基于YCbCr高斯肤色模型和形态学的人脸检测技术研究-论文.pdf

《基于YCbCr高斯肤色模型和形态学的人脸检测技术研究-论文.pdf》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、第29卷第2期柳州师专学报V01．29NO．22014年4月JournalofLiuzhouTeachersCollegeApr．2014基于YCbCr高斯肤色模型和形态学的人脸检测技术研究周虹(柳州职业技术学院，广西柳州545006)摘要：人脸检测是人脸信息处理领域的一项关键技术。本文通过选取YcbCr颜色空间，建立高斯肤色模型，然后对其验证和分析，随后对二值化图像进行阈值分割、数学形态学处理等一系列去噪处理来实现人脸检测中肤色分割过程，从而将非肤色成份尽可能排除，将可能的候选的人脸区域分割出来，为日后的人脸定位节省了大量的时间，对人脸识别的研究具有积极

2、意义。关键词：人脸检测；色彩空间；高斯模型；形态学中图分类号：TP391．4文献标识码：A文章编号：1003—7020(2014)02—0136—05不同。肤色分割是人脸检测与识别定位的一个重要O引言环节，肤色检测的过程，通常来说，主要是通过肤色颜人脸检测是人脸识别的第一个环节，是将检测部色空间的选取和肤色的建模这两个主要步骤来实现，分准确的从背景中分割出来，检测包括检测部位的大即在一个选取好的颜色空间中，经过建模过程得到肤小、位置、形状等信息。人体的肤色是一种由生物种色模型，然后经过数据预处理等一系列肤色分割过程类的特性所决定的物理属性，肤色的色相集中介

3、于黄实现人脸检测。通过训练样本集⋯而建立的肤色模色相、橙色相和偏蓝的红色相之间的色相区域，并在型是统计肤色信息的计算机表示，也是肤色检测和分这个色相区域之间变化，而人脸面部与周围细节特征割的关键。不由肤色决定，故它的稳定性相对较高，所以在进行2肤色模型建立人脸检测中研究中，肤色是最有效检测人脸的元素。从背景来说，人脸可以分离出来的主要根据是按照聚肤色模型可以用来描述肤色特征。色度空问的类性的不同。在本文中我们主要进行以下几方面研(chrominancespace)选择决定某种方式的肤色模型的究，首先建立肤色模型，利用肤色特征的聚类特性体使用，因此它们之间具

4、有密切关系。色度空间的考察现出肤色，而将背景中的非肤色成份尽可能的排除，主要从以下两个方面：(1)在这样的色度空间之中，描使用形态学等一系列除噪处理将可能的人脸区域分述“肤色”的区域分布是否可以使用一定模型；(2)色割出来，从而确定人脸粗检测。这样不仅对罔像处理度空间中“肤色”和“非肤色”区域有些重叠的区域有需要花费的时间有了减少，为日后的人脸精确定位也多少。一般色度空间之中，人脸检测所使用的模节省了大量的时间，并在检测速率和准确率上也有所型主要包括：RGB，HSI、NTSC制的光亮度和色度模型提高。的YI，YUV以及Ycbcr等。2．1颜色空间的选择和获

5、取1肤色分割原理不同的色彩空间可以表达出图像的不同颜色来，考虑到肤色本身具有的特性，许多调查说明，世不同色彩空间的各种各样的表达会对同一颜色产生界各地的人种其肤色也在外观上有所不同，主要区别不同的聚类效果。本文选择了聚类性好的YCbCr色在于亮度照成的肤色表现不同。在色度空间中除去彩空间，并且对人脸像素进行各个空间分解，然后对亮度元素之后，由于聚类性的不同而决定了人肤色的它的分布情况进行分析。[收稿日期]2014一Ol一21[作者简介]周虹(1984一)，女，广西德保人，讲师，硕士，研究方向：计算机多媒体技术。l36，，，．．．．．．．．．．．一／y6CC

6、r＼、●●●●●_、、2．1．1YCbCr颜色空间的介绍述，即符合二维高斯分布状态，即如下式子(2)所表=在多媒体技术中，YCbCr被／，普．．．．．遍．．．．．使．．用。亮度信号示的那样：OO．0．和色度信号是最关键的两个因素．。其中，以Y表示得21．O5p(C6，C，＼skin)～lV(Ixl，2，P，l，2)就是亮度，红色、蓝色的分量的相9对6值则O分别用Cb、Cr080P(C6，C)=exp[-0．5(一m)C(—m)]来表示。另外一种角度来看，因为其7相关性相离度较其中，我们对待检测图像中选取任一点(i，)进行高，线性改变被RGB空间改变以后，便

7、于转换成为分析，并对其设置相关的颜色参量：(Cb(i，j)，Cr(i，YCbCr空间。根据统计的实际情况统计，RGB与j))，我们由Bayes式子中展开相关的计算过程，最终~CbCr之间的改变联系数学关系式如下：得到相关的概率计算公式：0．58700．O．．(1)=(sc6(，)，cr(，))=—0．3313015．100—0．4187O4O18p(c,j)／skin丽丽3较为简单就是YCbCr在空间，＼，、J．转．●。．●．．．●变．．．●．_的、、方式上，并且-一／该模型主要是通过概率密度的相关公式加以分可以比较明显地把亮度和色度进R＼行●●G●不●●

8、●同。J。／属性的分离，析，则检测率也相对提高了很多，同时该模型存