彩色图像中的人脸检测翻译. - 彩色图像中的人脸检测

《彩色图像中的人脸检测翻译. - 彩色图像中的人脸检测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、IEEET图样分析和机器智能汇刊，第24卷，第5期，2002年5月冉艺琚翻译1彩色图像中的人脸检测Rein-LienHsu,StudentMember,IEEE,MohamedAbdel-Mottaleb,Member,IEEE,andAnilK.Jain,Fellow,IEEE摘要：人脸检测在视频监督、人机交互、人脸识别和人脸图像数据库管理等应用领域处于很重要的地位。我们针对具有像复杂背景一样具有较大光照环境变化的图片，介绍了一种人脸检测算法。它基于一项新颖的光照补偿技术和非线性彩色空间转换，我们的算法在整个图像中检测人脸区域，之后基于这些肤色片的空间排

2、列生成脸部候选区域。此算法需构建眼睛、嘴巴和边界图来验证每一个人脸候选。试验结果成功地证明了人脸检测在宽范围的面部变化如若干相册集图像（包括户内和户外）中的人脸颜色，位置，大小，方向，姿势，以及表情得到了肯定。关键字：人脸检测，人脸识别，光照补偿，彩色空间转换，肤色，脸部特征图，Hough转换。1引言人类活动是大家在宽范围的应用领域如视频监督、人机交互、人脸识别[7]，[42]，[47]和人脸图像数据库管理中所关心的主要问题。面部位置的侦测在这些应用领域位居关键地位。目前许多脸部辨识的算法，均假设脸部位置是已知的情况，同样地，这种情形也常发生在脸部追踪(例

3、如.,[10])应用上面，他们也通常是在假设脸部起始位置已知的情况下进行。值得注意的是，脸部的侦测可以视为是一种分类问题。因此，一些技术被发展出既用以人脸的识别(例如：整体/模版方法[12]，[30]，[41]，[27]，特征依存性方法[6]，和两种方法的混合模式[20])也用以侦测人的面部，不过混用模式在处理上有其限制，不但运算成本高且无法大量处理脸部影像的变异部分。在参考文献[11]，[24]，[26]，[45]，[14]中论述了各种各样的人脸检测方法，最主要的方法已按年代列于了表1中。最近几年的人脸检测调查见[45]和[14]中，常被所使用的脸部侦测

4、技术主要有：主分量分析、类神经网络、机器学习、信息论、几何模型、模版配对、霍氏转换、移动撷取、色彩分析技术。其中观视法[39]与学习法中的类神经网络方法[32]，[33]，都需要大量的脸部及非脸部影像训练数据，并且其辨识影像有些限制，大多只能局限在正面的灰阶影像。Schneiderman和Kanade[35]扩充了他们基于学习的方法从剖面视角来检测人脸，一种“特征式”的方法，其利用带信念网络[46]的脸部几何特征从非正面视角来提供人脸检测。在侦测正面脸部灰阶影像里面，几何脸部模版便常与霍氏转换一起搭配使用[24]；基于马可夫随机场[23]或马可夫链[8]的

5、脸部侦测法，应用了以灰阶像素在空间上的排列关系为依据。利用整体性算法表现来作为脸部侦测方法的分类是有一些优点存在的，例如：可以在较差的影像质量中搜寻脸部，或是可找寻到更小的脸部样本，这种使用脸部几何特征的侦测方式，对于用来侦测不同姿势的脸部位置有很大的帮助。整体性方法与特征式方法[13]，[21]的结合是一种很有前景的人脸检测和人脸识别的方法，移动撷取[9]，[11]和肤色[11]，[4]，[38]，[43]，[12]也是很有用的人脸检测线索。然而，这种依据肤色的脸部侦测方法存有很多困难有待解决，例如：复杂背景的克服、光线条件[12]的问题。我们便以光照补

6、偿技术和非线性彩色空间转换为依据，提出了一种能控制大量变化多端的静态彩色图片的人脸检测算法。我们的肤色模式法是用一参数式的椭圆在二维空间中的颜色转换来作为依据，从而通过构建眼睛，嘴巴和面部分界线的特征图来抽取面部特征。第2章描述人脸检测的算法，第3章处理若干人脸数据库中的算法结果，第4章描述结论和未来工作。2人脸检测算法图1为人脸检测算法的概貌，其中包含了两个主要模块：1）精确定位人脸候选区，2）验证已侦测人脸候选区的面部特征。此算法首先要估算和纠正基于光照补偿技术的偏色效果，纠正过的红，绿，蓝颜色成分正当是YCbC彩色空间的非线性转换。检测到的肤色像素用

7、来作为空间转换的椭圆皮肤模型，参数式的椭圆就相当于假设的肤色高斯分布下的马氏距离常数，检测到的肤色像素被反复地分割成局部颜色变化来连接基于这些部分的空间排列和类似它们颜色人脸候选区[4]，候选出来的人脸大小能在13x13像素和大约是输入图像大小的3/4之间变动。面部特征检测模块抑制了不包括任何面部特征如眼睛，嘴巴和面部轮廓的候选区域，如图1检测到的人脸被组合眼-嘴三角形的椭圆所封闭起来。2.1光照补偿和肤色检测肤色表面是依靠光照条件的，我们介绍一种光照补偿技术用“基准白色”使颜色表面正常化，只有当这些像素足够大（>100）时，我们可以把影响中最上面5%的亮

8、度（非线性亮度gamma校正）值看成是基准白色，彩色图像的红、绿、