關鍵詞： 顏色空間; 光線補償; 膚色模型; 人臉檢測
隨著信息技術及計算機網絡的快速發展，個人身份識別、表情分析、安檢、公共場所公共安全等顯得至關重要，利用人臉等人的內在屬性進行識別的生物識別技術及其穩定性和可靠性引起了廣泛的關注。人臉檢測技術不僅是人臉識別、唇讀、視頻檢測與監控等技術的重要前提條件，而且在模式識別、人機交互、智能監控等領域引起了廣泛的重視。人臉檢測來源于人臉識別，它是人臉自動識別系統中的一個重要環節，其目的是檢測圖像中的人臉并將其從背景中分割出來。近年來，人們在人臉檢測技術中提出了各式各樣的算法，大體可分為四類：基于知識的方法、基于特征的方法、基于模板的方法和基于表象的方法。但這些檢測算法在實際應用中存在運算量大、實時性差等缺點。GUAN和YANG提出了基于膚色和幾何信息的無監督人臉檢測方法，檢測率達93.7%。利用彩色圖像中最重要、最明顯的膚色特征，可以大幅度縮小搜索空間，降低檢測難度，減少計算量，提高運算性能。這種方法大大提高了人臉檢測速度，基本可以實現實時檢測。但人臉檢測是一項非常復雜的系統工程，檢測結果很容易受到各種直接或者間接噪聲的影響，主要表現在：
(1)受外貌、表情、膚色等因素的影響，人臉具有很大可變性；
(2)很多情況下臉上可能存在眼鏡、胡須以及裝飾品等附屬物；
(3)頭部運動造成圖像中人臉位置、角度等發生變化；
(4)不同光照條件對圖像中人臉圖像產生影響，亮度變化范圍很大；
(5)不同圖像中人臉尺寸及背景噪聲等各不相同。
因此，本文針對膚色檢測存在的問題，提出了一種基于兩種膚色模型相結合的彩色圖像快速人臉檢測算法，通過實驗結果可以看出，該算法具有較好的魯棒性和較高的準確率。
1 顏色空間[1]
1.1 RGB顏色空間
由于在RGB空間中三要素具有高度相關性，亮度信息對圖像的處理會帶來干擾。為了消除亮度的影響,YANG提出了歸一化的RGB模型,將RGB彩色空間映射到色度空間，即從三維空間變換到二維空間。該色度空間具有對圖像亮度和視點方向都不敏感的優點，可以較好地消除圖像中可見和室外不可見的陰影，其轉換公式如下所示：
2 膚色分割算法
膚色檢測要取得好的效果，需要解決兩個問題：如何選擇合適的顏色空間以及如何確定規則中的參數，即膚色模型問題。要進行膚色檢測就是要在該空間中判斷膚色是否能夠聚集在某個集中的區域，從而可以根據像素在該空間中的坐標判斷該像素是否屬于膚色點。因此選擇恰當的膚色空間和膚色區間閉值以最終確定膚色模型是非常重要的。所謂膚色模型，與其他的數學建模一樣，即用一種代數的解析或查找表等形式來表達哪些像素的色彩屬于膚色，或者表征出某一像素的色彩與膚色的相似程度。膚色模型可以進一步地劃分為色彩空間中的簡單門限聚類模型、高斯模型和高斯混合模型等。簡單門限聚類模型具有計算簡單、速度快等優點，因此，本文采用了歸一化RGB空間中的二次多項式模型與YCgCr膚色模型相結合的方法，稱為混合的膚色模型檢測算法。
2.1自適應光線補償
由于實際背景復雜多變，噪聲污染源難以確定及環境光照變化的影響,需要對彩色圖像進行必要的預處理，為后續的圖像處理提供較高質量的彩色圖像。將圖像通過改進的自適應光線補償對過亮、過暗及中間區域的像素灰度進行修正，以達到減少環境光線變化的影響。針對彩色圖像的實際情況，本文采用一種自適應光線補償方法。通過將圖像亮度灰度范圍內的兩端區域進行壓縮，降低過亮和過暗區域的對比度；再用對數函數做非線性變換函數，使變換后圖像對比度增加。光線補償的具體過程如下[2]。
2.2 二次多項式膚色模型
二次多項式模型首先由SORIANO提出，此后CHIANG[3]對此進行了改進，二次多項式模型由兩個r-g平面的二次多項式與一個圓方程構成[4]：
若滿足以上不等式像素點則是膚色，否則不為膚色。
根據以上所建立的兩種膚色模型，本文所提出將歸一化RGB空間中的二次多項式模型YCgCr和膚色模型相結合的混合膚色模型，即有快速人臉檢測算法,總體框架如圖1所示。
3 人臉定位
經過膚色檢測得到二值圖像的連通區域，其中可能還包括肩膀、脖子等膚色區域及類膚色其他物體。為減少人臉檢測與定位的搜索空間，首先對檢測到的連通區域進行預處理,然后從以下幾個方面對人臉候選區域進行判斷來檢查是否有人臉存在[7]：
(1)連通區域的寬和高必須大于20像素。
(2)計算膚色區域的寬高比，限定要檢測的人臉比例大小，排除一些類膚色區域但長寬比不符合要求的區域，其閾值為[0.6,2]。
(3)計算膚色區域的面積和該膚色區域外接矩形的面積的比，排除一些不規則但具有膚色特征的非人臉區域，其所選閾值為[0.5,0.9]。
通過以上判斷，基本排除了非人臉膚色區域，能夠較準確地得到人臉區域。
4 實驗結果與分析
在進行實驗時，考慮到不同光照條件、不同膚色人種及圖像背景復雜度，從互聯網和現實生活中選取一些圖片作為實驗對象，組成兩個測試集：(1)測試樣品集，如無背景或簡單背景、光照變化、人臉區域較大、任意角度的頭肩部圖像和集體照；(2)復雜測試集，有類膚色背景存在，人臉個數、大小、位置未知，光照變化，多角度多表情的圖片。用本文的算法對這兩個測試集進行測試，實驗數據如表1所示。
通過表1的實驗數據可以得出，對于簡單樣品集，本文的算法具有較好的結果；對于復雜樣品集，由于人臉尺寸太小和背景類膚色性，存在極少數的漏檢誤檢。參考文獻[8]單人臉檢查的平均檢測時間是0.22 s，多人臉檢測的平均檢測時間是13.35 s，相比之下，本文所述檢測算法對單人臉檢測速度比較慢，而多人臉檢測速度有較大提高。因為檢查速度不僅與運行環境有關,還與圖像的復雜度、尺寸大小有關。圖2給出實驗結果的部分典型實例，圖中矩形框畫出了檢測到人臉的位置。
從上述實驗數據可以看出，本文算法可以得出較好的實驗結果，進一步證明了本算法的有效性和快速性。
利用膚色信息檢測膚色區域具有較低的計算量，并且對部分遮擋和姿態角度變化具有較強的魯棒性，因此本文提出了用兩種顏色空間相結合的算法進行膚色檢測，盡可能多地檢測出真膚色區域(漏檢率低)，而包含盡可能少的偽膚色區域(誤檢率低)。通過實驗驗證，本文的算法具有很好的膚色分割效果和較好的人臉檢測效果。下一步的研究工作就是要根據具體實際應用及其他特征信息，進一步提高人臉檢測速率和準確率。
參考文獻
[1] CHAVES-GONZALEZ J M,VEGA-RO M A,JUANETC D. Detecting skin in face recognitionystems: Acolour spaces study.Digital Signal Processing, 2010(20):806-823.
[2] 賈靈芝，李嵐，錢坤喜.基于自適應光線補償的人臉檢測算法[J]. 計算機技術與發展，2008,12:120-122,126.
[3] CHENG C C,WEN K T, YANG M T, et al. A novel method for detecting lips, eyes and faces in real time.Real-Time Imageing, 2003,9(4):277-287.
[4] SORIANO M, BIRGITTA M, SAMI H, et al. Adaptive skin color modeling using the skin locus for selecting training pixels.Pattern Recognition,2003(36):681-690.
[5] 張爭珍，石躍祥. YCgCr顏色空間的膚色聚類人臉檢測法[J].計算機工程與應用，2009，45(22):163-165.
[6] 胡慶新，方躍，張淑鳳.一種新的駕駛員疲勞檢測系統中的人臉區域檢測方法[J].儀器儀表學報，2008,4.
[7] 王建國，林宇生，楊靜宇.基于新顏色空間YCgCr的人臉區域初定位[J].計算機科學，2007,34(5):228-233.
[8] 嚴云洋，郭志波，楊靜宇.復雜環境下的快速人臉檢測算法[J].江南大學學報（自然科學版），2007,6(6):723-727.