【摘要】在具體的色度空間中通過實踐找到膚色區間,建立起可操作性的膚色模型,這樣就讓提取膚色信息成為了人臉檢測的核心方法。不同膚色模型的建立基于不同的色度空間,且為色度空間的一個子空間。膚色信息主要由膚色模型描述。
【關鍵詞】高斯膚色模型 皮膚分割 人臉檢測
1 引言
人臉檢測(face detection)主要是指在輸入圖像中確定人臉(如果存在)的位置、大小等信息?；舅枷胧抢媒y計的方法對人臉建模,比較所有可能的待檢測區域與人臉模型的匹配度。人臉檢測系統的輸入是可能包含人臉的圖像,也可能是不包含人臉的圖像,輸出是關于圖像中是否存在人臉以及人臉的數目、位置、尺度、位姿等信息的參數化描述。人臉檢測問題如果追蹤求源的話,它來源于人臉識別(face recognition),而人臉識別的研究可以追溯到20世紀60—70年代,經過幾十年的曲折發展己日趨成熟。
人臉檢測是自動人臉識別系統中的一個重要環節,但是早期的人臉識別研究主要針對具有較強約束條件的人臉圖像(如無背景的圖像),往往假設人臉位置己知或很容易獲得,因此人臉檢測問題并未受到重視。近幾年隨著信息化社會的發展,人臉識別成為最有潛力的生物身份驗證手段,這使得人臉檢測開始作為一個獨立的課題受到研究并得到重視。在檢測靜止目標的場合中,膚色的應用提供有價值的候選區域。比如,在人臉的檢測中,圖像中的膚色區域可有助于加速人臉的檢測過程。本文將對基于高斯膚色模型的圖像皮膚區域分割算法進行研究。
2 色度空間模型選取
使用何種形式的膚色模型與色度空間(chrominance space)選擇密切相關?？梢詮膬蓚€方面考察某種色度空間:(1)在該色度空間中能否用給定的模型描述“膚色”區域的分布;(2)色度空間中“膚色”與“非膚色”區域的重疊有多少。人臉檢測常用的色度空間主要有:RGB(亮度歸一化的三基色)、HSI(色調、飽和度、亮度)、YIQ(NTSC制的光亮度和色度模型)、YUV(PAL制的光亮度和色度模型)、YCbCr(CCIR601)編碼方式的色度模型、CIEL(國際照明委員會提出的基于色度學的彩色模型)等。
不論在什么樣的色度空間中,膚色模型大體上分為四種:區域模型(IF-THEN)模型、簡單高斯模型、混合高斯模型和直方圖模型。
2.1 區域模型
該模型又稱IF-THEN模型、簡單門限模型,它主要是利用了膚色在色度空間的聚類性(即取值范圍),將一塊滿足一定條件的區域標定為膚色區域。采用這個模型來判別膚色需要分兩步:首先通過統計的方法確定模型(即歸屬于膚色的具體范圍);其次利用這個模型來判別新的像素或區域是否為膚色。因此,對于一幅新的圖像,如果某個像素或區域滿足給定的條件就為膚色,否則就是非膚色。從上面的判斷過程來看,它是一種較簡單的膚色模型。該模型的困難之處在于如何確定閾值。閾值選擇不當可能會使膚色檢測率下降,誤檢率上升。此方法計算簡單,使用方便,速度快,但是效果不是很好,只適用于特定條件下的膚色檢測。
2.2 簡單高斯模型
這種方法是假設膚色分布服從單峰高斯分布。它主要通過統計分析,預測高斯分布的參數,其中參數確定常用的方法有EM算法,Maximum-Likelihood或通過統計直接求得色度空間中每個分量(一般利用的是該色度空間中的色度分量)的均值與方差。采用這種方法也分為兩步:首先選擇方法確定模型的參數(即均值和方差);其次利用該模型來判別新的像素或區域是否為膚色。簡單高斯模型相對區域模型能更好的表示膚色分布,因此相對而言,它的膚色檢測率也高出許多,并且模型的參數也易于計算,但是速度比區域模型慢。
2.3 混合高斯模型
由于具有不同種族的膚色直方圖并不完全滿足單峰高斯分布,通過研究可以采用多峰的高斯分布來精確表示。因此,提出了混合高斯模型,如公式2.1所示:
(2.1)
其中,為膚色像素在色彩空間中的混合概率密度,為分量的概率密度,為分量的先驗概率,i=1, 2,...,m為混合密度的分量個數。該模型表明膚色的每個像素密度都屬于概率密度的混合體。在這個模型中主要難點是對混合高斯模型的參數估計,其參數的估計常采用基于極大似然的算法。利用該算法需要進行迭代,而迭代的收斂速度受參數的初值影響,同時與分量密度個數關系很大,分量越多,運算越復雜。這種方法相對于前面兩種模型來說,膚色的檢測率要高得多,誤檢率也要小得多,但是模型的確定(即模型的參數估計)較難,速度相對來說也比較慢,不適合快速的膚色檢測。
2.4 直方圖模型
通過對膚色直方圖的統計,然后利用閾值來進行判別。對于三維直方圖,盡管效果很好,但是需要很多的訓練樣本,而且訓練時間很長。由于樣本原因和時效性差,這里不詳細討論這種方法。
3 YCbCr色彩空間模型
YCbCr色彩系統是一種常見的重要的色彩系統,網絡上比比皆是的JPEG圖片采用的色彩系統正是該系統。本文則著重對此膚色模型進行研究。它由YUV色彩系統衍生而來,Cb=k1,Cr=k2,其中k1、k2分別為壓縮系數,壓縮的目的是防止色差信號對亮度信號的干擾及超過亮度信號的電平,也就是說Cb和Cr則是將U和V做少量調整而得到的。Y仍為亮度信息(電視機中稱其為亮度信號)。YCbCr色彩系統與RGB色彩系統的轉換關系如下:
Y=0.299*R+0.587*G+0.114*B
Cr=(R-Y)*0.713+128
Cb=(B-Y)*0.564+128
即:
3.1 CbCr空間膚色區域模型
由于統計表明不同人種的膚色區別主要受亮度信息影響,而受色度信息的影響較小,所以直接考慮YCbCr空間的CbCr分量,映射為CbCr空間,在CbCr空間下,受亮度變化的影響少,而且是二維獨立分布。通過實踐,選取大量膚色樣本進行統計,發現膚色在CbCr空間的分布呈現良好的聚類特性
