人脸肤色高斯模型在人脸检测与识别研究中的应用

肤色是人脸的一个重要特征。虽然不同种族、不同年龄的人的人脸肤色看上去不同，但这主要是由于亮度上的差异造成的[138]。去除亮度后，不同人的人脸肤色分布具有良好的聚类性，且它在YCbCr 肤色空间中的统计分布满足式（7-1）：

因此，可以利用这种肤色聚类特性来检测人脸。在三维色度空间中，人脸肤色的区域可以用高斯分布来描述[139-141]。三种主要人种的不同性别和不同年龄段的人脸肤色的高斯分布如图7-2 所示。

图7-2　人脸肤色在YCbCr 空间中的高斯分布

根据人脸肤色在YCbCr 色度空间的高斯分布，人脸肤色样本的Cb、Cr 值比较集中，适宜于建立高斯模型。对彩色图像中的每个像素点，利用式（7-2）将其从RGB 色彩空间转换到YCbCr 空间后，就可以计算该点属于人脸肤色区域的概率，即根据该点离高斯分布中心的远近得到和人脸肤色的相似度，将彩色图像转化为灰度图，其中每个像素点的灰度与该点肤色的相似度对应。利用式（7-3）来建立人脸肤色的 2D高斯模型，如图7-3 所示。

其中，是 Cb,Cr的均值；V 是协方差矩阵；N 为人脸像素点的总数。(www.xing528.com)

左脸肤色高斯密度函数为：

右脸肤色高斯密度函数为：

图7-3　人脸肤色的高斯肤色模型

通过高斯肤色模型将彩色图像转换为同等相似度灰色图像后，选取合适的阈值，就可以分离肤色与非肤色区域。这种肤色模型的特点是要基于统计的肤色模型，需要对每一个像素点进行相似度计算，因此，运算速度也不是太快。在实际用于肤色检测时，可以直接利用式（7-4）和（7-5）中的进行判断，以提高检测速度[153-154]。