比例、大小结构的分析，排除不可能的人脸区域，并基于肤色和位置进行区域优化， 将处理后的结果作为候选人脸区域输出。关键词：人脸检测；肤色模型；区域特征中图分类号：TP317.4文献标识码：Adoi: 10 . 3969 / j . issn . 1006 -2475 . 2012 . 04 . 049Research on Human Face DetectionBased on Improved YCbCr Skin Color Model and Area CharacterQIU Peng-rui(Kunming Metallurgy Colleg
3、e，Kunming 650033，China）Abstract: In accordance with the current study situation and difficult problem of human face detection，the paper adoptsimproved YCbCr elliptic clustering skin color model to extract color zone from the skin. According to the distribution of the YCbCr，if the color brightness le
4、ss than 80 pixel of color will be a miscarriage，it narrows the ellipse clustering；if greater than 230 complexion pixel of color will be a miscarriage also，it expands the ellipse clustering. It can avoid wrong judgmentabout skin color spot between high brightness zone and lower brightness zone effect
5、ively. And then taking advantage of the geometric characteristic of human face, it analyzes the objective zone with proportion and size in the binary picture to get rid of the impossible human face.Key words: face detection；skin color model；area character别则相对容易一些 ，因此人脸检测开始作为独立的研究内容发展起来。4引言0人脸检测（Face
6、 Detection）是指在给定的一张静态图片或者是一段动态视频的图像序列中确定是否 存在人脸，如果存在，则给出人脸的位置、大小等过 程。人脸检测问题最初来源于人脸识别（Face Recog nition）1-2，最初人脸研究也主要集中在人脸识别领域， 而且早期的人脸识别算法都是在认为已经得到了一 个正面人脸或者人脸很容易获得的前提下进行的3。 但是随着人脸应用范围的不断扩大和开发，实际系统 需求的不断提高，这种假设下的研究不再能满足需求，人们发现人脸检测是最复杂、最困难的，而人脸识人脸图像的检测和特征提取与定位是一个既有意义又很困难的问题，这一问题的突破性进展将给人 脸识别、表情姿态的识别、
7、视频监控、身份验证、多媒 体数据库的检索等相关领域的研究带来很大的推动 作用，也会从方法论的角度促进计算机视觉、模式识 别等计算机科学分支甚至整个计算机科学的发展5-6。基于YCbCr肤色模型改进算法检测1肤色区域收稿日期：2012-03-05作者简介：邱鹏瑞（1980-），男，云南楚雄人，昆明冶金高等专科学校讲师，硕士，研究方向：计算机教学与数字图像处理。本文将肤色区域判断作为人脸检测的预处理，采用的是Rein Lien Hsu7-8提出的基于YCbCr 空间的加 入亮度补偿的肤色模型。Rein Lien Hsu 通过研究发现 肤色空间并不完全由Cb、Cr 决定，Y 的取值同样也会 影响肤色
8、区域的形状。图1是肤色在YCbCr空间的投影 模型，图2是肤色在CbCr空间的模型，图3 是加入亮度 分量（Y）后，肤色在（Cb/Y）-（Cr/Y）空间的投影模型。 （Kl-Y）*（118-108）108+if YKlKl-YminC軍（Y）= （3）b （Y-K）*（118-108）108+hif YKhYmax-Kh （Kl-Y）*（154-114）154-if YKlK -Yl minC軍（Y）= r（4） Y-Kh * 154-132 154+（）（）if YKYmax-Khh其中，式（1）中的Ci是Cr或者Cb。对MIT 人脸库图像进行数据计算，得到各个参数取值如下：WCb=46.9
9、7 ，WLCb=23，WHCb=14，WCr=38.76，WLCr=20，WHCr=10，Kl=125，Kh=188。在YCbCr 空间中，Ymin=16，Ymax=235。图4 是计算得到的肤色在Y-Cb 子空间和Y-Cr 子空间的投影，拟合曲线的上下边界为C軍i(Y）WCi(Y）/2。图 1肤色在YCbCr空间的投影（a）Y-Cb空间图 2 CbCr子空间（b）Y-Cr空间图 4 肤色在Y-Cb和Y-Cr空间的投影图3 肤色在（Cb/Y）（Cr/Y）子空间的二维投影建立该肤色模型的具体算法如下：C（i Y）if YKl，KhC（i Y） （ C（Y）-C（Y）*Wci+C（K）if YK
10、或YKiiWc（Y）i hlhi（1）（Y-Ymin）*（WCi-WLC）iWLCi+if YKlK -Yl minWc（i Y）= （2） （Y -Y）*（W -WH ）maxCiCiWHCi+if YKhY -Kmaxh（a）肤色在YCbCr上的投影2012 年第 4 期邱鹏瑞：基于YCbCr肤色模型改进算法及区域特征的人脸检测研究181（a）原图（b）RLH椭圆肤色模型图 6 改进的YCbCr肤色模型（c）本文方法由肤色分割实验结果可得出如下结论：（1）人脸表面的高光和阴影部分，其颜色不同于 正常光照下的颜色，影响提取效果需要另加处理，如 光线补偿等措施。（2）Rein Lien Hsu
11、提出的基于YCbCr 空间的椭 圆肤色模型方法对肤色分割效果较好，但是对于亮度 较低的区域容易误判为肤色，对于亮度较高的肤色区 域误判为非肤色区域。（3）本文针对Rein Lien Hsu提出的基于YCbCr 空 间的椭圆肤色模型方法的缺点，首先对亮度信息进行 分段判断，克服了在高亮度区域和亮度较低的区域中 存在的不足。（4）在运算速度上本文的方法较之其它方法速度 要快一些，而且提取效果要好。（b）椭圆肤色模型图 5 肤色在YCbCr上的投影和椭圆肤色模型图5中肤色椭圆模型由式（5）和式（6）给出：22（xecx） + （yecy）（5）=12b2asin !Cbcx !x = !cos（6）
12、ysincos Crcy其中，cx=109.38，cy=152.02，=2.53（弧度），ecx=1.60，ecy=2.41，a=25.39，b=14.03，以上各值皆由Cb-Cr空 间的肤色聚集区域计算得到。上机实践后发现，经过非线性分段色彩变换得到 的色彩空间YCbCr建立的肤色模型，对于亮度较低 的区域容易误判为肤色，对于亮度较高的区域会误判 为非肤色区域6,9。这是由于转换后肤色在YCbCr在 亮度较低的空间呈倒圆锥体，而在亮度较高的地方成 长短轴都扩大的椭圆柱体。这时若直接利用上面的非 线性变换彩色空间所建立的椭圆模型很难分割出人 脸肤色所在的区域。本文针对椭圆肤色模型的缺点， 在进
13、行肤色提取前，首先对亮度区域进行划分，在不 同的亮度区域运用不同的公式来检测肤色点，这样可 以减少在高亮度区域和亮度较低的区域中的肤色点 的误判问题。根据肤色在YCbCr空间的分布，对于 亮度小于80的非肤色像素点会误判为肤色点，则缩小 椭圆聚类；对于亮度大于230的肤色像素点会误判为 非肤色点，则扩大椭圆聚类。采用分段方法如下：（1）对于亮度Y低于80的像素点进行判断时，将 肤色聚类时的椭圆的长短轴同时缩小为原来的Y/80 倍。（2）对于亮度在80230之间的像素点采用肤色的 椭圆聚类方法。（3）对于亮度大于230的像素点进行判断时，将肤 色聚类时的椭圆的长短轴同时扩大为原来的1.1倍。对同
14、一图像实验结果如图6所示。基于区域特征的人脸区域提取通过改进的肤色模型获得肤色区域后，利用人脸 的几何特征，对二值化图中的目标区域进行比例、大 小结构的分析，排除不可能的人脸区域，然后基于肤 色和位置进行区域优化，以获得需要检测的人脸。2.1基于面积占有率与区域填充率的方法2.1.1基于面积占有率的方法在图像处理中常用图像中的像素数来表示一幅 图像的大小，通常所说的“图像块面积”就是指图像块 的像素总数，而面积占有率P是指候选区域S候选的像 素数占建模后面积最大图像块的比例。2P=S/max（s ，s ，s）候选1 2n通过实验分析，本文认为当候选区域的面积占有率低于0.1时，其不可能包含人脸
15、。2.1.2基于区域填充率的方法 对于二值化之后的一个连通区域，系统中使用该区域的像素数与外接矩形的像素数的比值来表征这 个区域的空间属性。假设S是外接矩形的像素数，S为 目标区域的像素数，若0.5S/S0.9，就暂时保留该区 域，否则就将其删除。从实验结果来看，可以删去一些较明显的干扰区 域，对候选区域进行有效的优化筛选。在完成候选肤色区域的优化以后，还需要对每个区域进行填充，因为在进行肤色分割时，由于某些面部器官不在肤色范 围内而在人脸内形成空洞。在进行优化后的候选区域 上进行人脸搜索，可以在一定程度上减少后续算法的 工作量，如图7所示。（2）位置相邻：两个区域的中心位置相近。从大量实验中
16、发现，面积较大的肤色块比面积小的更重要，对人脸区域的贡献更大，根据以上规则提出如下肤色块合并算法：（1）按照块面积从大到小排列各块；（2）找寻每块的质心（X，Y），nnX= 1 x， Y= 1 ynni=1i=1计算各块间的距离（质心连线减去在各块内部部分的长度）；（3）从大块开始，将距离小于一定阈值的块归为一类；（a）候选区域（b）优化后结果（4）在每一类中，计算各块质心连线在各块边缘图 7 对候选区优化结果2.2基于区域长宽比满足黄金分割的方法 由于人脸区域的长宽比应在一定的范围内，因此可以利用待选区域的长宽比来进行人脸的粗定位。区 域的长短轴之比可以用来描述一个目标的长宽比例， 从而将细
17、长的区域和圆形的区域区别开来。有研究表附近的YCrCb值，小于一定阈值的归为一类。在进行归并块的过程中应注意归并方法，确保所有满足条件的块能分到一类。一种比较好的方法是先对每个块按照序号分配一个类别号，然后判断两块是否满足合并条件，若满足，则将类别号统一到最小类号，以此对整个图像中的所有块进行合并，如图9所示。明，理想人脸的长宽比为黄金比例，即ratio= 1+ 姨 521.618。根据实验，本文将区域的长短轴之比ratio小 于0.5大于2.5的区域均看做是不可能包含人脸的区域。实验结果如图8所示。（a）待处理图（b）区域优化结果图 9 基于肤色和位置区域优化结束语3本文采用Rein Lie
18、n Hsu 的Cb、Cr 椭圆聚类方法来进行肤色分割，并针对Rein Lien Hsu的Cb、Cr椭圆（a）候选区域（b）结果图 8 长宽比满足黄金分割的方法2.3基于肤色和位置的区域优化 在复杂背景的彩色图像中，由于图像的背景千变万化，肤色分割可能会产生以下两方面的问题：（1）人 脸区域可能与其它类肤色区域连接在一起；（2）由于 光照和脸部器官的影响，人脸可能被割裂为若干互不 连通的肤色区域10-11。因此需要对初步的肤色分割结 果进行处理，将实际并非肤色的区域删除，并对不连 续的区域进行区域的规整。对满足以下条件的区域进行归并：（1）颜色相近：两个区域中的肤色像素在YCbCr空间中各分量的
19、均值之差均小于其相应的阈值；聚类法对于亮度较低的区域容易误判为肤色，对于亮度较高的肤色区域误判为非肤色区域的缺点，在进行肤色提取前，首先对亮度区域进行划分，在不同的亮度区域运用不同的公式来检测肤色点，这样可以减少在高亮度区域和亮度较低的区域中的肤色点误判问题12-13。为了进一步排除分割后不含人脸的肤色区域利用人脸的几何特征，对二值化图中的目标区域进行比例、大小结构的分析，排除不可能的人脸区域，然后基于肤色和位置进行区域优化，并将处理后的结果作为候选人脸区域输出。总的来说，本文算法在人脸检测与定位方面都表现了良好的性能，这充分表明了包含肤色信息的多特征融合方法在处理 （下转第 187 页）20
20、12 年第 4 期杨际航等：基于图像切换技术的图片浏览器设计与实现1875朱薇，刘利刚. 保色调的黑白卡通图像着色方法J. 计算机辅助设计与图形学学报，2011，23（3）：392-398. 潘斌，王帅，陈为，等. 基于感知的视点自动选取J. 计 算机辅助设计与图形学学报，2011，23（5）：735-740. 李佳璐，宋爱国，张小瑞. 彩色图像的纹理力/触觉渲染方 法J. 计算机辅助设计与图形学学报，2011，23（4）：719-724.秦绪佳，桑贤生，程时伟，等. 改进的规范化卷积图像修 复算法J. 计算机辅助设计与图形学学报，2011，23（2）：371-376.李晓明，秦茜茜. 基于准
21、稠密匹配的结构化场景三维重建J. 计算机辅助设计与图形学学报，2011，23（5）：849-854.678910何卫华，郭永彩，高潮，等. 利用NSCT实现夜视图像的彩色化增强J. 计算机辅助设计与图形学学报，2011，23（5）：884-890.11李红松，李凤霞，赵伟. 基于图像的方向透射实时绘制算 法J. 计算机辅助设计与图形学学报，2011，23（5）：909-915.12张寅，宋永红，杨蕾. 利用图像不连续特性的溶解型镜头 检测算法J. 计算机辅助设计与图形学学报，2011，23（5）：878-883，890.13施美玲，徐丹. 主体大小能控的内容感知图像缩放J. 计 算机辅助设计与
22、图形学学报，2011，23（5）：915-922.14王洪申，张树生，白晓亮，等. 基于区域分割的三维自由 曲面相似性评价算法J. 计算机辅助设计与图形学学 报，2010，22（5）：762-770.图 8碰撞特效实际效果截图参考文献：1Kenneth R Castleman. Digital Image ProcessingM. 朱志刚，等译. 北京：清华大学出版社，2000. 姜晓希，冯靖怡，冯结青. 视频内容敏感的动态字母J. 计算机辅助设计与图形学学报，2011，23（5）：855-862. 曾麒. MFC中双缓冲处理贴图闪屏问题J. 科技信息，2011（3）：68-68.魏为，韩慧莲
23、，靳丽萍. 基于WINCE智能手机图片浏览器 的设计与实现J. 电脑开发与应用，2010（8）：48-49.234!复杂背景中彩色图像的人脸检测问题and Machine Intelligence，2002，24（5）：696-706.8 周敬利，王志强，陈加忠，等. 基于肤色分割、区域分析和 模板分布的人脸检测研究J. 计算机工程与应用，2004，40（16）：61-64，155.9 李峰，江波，陈金华，等. 一种面向复杂场景的彩色图像 人脸检测方法J. 江苏大学学报：自然科学版，2004，25（4）：356-360.10Chan Y H，Abu-Bakar S A R. Face dete
24、ction system based on feature-based chrominance color informationC/ Pro ceedings of International Conference on Computer Graph ics，Imaging and Visualization，2004. 2004：153-158.11Jang Jun-Su，Han Kuk-Hyun，Kim Jong-Hwan. Face detec tion using quantum-inspired evolutionary algorithmC/ Congress on Evolut
25、ionary Computation，2004. 2004，2：2100-2106.12刘向东，吴建鑫，陈兆乾，等. 人脸自动检测与识别技术 的研究及应用J. 计算机应用与软件，2004，21（5）：16-17， 封三.13邱鹏瑞. 基于肤色模型与灰度复杂度的人脸检测研究D.昆明：云南师范大学，2008.（上接第 182 页）上有着自身的优势。参考文献：1梁路宏，艾海舟，徐光佑，等. 人脸检测研究综述J. 计算机学报，2002，25(5）：1-10.李刚，高政. 人脸自动识别方法综述J. 计算机应用研 究，2003，20（8）：4-9,40.Chellappa R，Wilson C L，Sir
26、ohey S. Human and machine recognition of faces：A surveyC/ Proceedings of the IEEE，1995，83（5）：705-740.周杰，卢春雨，张长水，等. 人脸自动识别方法综述J.电子学报，2000，28（4）：102-106.BayoumiF，Fouad M，Shaheen S. Feature-based human face detectionC/ Proceedings of the 21th National Radio Science Conference. 2004：C21-1-10.周德龙，张晓华，刘博，等 JDL大规模人脸图像数据库介 绍C/ 生物识别研究新进展. 2003：118-120.Rein-Lien Hsu，Abdel-Mottaleb M，Jain A K. Face detection in color imagesJ. IEEE Transactions on Pattern Analysis234567
