基于肤色的人脸分割方法研究所有专业(编辑修改稿)

基于肤色的人脸分割方法研究所有专业(编辑修改稿)内容摘要：

b = 1R G BR G B ，从而可以减少了空间维数。 大部分的相关研究 都使用 这一颜色空间 作为检测手段。 尽管消除了 部分相对亮度信息，但 仍然 包含 一定的绝对亮度信息。 本科毕业设计说明书（论文） 第 6 页 共 28 页 HSI 色彩空间 HIS 色彩空间包含：色度、亮度和饱和度，是 由 国外学者提出的模型，常常被 画家 使用 [21]。 我们在日常生活中就采用了这样的观察方式，同时 在处理图像过程中也 带来了 诸多 便捷。 其中色度（ H）是很据颜色的名字来确认 ，如红、绿，它用角度 180176。 ~180176。 或 0176。 ~360176。 来度量；饱和度（ S）表示颜色的深浅，对于蓝色也会由于深度不同而分为深蓝和浅蓝，用百分比表示的话就是 从 0％到全满状态的 100％；亮度（ I）表示颜色的明暗状况，用百分比表示就是 从黑 0％到白 100％。 HIS 的色彩空间 可以表示成一个圆柱体，坐标体系 如图。 图 HIS色彩空间 从 RGB 色彩空间到 HIS 色彩空间的转换公式如下： 2 GBH GB     其中：         1212c o s R G R BR G R B G B         3 , ,1 Mi n R G BS R G B  （ ）  13I R G B   色彩空间 HSV（色调、饱和度、值）：色调代表颜色的类型，如红色、蓝色，或者绿色。 饱和度代表充满活力的颜色。 和值代表颜色的亮度。 该方法和 HIS 色彩空间的表示方法极为相似 [12]。 如图 所示， HSV 色彩空间呈六边形，不同的顶点代表不同的颜色。 大部分情况下 ， 不 需要计算 V 分量的值 ，所以亮度变化产生的影响不是很大。 首先在色彩空间内 定义肤色的值域 所在的一个范围，即可正确提取该肤色区域。 如图 所示。 本科毕业设计说明书（论文） 第 7 页 共 28 页 图 HSV颜色空间 图 色度、饱和度空间中的阀值分割 色彩空间 在 JPEG 标准中， RGB 图像被转换到亮度 色度空间，通常称之为 YCbCr 色彩空间。 在 YCbCr空间中 ,Y分量表示颜色的亮度信息 ,Cb和 Cr分量不包含亮度信息 ,分别用来表示像素的蓝色和红色色度 [24]。 该空间常用于彩色图像的压缩和传输 ,JPEG 格式的图片采用的色彩系统就是该系统。 在 该空间中，可以看出样板的分布受亮度值 Y 的影响很小。 RGB 到 YCbCr 空间的转换公式如下 : 0 128 1281 0 0 0 1YCbCr                                1RGB             () YCbCr 空间到 RGB 空间的转换公式如下： 本科毕业设计说明书（论文） 第 8 页 共 28 页 1 02 01 44 141 22 0RYG C bB C r                                （ ） YCbCr 色彩空间具有如下一些优点： 第一，构成原理 与人类视觉感知过程相似。 第二， 电视等领域都有广泛应用，同时电视显示 编码 大都采用该 颜色 的 格式。 第三， 与其他颜色空间相比，能更好的将图像中的亮度分量分离出来。 第四 ， 计算繁琐程度和 坐标表示形式 相比较而言更简洁。 由于不同 颜色空间都有 各自其的不足之处，所以在使用上差了一点，因此在大多数情况下 采用 YCbCr 色彩空间。 建立肤色模型时对 色度空间 的考察要从两方面着手：首先就是考察 能否正确描述“ 肤色区域 ” 的分布 ；再者就是 看该 空间中 “ 肤色 ” 和 “ 非肤色 ” 的区域重叠情况。 根据大量研究分析 ,肤色的聚类特性 在该空间中 比较好 [14]。 肤色模型 肤色模型简介 当前 常 用的肤色模型有 ： 简单色度空间模型、 混合高斯模型和统计直方图模型 [23]。 各个模型的简要情况如下： （ 1）简单色度空间模型 此模型是 将彩色图像从 RGB色彩 空间转换到另一个 颜色空间 ,总结统计值在 色度分量上的分布特 性 ,然后用人为规定的 阈值 分割待检测 的彩色 图像。 规定在阀值区间内的像素点判定为 肤色点 ,其他像素点判定为 非肤色点 ,肤色分割的二值图像 就这样产生了。 该 模型 具有 精确度 高 ,算法 简单 ,实用性好 ,速度快 等优点。 但是 在非特定条件下对阈值选择要求高，容易导致失误，因而有时候效果会不太明显，所以 肤色检测 在特定的情况下才会使用到它。 （ 2） 混合高斯模型 此模型揭示了 肤色 中 每 一个像素密度都在 概率密度的混合体 之内。 参数估计 是这个模型的需要克服的主要 困难。 此方法在 肤色的检测 过程中检测 率要高 很多 ,并且 误检率也要小 很多 ,但是模型的参数估计很难 ,速度也不是很快 ,因此 不适合快速的肤色检测。 本科毕业设计说明书（论文） 第 9 页 共 28 页 （ 3） 统计直方图模型 此 模型 的原理 不难 ,就是通过直方图观察总结出 肤色在颜色空间的分布 情况。 首先通过 直方图 统计肤色和 非肤色像素 ,得到颜色在肤色和非肤色中的表现出的各方面信息 ,然后运用贝叶斯决策规则建立一个 肤色分类器。 训练集合大小是影响了这一过程的主要因素，还有 直方图大小 也是其中的一个影响因素。 统计直方图 的优势在于 不需要考虑颜色空间 ,运行起来简单无负担， 运算过程不繁杂 ,而且它的肤色分类器在检测过程中速度快。 但是它也有缺陷，它需要大量的样本集 ,而且短时间内难以完成检测。 （ 4）基于亮度聚类肤色模型 考虑到 彩色 的人脸图像容易受到光照等因素的 影响 ,在进行人脸检测时会产生亮区和阴影区。 在 检测 的 过程中 ,容易 产生漏检 情况 ,对检测结果产生了一定程度的干扰。 国外学者在研究这个方法时，通过大量的计算来算出各点的肤色概率，并得出了像素 和肤色点的相关结论。 该方法 按照光照亮度将肤色分布分为几类，并且通过统计和建模的方法，深度研究并解决了光照这一因素在肤色检测过程中产生的干扰问题，鲁棒性高。 肤色模型的 建立 如何选择肤色模型的形式和色度空间至关重要 ,那么如何正确选择呢。 通过大量的研究和资料表明 ,可以采取这样的办法，考察该空间能不能准确 描述 “ 肤色 ” 区域的分布 ，在用指定的模型这一条件下 [11]。 本文中，我将采用高斯模型来完成任务。 该模型运用 统计学原理， 并得出：肤色这样的随机样本既然满足正态分布，那么在它同样应该也 符合高斯分布 ，这一结论。 大量资料证实：如果 颜色空间 的亮度分量和色度分量分离的话，分离后的 二维色度分量的 总体分布同样满足 二维高斯分布。 通过调查研究资料， 通过统计 将 大量肤色像素点从 一个 空间转化到 另一个颜色空间 ， 就可以看到一个肤色直方图， 如图 所示。 肤色高斯模型 如 图 所示。 通过比较我们发现，高斯模型在体现 肤色分布 的效果上更好。 本科毕业设计说明书（论文） 第 10 页 共 28 页 图 CbCr色度空间 的 具体 分布 情况 图 CbCr色度空间 的高斯分布 情况 接下来就是明确 二维高斯模型中的 相关未知数，计算公式有以下几个 ：  , Tx Cg Cr  m E x   TC E x m x m   （ ） X代表 CbCr色度 空间中的像素点的色度向量， m代表统计出来的均值。 C代表统计出来的协方差矩阵。 m和 c的 取值 分别 为：  11 03 4 , 15 12 9 Tm   4 2 .1 4 0 2 5 8 .4 1 1 35 8 .4 1 1 3C     本科毕业设计说明书（论文） 第 11 页 共 28 页 本章小结 本章首先针对基于肤色分割的 人脸检测 进行了大致的描述讲解。 接着再对基于肤色分割的人脸检测 中所涉及的肤色空 间和肤色模型 作了详细的介绍，并对肤色空间和肤色模 和分割性能做了比 型 的选择问题做了较为详细介绍。 然后对简单肤色模型和高斯肤色模型在不同的肤色空间的聚类特性较详细的分析和比较。 最后 ,利用复合高斯模型在 YCbCr色彩空间中建立了肤色模型，并计算出各个参数的数值。 3 图像 处理 基于图像块的方法 的优势在于适应 力 强、 鲁棒性 好 ，但 也存在缺陷，表现在在检测窗口时搜索难度大，因此加强了计算繁琐程度。 所以，迫切提高检测速度 ，这 样才能在某些对实时性要求比较高的场合中不受过多的 限制 [17]。 对于彩色图像而言， 姿态 的 变 化 对人脸肤色信息干扰较小，而且 彩色 的肤色信息特征提取方便。 在环境不理想或者明显与肤色信息相差遥远的条件 下， 此方法能够迅速找到有用的图像区域 ， 并在有效区域内投入大量计算。 因此，该 方法 最大的优点就是速度快。 但是， 不同种族的人，人脸表面的颜色不一样，光源颜色也不是一成不变的，以及光照角度的不同导致的高光区和非高光区等等因素的影响，加大了人脸分割的任务。 因此，肤色特征这一 方法的一 个很严重的缺陷就在。