人脸检测与归一化方法

人脸检测是人脸识别的前提。对于给定的图像，人脸检测的目的在于判断图像中是否存在人脸，如果存在，则返回其位置和空间分布。本章在人脸检测过程中，利用人脸肤色高斯分布建立皮肤分割模型分割出肤色区域，从而检测出人脸的外脸。利用面部几何特征（如双眼、嘴唇、鼻梁等人脸器官的边缘特征及颧骨凸出的高亮部分）建立匹配模板进行人脸的内脸检测和定位。

7.2.3.1　外脸检测

外脸检测的任务是将待检图像中可能的人脸区域找出来并加以标记，具体检测步骤如下：

Step 1：根据人脸肤色分布具有良好的聚类性，且其在YCbCr 肤色空间中呈高斯分布的特点，建立人脸肤色高斯模型来分割肤色区域，将可能为人脸的像素检测出来。为更好地利用肤色特征，同时选用YCbCr 色彩空间对图像进行二值化处理，肤色范围限定在Cb∈[98，127]，Cr∈[133，170]内。将满足条件的像素标记为肤色像素，其余标记为非肤色像素。

Step 2：为了更准确地从图像中检测出人脸的外脸，在检测过程中可通过一个低通滤波器对人脸图像进行去噪处理。并在以每一个肤色点为中心的5×5 邻域内统计肤色像素的个数，超过半数时中心点保留为肤色，否则认为是非肤色。

Step 3：将二值图像中的肤色块进行区域归并，并对目标区域进行比例、结构分析，过滤掉不可能的人脸区域。目标区域的高度和宽度的比例限定在0.8～1.6。(www.xing528.com)

7.2.3.2　内脸检测和定位

内脸检测是将内脸区域（包含眼、眉、鼻和嘴等）找出来并加以标记。人脸特征可以很好地用内脸区域来表达，且不易受背景、头发等因素的干扰，因此，内脸区域的检测和定位对后续的人脸特征提取和识别至关重要。

在外脸区域的上半部，对二值图像进行水平方向和垂直方向的投影，确定两个包含黑点的矩形区域作为双眼的大致区域。在确定的两个区域中，对黑点进行区域膨胀，可以得到眼睛的基本轮廓和左右眼角，并将黑点坐标的平均值作为瞳孔的位置。

7.2.3.3　人脸内脸区域的归一化

由于各待测图像中的人脸的大小具有随机性，因此，有必要对人脸内脸区域进行归一化操作。人脸内脸归一化是指对人脸的内脸区域进行缩放变换，得到大小统一的标准人脸图像。本实验中，标准图像的大小设定为256×256 像素。人脸内脸归一化处理保证了人脸大小的一致性，体现了人脸在图像平面内的尺寸不变性。