基于肤色模型的人脸检测技术优化方案

从摄像头获取的图像包含了很多非人脸部分，所以首先要将人脸单独提取出来。本系统采用基于色彩空间的人脸检测方法。研究表明，人脸的肤色模型在YUV的色彩空间中具有很好的聚合性，利用此性质建立肤色模型，对获取的图像进行肤色区域的搜索，从而确定人脸区域。从摄像头中获取的图像信息的颜色模型为RGB模型，需转换成YUV色彩模型，转换公式为

式中，Quarter[n][m]是坐标为（n，m）点的颜色值。通过对不同场景、不同条件下的多次训练，得出人脸肤色的检测阈值为：Y＞60，3.14/（180×90）＜R＜3.14/（180×170），其中R=arctan（U/V）。

采用肤色模型进行人脸检测的最大问题是不稳定和干扰大。对于用肤色模型检测出的人脸不稳定的情况，采用图像平均法和人脸的先验知识来解决。首先将一个像素的颜色值设为其上下左右像素颜色的平均值，再加上人脸形状和面积的先验知识作为排除其他疑似“人脸”物体的干扰。通过对于不同背景下的人脸检测结果表明，此方法对于人脸检测具有鲁棒性。人脸检测效果如图10-5所示。(www.xing528.com)

对于用肤色模型检测出的人脸干扰大（主要是颈部干扰）的问题，采用图像标准化的方法来对提取到的人脸进行处理。首先利用人脸的先验知识，人脸的长宽比例约为1∶1.25。本系统利用肤色模型方法检测出的人脸图像的宽度信息和顶部信息都比较精确，故根据图像的宽度信息来确定人脸的长度。

图10-5 人脸检测效果