一种基于肤色分层的人脸检测方法技术

本发明专利技术提供了一种基于肤色分层的人脸检测方法，首先根据人脸候选区域建立人脸肤色模型；然后利用人脸肤色模型进行肤色区域分割，使用椭圆来近似描述人脸形状，对于不在范围内的椭圆区域作为非人脸区域来处理；再根据纹理复杂度来进一步去除非人脸区域；然后旋转人脸候选区域进行方向规一化；最后采用人脸模板进行连通域分析。本发明专利技术利用人脸肤色特性对图像进行预处理，大大缩小了人脸的搜索范围。此外，人脸的肤色特性计算复杂度小，对于人脸旋转、缩放等几何变化都是非常鲁棒的，因此利用人脸肤色特性对人脸的检测非常有用。本发明专利技术提供的方法快速、准确、鲁棒性好，应用面较广，可以应用在图像识别、语音识别、数据挖掘、机器视觉等方面。

【技术实现步骤摘要】

本专利技术涉及一种人脸检测方法，尤其涉及一种基于肤色分层的人脸检测方法，属于人脸识别

技术介绍
人脸检测是自动人脸识别系统中第一步，对给定的静态图像或者视频图像序列，检测其中有没有人脸，若有，将其从背景中分割出来，并确定其在图像中的位置及大小。在某些场合，拍摄图像的条件可以控制，比如警察拍罪犯的照片时要他们将脸的某一部分靠近标尺，这时人脸的定位很简单。在另一些情况下，人脸在图像中的位置预先是未知的，比如在一些复杂背景中拍摄的照片，这时人脸的检测将受以下因素的影响：(1)人脸在图像中的位置，旋转角度和尺度不固定；(2)发型和化妆会遮盖某些特征；(3)图像中出现的噪声；人脸检测的应用领域主要是人脸信息处理(验证、识别、表情分析等)系统，视频会议或者远程教育系统、监控系统与跟踪、基于内容的图像与视频检索等等。人脸检测方法大致可以分为两大类：基于人脸特征方法和基于图像内容的方法。此外，颜色和人脸运动信息可以用来作为人脸检测的预处理。基于特征的方法根据人脸的先验知识，利用人脸的底层特征如人脸轮廓、人脸边缘、器官特性、模板特征等进行人脸的检测；而基于图像内容的方法将人脸区域视为一个二维的像素矩阵，将其分为人脸和非人脸两类，使用样本训练和识别的方案。研究发现人脸的肤色在颜色空间中的分布相对比较集中，颜色信息在一定程度上可以将人脸同大部分背景分割开来，目前已经提出了很多不同的颜色空间模型，用于不同的场合。一旦颜色模型确定之后，首先可以进行肤色检测，根据它们在色度上的相似性和空间上的相关性分割出可能的人脸区域，同时利用区域的几何特性或灰度特征进行是否是人脸的验证。到90年代中期，大部分人脸检测的方法都是依靠提取人脸特征检测的。如利用Soble、Marr-Hildreth、Laplacian等算子对人脸图像提取边缘特征，将提取的边缘与预先定义的人脸边缘模型进行匹配从而推断出是否存在人脸。又如Bur首先提取人脸特征，如眼睛、鼻子、嘴巴、轮廓等，将这些特征进行整合，利用统计分析的方法推断出是否存在人脸。能动形状模型也被用于人脸检测中，主要的思想重建人脸形状可百变形模板，定义一个能量函数，通过不断调整模型参数是能量函数最小化，即能检测人脸，等等。基本上，基于特征的人脸检测方法常常转化为人脸面部特征的搜索的问题，比如，专家Hamouz就利用Gabor滤波器检测10个面部特征从而推断出人脸的存在是否。基于面部特征的检测方法优点在于面部特征相对于图像亮度，遮挡，角度等不敏感，此外，在检测到的特征信息还能用作后面的人脸识别模块。当然，缺点就在于这种算法的复杂性，特别是计算复杂性，对于处理低分辨率的图像和多人脸检测还存在困难。虽然颜色信息对于人脸检测来说是一个非常有用的信息，然而颜色信息只能将人脸肤色区域，包括人脸、手等同背景分割出来，减小人脸检测的范围，因此仅利用颜色信息来检测人脸还是不够的，还需要其他后续处理来证实肤色区域中人脸是否存在。人脸因人而异，绝无相同，即使一对双胞胎，其面部也一定存在某方面的差异。虽然人类在表情、年龄或者发型等发生巨大变化的情况下，可以毫不困难地由脸而检测和识别出某一个人，但是要建立一个能够完全自动进行人脸识别地系统却是非常困难地。它涉及到模式识别、图像处理、计算机视觉、生理学、心理学以及认知科学等方面的诸多知识，并与基于其他生物特征的身份识别方法以及计算机人机感知交互领域都有密切联系。不过，与指纹、视网膜、虹膜、基因、掌形等其他人体生物特征识别系统相比，人脸识别系统更加直接、友好，使用者无任何心理障碍，并且通过人脸的表情/姿态分析，还能获得其他识别系统难以得到的一些信息。
技术实现思路
本专利技术要解决的技术问题是提供一种快速、准确、鲁棒性好的，基于肤色分层的人脸检测方法。为了解决上述技术问题，本专利技术的技术方案是提供一种基于肤色分层的人脸检测方法，其特征在于：步骤为：步骤1：人脸肤色模型建立1.1颜色空间选择采用YCrCb颜色空间来构建人脸肤色模型；1.2YCrCb颜色空间的非线性变换YCrCb色彩格式的色度分量并不是完全独立于亮度信息Y而存在的，肤色的聚类区域也是随亮度信息Y的不同而成非线性变化的；因此对YCrCb色彩格式进行非线性变换，使得Y值对于色度分量CrCb影响尽量小；1.3椭圆拟合用一个椭圆来近似肤色区域，并且计算其解析表达式，得到椭圆拟合后的人脸肤色模型；步骤2：形状认证建立分层式处理模型，用于人脸候选区域的认证，具体方式如下：1)利用人脸肤色模型进行肤色区域分割；2)为了处理不同方向的人脸，使用椭圆来近似描述人脸形状，根据椭圆长短轴的角度，分析出人脸的旋转角度，并且规定人脸候选椭圆长短轴比例，长短轴的大小在设定范围之内，对于不在这个范围内的椭圆区域将作为非人脸区域来处理；步骤3：纹理验证由于人脸区域中眼睛、嘴巴、眉毛脸部特征与人脸皮肤在颜色上的差异性，因此，人脸区域相比手形、脖子其他候选区域纹理更加复杂，计算纹理复杂度，根据纹理复杂度来进一步去除非人脸区域；步骤4：方向归一化对椭圆长短轴的夹角，旋转人脸候选区域进行方向规一化；步骤5：连通域分析眼睛、嘴巴、眉毛区域的灰度、纹理明显区别于脸部其他区域，从检测到的人脸区域可以明显看出；首先对检测到的候选人脸区域进行灰度化，经对人脸脸部特征图像分析，对其作Y方向上的梯度处理，Y代表黑色空间，再采用人脸模板进行连通域分析，当对应的连通域中灰度和超过某个阈值时，则认为该候选人脸区域为人脸区域；低于某个阈值时，则正好相反。优选地，所述步骤1中，YCrCb颜色空间的非线性变换的具体方法为：在色度分量CrCb的边界上做分段线性拟合，用色度分量CrCb的边界来限制肤色聚类区域，具体公式如下：C′i为变换后的色度分量C′b、C′r，i为b、r的分量，表示Ci的平均值，为C′i分量的比例缩放值，为C′i分量在Y方向上的比例缩放值，W为缩放比例值，LCi为C′i色调方向，HCi为C′i饱和度方向，Kl为L分量的偏移值，Kh为H方向的偏移值，Ymax为最大值，Ymin为最小值；经过上述非线性分段色彩变换，再将其投影到Cr’-Cb’二维空间中，就得到人脸肤色模型。优选地，所述步骤1中，根据HHI图像库中人脸肤色样本训练估计值，在YCrCb空间中：Kl＝125,Kh＝188,Ymin＝16,Ymax＝235。优选地，所述步骤1中，椭圆拟合的公式为：其中：ecx和ecy为椭圆中心坐标；a,b为长短轴；θ为旋转一个任意角；当旋转一个任意角之后，新的椭圆方程变为公式(10)；C′b-cx表示色度空间在x方向上的投影；C′b-cy表示色度空间在y方向上的投影。优选地，所述步骤1中，式(9)和式(10)中，Cx＝109.38，Cy＝152.02，θ＝2.53弧度，ecx＝1.60，ecy＝2.41，a＝25.39，b＝14.03。优选地，所述步骤2中，利用人脸肤色模型进行肤色区域分割时，使用中值滤波、形态学处理算子消除非人脸区域。优选地，所述步骤3中，使用方差计算纹理复杂度，根据方差的大小来进一步去除非人脸区域。由于人脸的肤色在颜色空间中的分布相对比较集中，颜色信息在一定程度上可以将人脸同大部分背景分割开来，因此选择合适的颜色模型，利用人脸肤色特性对图像进行预处理本文档来自技高网...

【技术保护点】
一种基于肤色分层的人脸检测方法，其特征在于，步骤为：步骤1：人脸肤色模型建立1.1颜色空间选择采用YCrCb颜色空间来构建人脸肤色模型；1.2 YCrCb颜色空间的非线性变换YCrCb色彩格式的色度分量并不是完全独立于亮度信息Y而存在的，肤色的聚类区域也是随亮度信息Y的不同而成非线性变化的；因此对YCrCb色彩格式进行非线性变换，使得Y值对于色度分量CrCb影响尽量小；1.3椭圆拟合用一个椭圆来近似肤色区域，并且计算其解析表达式，得到椭圆拟合后的人脸肤色模型；步骤2：形状认证建立分层式处理模型，用于人脸候选区域的认证，具体方式如下：1)利用人脸肤色模型进行肤色区域分割；2)为了处理不同方向的人脸，使用椭圆来近似描述人脸形状，根据椭圆长短轴的角度，分析出人脸的旋转角度，并且规定人脸候选椭圆长短轴比例，长短轴的大小在设定范围之内，对于不在这个范围内的椭圆区域将作为非人脸区域来处理；步骤3：纹理验证由于人脸区域中眼睛、嘴巴、眉毛脸部特征与人脸皮肤在颜色上的差异性，因此，人脸区域相比手形、脖子其他候选区域纹理更加复杂，计算纹理复杂度，根据纹理复杂度来进一步去除非人脸区域；步骤4：方向归一化对椭圆长短轴的夹角，旋转人脸候选区域进行方向规一化；步骤5：连通域分析眼睛、嘴巴、眉毛区域的灰度、纹理明显区别于脸部其他区域，从检测到的人脸区域可以明显看出；首先对检测到的候选人脸区域进行灰度化，经对人脸脸部特征图像分析，对其作Y方向上的梯度处理，Y代表黑色空间，再采用人脸模板进行连通域分析，当对应的连通域中灰度和超过某个阈值时，则认为该候选人脸区域为人脸区域；低于某个阈值时，则正好相反。...

【技术特征摘要】
1.一种基于肤色分层的人脸检测方法，其特征在于，步骤为：步骤1：人脸肤色模型建立1.1颜色空间选择采用YCrCb颜色空间来构建人脸肤色模型；1.2YCrCb颜色空间的非线性变换YCrCb色彩格式的色度分量并不是完全独立于亮度信息Y而存在的，肤色的聚类区域也是随亮度信息Y的不同而成非线性变化的；因此对YCrCb色彩格式进行非线性变换，使得Y值对于色度分量CrCb影响尽量小；1.3椭圆拟合用一个椭圆来近似肤色区域，并且计算其解析表达式，得到椭圆拟合后的人脸肤色模型；步骤2：形状认证建立分层式处理模型，用于人脸候选区域的认证，具体方式如下：1)利用人脸肤色模型进行肤色区域分割；2)为了处理不同方向的人脸，使用椭圆来近似描述人脸形状，根据椭圆长短轴的角度，分析出人脸的旋转角度，并且规定人脸候选椭圆长短轴比例，长短轴的大小在设定范围之内，对于不在这个范围内的椭圆区域将作为非人脸区域来处理；步骤3：纹理验证由于人脸区域中眼睛、嘴巴、眉毛脸部特征与人脸皮肤在颜色上的差异性，因此，人脸区域相比手形、脖子其他候选区域纹理更加复杂，计算纹理复杂度，根据纹理复杂度来进一步去除非人脸区域；步骤4：方向归一化对椭圆长短轴的夹角，旋转人脸候选区域进行方向规一化；步骤5：连通域分析眼睛、嘴巴、眉毛区域的灰度、纹理明显区别于脸部其他区域，从检测到的人脸区域可以明显看出；首先对检测到的候选人脸区域进行灰度化，经对人脸脸部特征图像分析，对其作Y方向上的梯度处理，Y代表黑色空间，再采用人脸模板进行连通域分析，当对应的连通域中灰度和超过某个阈值时，则认为该候选人脸区域为人脸区域；低于某个阈值时，则正好相反。2.如权利要求1所述的一种基于肤色分层的人脸检测方法，其特征在于：所述步骤1中，YCrCb颜色空间的非线性变换的具体方法为：在色度分量CrCb的边界上做分段线性拟合，用色度分量CrCb的边界来限制肤色聚类区域，具体公式如下：Ci′=(Ci(Y)-C‾i(Y))WCiWCi(Y)+C‾i(Kh)Y<KlorKh<YCi(Y)Y∈[Kl,Kh]---(5)]]>WCi(Y)=WLCi+(Y-Ymin)(WCi-WLCi)Kl-YminY<KlWHCi+(Ymax-Y)(WCi-WHCi)Ymax-KhKh<Y---(6)]]>C‾b(Y)=108+10(Kl-Y)Kl-YminY<K...

【专利技术属性】
技术研发人员：胡静，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31