人臉識別系列之人臉檢測--訓練基於膚色特徵的檢測

前言：

基於特徵的方法是利用人臉的先驗知識導出的規則進行人臉檢測。

通常來講，經常使用的特徵包括人臉和人臉器官典型的邊緣和形狀特徵（如人臉輪廓、虹膜輪廓、嘴脣輪廓等）、紋理特徵（紋理是在圖上表現爲灰度或顏色分佈的某種規律性，這種規律性在不一樣類別的紋理中有其不一樣特色，人臉有其特定的紋理特徵）、顏色特徵（人臉膚色特徵，目前主要有RGB，HSV，YCbCr，YIQ，HIS等彩色空間模型被用來表示人臉的膚色，從而進行基於顏色信息的人臉檢測方法的研究）。

 

人臉檢測的方法：

• 基於規則/知識方法

– 人臉模式的變化知足必定的規律，因此能夠概括描述人臉特徵的規則，如灰度分佈、比例關係、紋理信息等

 

• 基於模板的方法

– 固定模板法，可變形模板法

 

• 基於不變特徵的方法，如彩色信息

– 人臉的膚色在彩色空間中的分佈相對比較集中，因此可用來檢測和跟蹤人臉。

– 

• 基於外觀學習的方法---目前的主流方法

– 將人臉檢測視爲區分「非人臉樣本」與「人臉樣本」的模式識別問題，經過對人臉樣本集和非人臉樣本集的學習產生分類器

 

 

以世紀晟科技人臉識別技術爲例，世紀晟科技擁有3D人臉識別算法的核心技術，詳解基於膚色特徵的檢測。

 

· 多種膚色模型

• J.L.Crowley and F. Berard, 「Multi-model tracking of faces for video communications

– 將膚色區域的RGB顏色歸一化，用其中的(r,g)值的顏色直方圖h(r,g) 獲取膚色變量的閾值

• M. H. Yang, N. Ahuja, 「Detecting human faces in color images」

– 認爲人臉膚色區域的顏色值呈高斯分佈，用高斯分佈的均值和方差肯定膚色變量的閾值

• T. S. Jebara and A. Pentland, 「Parameterized structure from motion fro 3D adaptive feedback tracking of faces」

– 認爲不一樣的種族和國家的人的膚色分佈不一樣，在顏色直方圖上造成多個聚類，可用高斯混合模型來表示

 

· 顏色空間

• RGB到「rg」空間.
• RGB到YUV(YCrCb)空間，再轉化到「FI」空間

• · 高斯膚色模型

• 一元正態分佈膚色模型（以F顏色特徵爲例）
• 二元正態分佈膚色模型（以rg顏色特徵爲例）

• 提取膚色區域

  • 對檢測到的膚色區域進行分析

  – 接近橢圓形

  – 有部分非膚色區域(五官、頭髮)

關於膚色模型幾點提示——

• 膚色模型難以適應各類環境光照變化

對於背景和前景的光照變化，膚色一般不穩定

單純的膚色信息對於人臉檢測一般是不充分的

• 如何適應在不一樣光照下的人臉跟蹤

若是環境光照有變化，原有的膚色模型可能再也不適用，如何創建一個自適應的膚色模型須要進一步的研究