【摘要】在具體的色度空間中通過(guò)實(shí)踐找到膚色區(qū)間,建立起可操作性的膚色模型,這樣就讓提取膚色信息成為了人臉檢測(cè)的核心方法。不同膚色模型的建立基于不同的色度空間,且為色度空間的一個(gè)子空間。膚色信息主要由膚色模型描述。

　　【關(guān)鍵詞】高斯膚色模型 皮膚分割 人臉檢測(cè)

　　1 引言

　　人臉檢測(cè)(face detection)主要是指在輸入圖像中確定人臉(如果存在)的位置、大小等信息。基本思想是利用統(tǒng)計(jì)的方法對(duì)人臉建模,比較所有可能的待檢測(cè)區(qū)域與人臉模型的匹配度。人臉檢測(cè)系統(tǒng)的輸入是可能包含人臉的圖像,也可能是不包含人臉的圖像,輸出是關(guān)于圖像中是否存在人臉以及人臉的數(shù)目、位置、尺度、位姿等信息的參數(shù)化描述。人臉檢測(cè)問(wèn)題如果追蹤求源的話,它來(lái)源于人臉識(shí)別(face recognition),而人臉識(shí)別的研究可以追溯到20世紀(jì)60—70年代,經(jīng)過(guò)幾十年的曲折發(fā)展己日趨成熟。

　　人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)中的一個(gè)重要環(huán)節(jié),但是早期的人臉識(shí)別研究主要針對(duì)具有較強(qiáng)約束條件的人臉圖像(如無(wú)背景的圖像),往往假設(shè)人臉位置己知或很容易獲得,因此人臉檢測(cè)問(wèn)題并未受到重視。近幾年隨著信息化社會(huì)的發(fā)展,人臉識(shí)別成為最有潛力的生物身份驗(yàn)證手段,這使得人臉檢測(cè)開(kāi)始作為一個(gè)獨(dú)立的課題受到研究并得到重視。在檢測(cè)靜止目標(biāo)的場(chǎng)合中,膚色的應(yīng)用提供有價(jià)值的候選區(qū)域。比如,在人臉的檢測(cè)中,圖像中的膚色區(qū)域可有助于加速人臉的檢測(cè)過(guò)程。本文將對(duì)基于高斯膚色模型的圖像皮膚區(qū)域分割算法進(jìn)行研究。

　　2 色度空間模型選取

　　使用何種形式的膚色模型與色度空間(chrominance space)選擇密切相關(guān)?？梢詮膬蓚€(gè)方面考察某種色度空間:(1)在該色度空間中能否用給定的模型描述“膚色”區(qū)域的分布;(2)色度空間中“膚色”與“非膚色”區(qū)域的重疊有多少。人臉檢測(cè)常用的色度空間主要有:RGB(亮度歸一化的三基色)、HSI(色調(diào)、飽和度、亮度)、YIQ(NTSC制的光亮度和色度模型)、YUV(PAL制的光亮度和色度模型)、YCbCr(CCIR601)編碼方式的色度模型、CIEL(國(guó)際照明委員會(huì)提出的基于色度學(xué)的彩色模型)等。

　　不論在什么樣的色度空間中,膚色模型大體上分為四種:區(qū)域模型(IF-THEN)模型、簡(jiǎn)單高斯模型、混合高斯模型和直方圖模型。

　　2.1 區(qū)域模型

　　該模型又稱(chēng)IF-THEN模型、簡(jiǎn)單門(mén)限模型,它主要是利用了膚色在色度空間的聚類(lèi)性(即取值范圍),將一塊滿足一定條件的區(qū)域標(biāo)定為膚色區(qū)域。采用這個(gè)模型來(lái)判別膚色需要分兩步:首先通過(guò)統(tǒng)計(jì)的方法確定模型(即歸屬于膚色的具體范圍);其次利用這個(gè)模型來(lái)判別新的像素或區(qū)域是否為膚色。因此,對(duì)于一幅新的圖像,如果某個(gè)像素或區(qū)域滿足給定的條件就為膚色,否則就是非膚色。從上面的判斷過(guò)程來(lái)看,它是一種較簡(jiǎn)單的膚色模型。該模型的困難之處在于如何確定閾值。閾值選擇不當(dāng)可能會(huì)使膚色檢測(cè)率下降,誤檢率上升。此方法計(jì)算簡(jiǎn)單,使用方便,速度快,但是效果不是很好,只適用于特定條件下的膚色檢測(cè)。

　　2.2 簡(jiǎn)單高斯模型

　　這種方法是假設(shè)膚色分布服從單峰高斯分布。它主要通過(guò)統(tǒng)計(jì)分析,預(yù)測(cè)高斯分布的參數(shù),其中參數(shù)確定常用的方法有EM算法,Maximum-Likelihood或通過(guò)統(tǒng)計(jì)直接求得色度空間中每個(gè)分量(一般利用的是該色度空間中的色度分量)的均值與方差。采用這種方法也分為兩步:首先選擇方法確定模型的參數(shù)(即均值和方差);其次利用該模型來(lái)判別新的像素或區(qū)域是否為膚色。簡(jiǎn)單高斯模型相對(duì)區(qū)域模型能更好的表示膚色分布,因此相對(duì)而言,它的膚色檢測(cè)率也高出許多,并且模型的參數(shù)也易于計(jì)算,但是速度比區(qū)域模型慢。

　　2.3 混合高斯模型

　　由于具有不同種族的膚色直方圖并不完全滿足單峰高斯分布,通過(guò)研究可以采用多峰的高斯分布來(lái)精確表示。因此,提出了混合高斯模型,如公式2.1所示:

　　(2.1)

　　其中,為膚色像素在色彩空間中的混合概率密度,為分量的概率密度,為分量的先驗(yàn)概率,i=1, 2,...,m為混合密度的分量個(gè)數(shù)。該模型表明膚色的每個(gè)像素密度都屬于概率密度的混合體。在這個(gè)模型中主要難點(diǎn)是對(duì)混合高斯模型的參數(shù)估計(jì),其參數(shù)的估計(jì)常采用基于極大似然的算法。利用該算法需要進(jìn)行迭代,而迭代的收斂速度受參數(shù)的初值影響,同時(shí)與分量密度個(gè)數(shù)關(guān)系很大,分量越多,運(yùn)算越復(fù)雜。這種方法相對(duì)于前面兩種模型來(lái)說(shuō),膚色的檢測(cè)率要高得多,誤檢率也要小得多,但是模型的確定(即模型的參數(shù)估計(jì))較難,速度相對(duì)來(lái)說(shuō)也比較慢,不適合快速的膚色檢測(cè)。

　　2.4 直方圖模型

　　通過(guò)對(duì)膚色直方圖的統(tǒng)計(jì),然后利用閾值來(lái)進(jìn)行判別。對(duì)于三維直方圖,盡管效果很好,但是需要很多的訓(xùn)練樣本,而且訓(xùn)練時(shí)間很長(zhǎng)。由于樣本原因和時(shí)效性差,這里不詳細(xì)討論這種方法。

　　3 YCbCr色彩空間模型

　　YCbCr色彩系統(tǒng)是一種常見(jiàn)的重要的色彩系統(tǒng),網(wǎng)絡(luò)上比比皆是的JPEG圖片采用的色彩系統(tǒng)正是該系統(tǒng)。本文則著重對(duì)此膚色模型進(jìn)行研究。它由YUV色彩系統(tǒng)衍生而來(lái),Cb=k1,Cr=k2,其中k1、k2分別為壓縮系數(shù),壓縮的目的是防止色差信號(hào)對(duì)亮度信號(hào)的干擾及超過(guò)亮度信號(hào)的電平,也就是說(shuō)Cb和Cr則是將U和V做少量調(diào)整而得到的。Y仍為亮度信息(電視機(jī)中稱(chēng)其為亮度信號(hào))。YCbCr色彩系統(tǒng)與RGB色彩系統(tǒng)的轉(zhuǎn)換關(guān)系如下:

　　Y=0.299*R+0.587*G+0.114*B

　　Cr=(R-Y)*0.713+128

　　Cb=(B-Y)*0.564+128

　　即:

　　3.1 CbCr空間膚色區(qū)域模型

　　由于統(tǒng)計(jì)表明不同人種的膚色區(qū)別主要受亮度信息影響,而受色度信息的影響較小,所以直接考慮YCbCr空間的CbCr分量,映射為CbCr空間,在CbCr空間下,受亮度變化的影響少,而且是二維獨(dú)立分布。通過(guò)實(shí)踐,選取大量膚色樣本進(jìn)行統(tǒng)計(jì),發(fā)現(xiàn)膚色在CbCr空間的分布呈現(xiàn)良好的聚類(lèi)特性