基于膚色檢測和人眼定位的人臉檢測方法

　　摘 要： 提出了一種基于膚色檢測和人眼定位的人臉檢測方法。使用基于“基準白色”的色彩平衡方法歸一化彩色圖像，將圖像在HSV 空間進行膚色分割，確定候選人臉，采用形態(tài)學濾波器對其降噪。在獲得虹膜位置的基礎上，使用Susan 算子定位兩個眼角點，從而實現(xiàn)眼睛的精確定位。實驗證明提出的方法能夠很好的檢測人臉、定位人眼，尤其對存在人臉旋轉(zhuǎn)和光照異常的人臉圖像有很高的精確度和魯棒性。

　　1 引言

　　人臉檢測是指處理分析輸入的圖像，判斷其中是否有人臉，如果有則找到人臉的位置，并將人臉從背景中分離出來。近年來出現(xiàn)了大量人臉檢測方法，主要分為基于特征的和基于圖像的等兩種方法。前者以某種特征如膚色、臉型、鼻子和嘴巴等為最小處理單元；后者以圖像中的像素為處理單元，把人臉檢測看成典型的模式識別問題，使用訓練算法區(qū)分人臉和非人臉區(qū)域。

　　基于膚色的人臉檢測，很容易受光照異常的影響，因此本文首先對圖像進行色彩平衡；實驗中發(fā)現(xiàn)膚色提取后的圖像仍然存在許多噪聲點，直接影響了檢測精確度，因此本文對膚色提取后的圖像采用形態(tài)學濾波器進行降噪，獲得很好的效果。在精確定位人眼上，比較了幾種邊緣提取的算子，發(fā)現(xiàn)Susan 算子更適合提取人眼區(qū)域特征，因此本文采用該算子定位眼角點。

　　2 膚色檢測

　　膚色是人臉最重要的特征之一，不依賴于面部的細節(jié)特征，對于旋轉(zhuǎn)、表情等變化情況都適應，具有相對的穩(wěn)定性并且與大多數(shù)背景物體的顏色相區(qū)別。

　　Angelopolou 的研究成果證明在生物和物理上膚色分布的一致性，指出盡管人的膚色因人種的不同而不同，呈現(xiàn)出不同的顏色，但是排除了亮度等對膚色的影響后，皮膚的色調(diào)基本一致，這也為利用膚色信息進行皮膚檢測的可能性提供了有利的證據(jù)。

　　2.1 色彩空間選擇

　　色彩空間的選擇直接影響著膚色檢測的結(jié)果，用于膚色檢測的常用色彩空間有HIS、YIQ、YUV 和YCbCr 等。徐俊等使用YCbCr 色彩空間求出每個像素點屬于膚色的隸屬度，在復雜背景中獲得很好的人臉檢測效果。但是在YCbCr 色彩空間中，膚色聚類是呈紡錘形狀的，Y 值較大或較小的部分，膚色聚類區(qū)域也隨之縮減，簡單的排除Y 分量是不可行的，必須考慮三個分量，從而增加了工作量。

　　Zarit 等證明HSV 色彩空間檢測膚色像素性能最好。Sobottka 等［4］認為：使用H 和S 就足夠?qū)⒛w色和背景分割開，除了不需要考慮V 外，其對光照和陰影的影響也有較高的穩(wěn)定性。因此本文使用HSV 色彩空間。圖1 為膚色在HSV 色彩空間的分布圖。

　　圖1 膚色像素在HSV 色彩空間分布圖

　　從圖1 可以看出，圖像投影到HSV 空間，膚色區(qū)域（紅色）色調(diào)H 分布在19-240 區(qū)間中。設定膚色像素閾值，圖像像素H 值在T 內(nèi)的認定為膚色像素。