專利名稱：基于膚色特征的人臉檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體地說，是涉及一種基于膚色特征的人臉檢測(cè)
技術(shù)。
背景技術(shù)：
人臉識(shí)別技術(shù)是生物認(rèn)證的一種。近年來隨著人工智能和電子商務(wù)迅速發(fā)展，人 臉自動(dòng)識(shí)別技術(shù)成為最有潛力的生物識(shí)別技術(shù)和生物身份驗(yàn)證手段。人臉自動(dòng)識(shí)別技術(shù) 就是利用計(jì)算機(jī)分析人臉圖像，進(jìn)而從中提取出有效的面部信息并用來辯識(shí)此人身份的技 術(shù)。它涉及到模式識(shí)別、圖形圖像處理、計(jì)算機(jī)視覺、生理學(xué)、心理學(xué)以及認(rèn)知學(xué)等諸多學(xué)科 知識(shí)，并與基于其它生物特征的身份鑒別方法以及計(jì)算機(jī)人機(jī)感知交互的研究領(lǐng)域都有密 切聯(lián)系。與指紋、掌紋、視網(wǎng)膜、虹膜、基因等其它的生物特征識(shí)別系統(tǒng)相比，人臉識(shí)別系統(tǒng) 具有對(duì)人無傷害、無限制、友好方便等特點(diǎn)，易于為用戶所接受。 人臉識(shí)別技術(shù)可以被應(yīng)用在多種不同的安全領(lǐng)域，比如證件(如駕駛執(zhí)照)、護(hù)照 中的身份認(rèn)證；樓宇進(jìn)出的安全控制；重要場(chǎng)所中的安全檢測(cè)和監(jiān)控；智能卡的身份認(rèn)證 等等。人臉識(shí)別技術(shù)在信息安全領(lǐng)域也有著巨大的潛在應(yīng)用價(jià)值。隨著網(wǎng)絡(luò)技術(shù)日益走進(jìn) 人們的日常生活，越來越多的用戶可以訪問互聯(lián)網(wǎng)，越來越多的信息被置入互聯(lián)網(wǎng)。而由于 網(wǎng)絡(luò)信息訪問的便捷性，網(wǎng)絡(luò)的安全控制成為一個(gè)日益迫切的重要問題。利用人臉的特征 識(shí)別技術(shù)，可以進(jìn)行計(jì)算機(jī)的登陸控制，可以進(jìn)行應(yīng)用程序安全使用、數(shù)據(jù)庫安全訪問和文 件加密，可以實(shí)現(xiàn)局域網(wǎng)和廣域網(wǎng)的安全控制，可以保護(hù)電子商務(wù)的安全性。人臉識(shí)別技術(shù) 可以用于創(chuàng)造友好自然的人機(jī)交互方式，是智能計(jì)算機(jī)領(lǐng)域研究的重要內(nèi)容之一。 一個(gè)可 以識(shí)別使用者臉像的智能計(jì)算機(jī)，可以按照其特點(diǎn)為該使用者提供工作環(huán)境，從而使人與 計(jì)算機(jī)之間交互如同人與人之間的交互一樣輕松自如。另外，人臉識(shí)別技術(shù)還被用在圖像 庫檢索領(lǐng)域，在大型的人臉數(shù)據(jù)庫中檢索出與索引相同或相近的臉像。例如，公安部門可以 利用人臉識(shí)別技術(shù)進(jìn)行罪犯庫的管理和查詢。由于人臉識(shí)別的非侵犯性，具有直接、方便、 友好的特點(diǎn)，是人們最容易接受的身份鑒別方式。隨著網(wǎng)絡(luò)技術(shù)和桌上視頻的廣泛采用，圖 像捕捉正在成為個(gè)人計(jì)算機(jī)的標(biāo)準(zhǔn)外設(shè)，同時(shí)電子商務(wù)等網(wǎng)絡(luò)資源的利用對(duì)身份驗(yàn)證提出 了新的要求，人臉識(shí)別成為最有潛力的身份驗(yàn)證手段之一。 人臉識(shí)別過程一般包括人臉的檢測(cè)和定位、特征提取和人臉識(shí)別三部分。很明顯， 人臉的檢測(cè)是人臉識(shí)別過程中最基本的步驟，如果檢測(cè)誤差太大，那會(huì)對(duì)后續(xù)工作產(chǎn)生很 大困難，甚至使結(jié)果沒有任何意義。人臉檢測(cè)是一個(gè)相當(dāng)復(fù)雜的問題，由于面部表情的不同 及光照條件的變化，以及眼睛、鼻子、嘴巴和胡須等的影響，面部傷痕的出現(xiàn)等，均可不同程 度的影響人臉檢測(cè)的準(zhǔn)確度，導(dǎo)致誤檢或漏檢。因此，多年來人臉檢測(cè)方法的研究一直引起 人們的關(guān)注。 早期的人臉識(shí)別算法都是在認(rèn)為已經(jīng)得到了一個(gè)正面人臉或者人臉很容易獲得 的前提下進(jìn)行的，但是隨著人臉應(yīng)用范圍的不斷擴(kuò)大和開發(fā)實(shí)際系統(tǒng)需求的不斷提高，這 種假設(shè)下的研究已不再能滿足需求，人臉檢測(cè)開始作為獨(dú)立的研究內(nèi)容發(fā)展起來。目前，國內(nèi)外的文獻(xiàn)中所涉及的人臉檢測(cè)算法已經(jīng)有多種，許多重要的國際會(huì)議和期刊都也都涉及 到人臉檢測(cè)問題研究論題。人臉檢測(cè)的研究涉及模式識(shí)別、圖像處理、生理學(xué)、心理學(xué)、認(rèn)知 科學(xué)與基于其它生物特征的身份鑒別方法以及計(jì)算機(jī)人機(jī)感知交互領(lǐng)域都有密切聯(lián)系，因 此，早在20世紀(jì)60年代即引起了研究者的強(qiáng)烈興趣。進(jìn)入20世紀(jì)90年代，由于各個(gè)領(lǐng)域 對(duì)人臉檢測(cè)系統(tǒng)的迫切需求，人臉檢測(cè)的研究重新成為研究的熱點(diǎn)。今天，人臉檢測(cè)的應(yīng)用 背景已經(jīng)遠(yuǎn)遠(yuǎn)超出了人臉識(shí)別系統(tǒng)的范疇，在基于內(nèi)容的檢索、數(shù)字視頻處理、視覺監(jiān)測(cè)等 方面都有著重要的應(yīng)用價(jià)值，因此越來越受到業(yè)界的廣泛重視。 但是，常見的人臉檢測(cè)算法比較復(fù)雜，比如基于灰度特征的人臉檢測(cè)算法等，都需 要花費(fèi)大量的時(shí)間進(jìn)行運(yùn)算，從而使得系統(tǒng)的實(shí)時(shí)性很差。

發(fā)明內(nèi)容
本發(fā)明為了解決現(xiàn)有人臉檢測(cè)算法運(yùn)算復(fù)雜、時(shí)間長、實(shí)時(shí)性不好的問題，提供了 一種基于膚色特征的人臉檢測(cè)方法，通過簡單的處理過程即可實(shí)現(xiàn)人臉圖像的檢測(cè)定位。 運(yùn)算速度快，系統(tǒng)實(shí)時(shí)性好。 為了解決上述技術(shù)問題，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)
—種基于膚色特征的人臉檢測(cè)方法，包括以下步驟
a、提取待檢測(cè)的人臉圖像； b、對(duì)人臉圖像進(jìn)行色彩平衡，消除光源顏色變化對(duì)人臉區(qū)域的影響； c、進(jìn)行顏色空間轉(zhuǎn)換，將經(jīng)過色彩平衡處理后的人臉圖像轉(zhuǎn)換到亮度跟色度分離
的顏色空間； d、選定待檢測(cè)的人種，以提取相應(yīng)人種的膚色信息分布范圍； e、判斷人臉圖像中的每個(gè)像素點(diǎn)的三分量是否同時(shí)落入上述的膚色信息分布范
圍內(nèi)，若是，則將該像素點(diǎn)設(shè)置為l，否則，設(shè)置為O，以生成二值化圖像； f、對(duì)所述二值化圖像進(jìn)行形態(tài)學(xué)處理。
其中，在所述步驟b中，具體采用以下的色彩平衡過程 (1)計(jì)算人臉圖像的R、 G、 B這3個(gè)分量的均值及總的均值；其中，R、 G、 B三個(gè)
分量的均值采用對(duì)圖像中每個(gè)像素點(diǎn)的R、 G、 B分量值分別進(jìn)行統(tǒng)計(jì)，然后除以總像素點(diǎn) 個(gè)數(shù)的方法獲得，分別用符號(hào)avgR、 avgG、 avgB進(jìn)行表示；3個(gè)分量的總均值avgGray = (avgR+avgG+avgB)/3 ; (2)計(jì)算R、 G、 B各分量的調(diào)整系數(shù)aR、 aG、 aB，其中aR = avgGray/avgR ;aG = avgGray/avgG ;aB = avgGray/avgB ; (3)利用求得的調(diào)整系數(shù)調(diào)整人臉圖像中每個(gè)像素點(diǎn)的R、 G、 B分量值，即R = R*aR ;G = G*aG ;B = B*aB ; (4)將調(diào)整后的R、 G、 B三分量中分量值大于255的值調(diào)整為255。 進(jìn)一步的，所述亮度跟色度分離的顏色空間優(yōu)選為YCbCr顏色空間。與之對(duì)應(yīng)的
顏色空間轉(zhuǎn)換過程即為RGB顏色空間到Y(jié)CbCr顏色空間之間的轉(zhuǎn)換，具體轉(zhuǎn)換過程如下 Y = 0. 257*R+0. 504*G+0. 098*B+16 ;Cb = -0. 148*R-0. 291*G+0. 439*B+128 ;Cr = 0. 439*R-0. 368*G_0. 071*B+128。
又進(jìn)一步的，在所述步驟d中，供用戶選擇的人種包括三類，即白色人種、黃色人 種和黑色人種。 若選定的待檢測(cè)人種為白色人種，則提取的膚色信息分布范圍是Y中的膚色信 息范圍為(50,180)， Cb中的膚色信息范圍為(140,190)， Cr中的膚色信息范圍為(142， 190)。 若選定的待檢測(cè)人種為黃色人種，則提取的膚色信息分布范圍是Y中的膚色信 息范圍為(80,200)， Cb中的膚色信息范圍為(130,195)， Cr中的膚色信息范圍為(130， 170)。 若選定的待檢測(cè)人種為黑色人種，則提取的膚色信息分布范圍是Y中的膚色信 息范圍為(70,160)， Cb中的膚色信息范圍為(150,180)， Cr中的膚色信息范圍為(145， 170)。
再進(jìn)一步的，在所述步驟f的形態(tài)學(xué)處理過程中主要包括以下過程 首先，對(duì)生成的二值化圖像進(jìn)行腐蝕操作，以將二值化圖像中的白色小孔腐蝕掉，
使白色區(qū)域面積減??； 然后，對(duì)二值化圖像進(jìn)行膨脹處理，以增大白色區(qū)域的面積，使黑色區(qū)域減小，以 突出臉部區(qū)域。 更進(jìn)一步的，所述膨脹處理需要執(zhí)行多次，以獲得比較理想的人臉檢測(cè)結(jié)果。
優(yōu)選的，所述膨脹操作優(yōu)選執(zhí)行3次。 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果是本發(fā)明的基于膚色特征的人臉檢 測(cè)方法檢測(cè)速度快、直觀、符合人們的感性認(rèn)識(shí)，并且不受形狀、大小的影響，算法簡單易 懂，相比于傳統(tǒng)的基于灰度特征的人臉檢測(cè)算法而言，能夠大大提高運(yùn)算速度，尤其適用于 實(shí)時(shí)性要求高的系統(tǒng)中。 結(jié)合附圖閱讀本發(fā)明實(shí)施方式的詳細(xì)描述后，本發(fā)明的其他特點(diǎn)和優(yōu)點(diǎn)將變得更 加清楚。


圖1是本發(fā)明所提出的基于膚色特征的人臉檢測(cè)方法的一種實(shí)施例的程序流程 框圖。
具體實(shí)施例方式
下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式
進(jìn)行詳細(xì)地描述。 為了使人臉檢測(cè)能夠適合實(shí)際應(yīng)用，希望在某一個(gè)顏色空間中，人類的膚色能夠 聚成密集分布的一類，也就是在此顏色空間中顏色特征有聚類特性，并且在有聚類特性的 顏色空間中找到聚類特性較好的顏色空間，因?yàn)榫垲愄匦栽胶?，越有利于人臉的檢測(cè)。
RGB顏色空間是用于顯示和保存彩色圖像的最常用的彩色空間，由R(紅)、 G(綠)、B(藍(lán))三個(gè)分量所組成，三維空間中的三個(gè)軸分別與紅、綠、藍(lán)三基色相對(duì)應(yīng)，原點(diǎn) 對(duì)應(yīng)于黑色，離原點(diǎn)最遠(yuǎn)的頂點(diǎn)對(duì)應(yīng)于白色，而其他顏色則落在三維空間中由紅、綠、藍(lán)三 基色組成的彩色立方體中。但是，RGB顏色空間中亮度信息是隱含在三基色里面的，對(duì)光線 強(qiáng)度的變化很敏感，所以，不太適合進(jìn)行人臉圖像的檢測(cè)，最好使用色度跟亮度分離的顏色空間。 目前，色度跟亮度信號(hào)分離的顏色空間有很多，例如VHS、 YIQ、 HIS、 YUV、 YCbCr顏 色空間等。其中，在YCbCr顏色空間里，Y分量代表亮度，Cb為藍(lán)色分量，Cr為紅色分量。實(shí) 際上，還有一個(gè)分量Cg，它代表綠色分量，只是在YCbCr空間里沒有用到。在RGB顏色空間 中，顏色由紅、綠、藍(lán)3個(gè)分量組成，每種顏色也就對(duì)應(yīng)于3種顏色分量，即紅色分量Cr、藍(lán)色 分量Cb和綠色分量Cg，任意2種顏色分量和亮度信息均可以構(gòu)成一個(gè)三維的空間。在該顏 色空間中膚色具有較好的聚類效果。所以，除了 YCbCr顏色空間以外，還存在YCbCg，YCgCr 等顏色空間。 本實(shí)施例優(yōu)選使用YCbCr顏色空間，并在此顏色空間的基礎(chǔ)上提出了一種基于人 臉膚色特征、且不受形狀、大小等因素影響的人臉圖像檢測(cè)方法。 下面通過一個(gè)具體的實(shí)施例來詳細(xì)闡述所述基于膚色特征的人臉檢測(cè)方法的具 體設(shè)計(jì)步驟及實(shí)現(xiàn)過程。 實(shí)施例一，參見圖1所示，本實(shí)施例所提出的基于膚色特征的人臉檢測(cè)方法具體 包括以下步驟 S101、提取人臉圖像資料； S102、對(duì)提取出來的人臉圖像進(jìn)行預(yù)處理； 在進(jìn)行基于膚色特征的人臉區(qū)域檢測(cè)之前，首先要對(duì)人臉圖像進(jìn)行預(yù)處理。當(dāng)光 源發(fā)生變化時(shí)，圖像的亮度、色度位置和范圍都會(huì)發(fā)生變化，因此要對(duì)色彩發(fā)生偏移的圖像 進(jìn)行色彩平衡，來消除光源顏色變化對(duì)人臉區(qū)域檢測(cè)的影響；然后，調(diào)整圖像的紅、綠、藍(lán)3 個(gè)分量的強(qiáng)度，恢復(fù)出圖像場(chǎng)景的原始顏色特征。其中，對(duì)人臉圖像進(jìn)行色彩平衡的具體過 程包括以下步驟 (1)計(jì)算人臉圖像的R、G、B這3個(gè)分量的均值及總的均值； 其中，R、G、B這3個(gè)分量的均值可以采用對(duì)圖像中每個(gè)像素點(diǎn)的R、G、B分量值分
別進(jìn)行統(tǒng)計(jì)，然后除以總像素點(diǎn)個(gè)數(shù)的方法獲得，分別用符號(hào)avgR、 avgG、 avgB進(jìn)行表示； 3個(gè)分量的總均值avgGray = (avgR+avgG+avgB)/3 ; (2)計(jì)算R、 G、 B各分量的調(diào)整系數(shù)aR、 aG、 aB，即令 aR = avgGray/avgR ; aG = avgGray/avgG ; aB = avgGray/avgB ; (3)利用求得的調(diào)整系數(shù)調(diào)整人臉圖像中每個(gè)像素點(diǎn)的R、 G、 B分量值，即
R = R*aR ;
G = G*aG ;
B = B*aB ; (4)將調(diào)整后的R、 G、 B分量中分量值大于255的值調(diào)整為255。
S103、顏色空間轉(zhuǎn)換； 由于提取到的人臉圖像大多都是JPG或者BMP格式的圖片，也就是說它的顏色空 間是RGB空間，所以需要進(jìn)行顏色空間之間的轉(zhuǎn)換。本實(shí)施例以將顏色空間由RGB空間轉(zhuǎn) 換到Y(jié)CbCr空間為例進(jìn)行說明，具體可以利用以下的轉(zhuǎn)換公式實(shí)現(xiàn)
Y = 0.257*R+0. 504*G+0. 098*B+16 ;
7
Cb = -0. 148*R-0. 291*G+0. 439*B+128 ;
Cr = 0. 439*R-0. 368*G_0. 071*B+128 ; 以計(jì)算出人臉圖像在YCbCr顏色空間中的各分量的分量值。 S104、選擇待檢測(cè)的人種，以提取相應(yīng)人種的膚色信息分布范圍； 由于不同人種的膚色信息在YCbCr顏色空間中的分布情況不同，因此，需要針對(duì)
待檢測(cè)人臉圖像中的人種，調(diào)取該人種膚色所對(duì)應(yīng)的Y、 Cb、 Cr三分量的膚色信息分布范
圍，以作為提取圖像中人臉區(qū)域的依據(jù)。 在本實(shí)施例中，定義白色人種Y中的膚色信息范圍為(50， 180) ， Cb中的膚色信息 范圍為(140,190)， Cr中的膚色信息范圍為(142,190)。黃色人種Y中的膚色信息范圍為 (80，200)，Cb中的膚色信息范圍為(130，195)，Cr中的膚色信息范圍為(130,170)。黑色人 種Y中的膚色信息范圍為(70， 160) ， Cb中的膚色信息范圍為(150， 180) ， Cr中的膚色信息 范圍為(145,170)。 S105、根據(jù)提取的膚色信息分布范圍確定待檢測(cè)的人臉圖像中的人臉區(qū)域，并生 成二值化圖像； 依次提取人臉圖像中的每一個(gè)像素點(diǎn)的Y、 Cb、 Cr三分量的分量值，若三個(gè)分量的 分量值均落入步驟S104中所提取的膚色信息分布范圍內(nèi)，則將該像素點(diǎn)的值設(shè)置為l，否 則設(shè)置為0，由此便可以得到一個(gè)人臉區(qū)域?yàn)榘咨?、背景區(qū)域?yàn)楹谏亩祷瘓D像。
S106、對(duì)二值化圖像進(jìn)行形態(tài)學(xué)處理； 通過步驟S105獲得的二值化圖像中會(huì)存在很多不是人臉的小孔和毛剌，這些小 孔和毛剌會(huì)引起特征的錯(cuò)誤提取，如何將這些小孔和毛剌去除呢？本實(shí)施例優(yōu)選使用形態(tài) 學(xué)處理的方法加以解決。 形態(tài)學(xué)以幾何學(xué)為基礎(chǔ)對(duì)圖像進(jìn)行分析，其基本思想是用一個(gè)結(jié)構(gòu)元素作為基本 工具來探測(cè)和提取圖像特征?；镜倪\(yùn)算有膨脹、腐蝕、開啟和閉合。膨脹的作用是使處 理后的圖像比原圖像占的像素要多，使圖像更大。腐蝕的作用是使處理后的圖像比原圖像 占的像素少，使圖像有所收縮。開啟的作用是去掉輪廓上的突出毛剌，使有毛剌的部分變 得圓滑，截?cái)嗒M窄的連線，即將圖像中細(xì)小的線去掉。閉合的作用是去掉區(qū)域中的小孔，填 平狹窄的斷裂、細(xì)長的溝壑以及輪廓的缺口，起到平滑圖像的作用。 在本實(shí)施例中，對(duì)通過步驟S105獲得的二值化圖像先進(jìn)行腐蝕操作，將白色小孔 腐蝕掉，這使得白色區(qū)域面積減小。然后對(duì)圖像進(jìn)行膨脹處理，增大白色區(qū)域的面積，使黑 色區(qū)域減小，以突出臉部區(qū)域。在本實(shí)施例中，所述膨脹處理需要進(jìn)行多次，優(yōu)選進(jìn)行三次 膨脹處理，以獲得比較理想的人臉檢測(cè)結(jié)果(試驗(yàn)表明僅經(jīng)過一次或者兩次膨脹處理得 到的臉部區(qū)域不夠理想)。 由此，便完成了基于膚色特征的人臉區(qū)域檢測(cè)過程。 當(dāng)然，本發(fā)明的人臉檢測(cè)方法同樣適用于除YCbCr顏色空間以外的其它色度跟亮 度分離的顏色空間，比如YCbCg， YCgCr空間等，只要使用相應(yīng)的空間轉(zhuǎn)換公式將RGB顏色空 間的人臉圖像轉(zhuǎn)換到相應(yīng)的亮色空間，然后針對(duì)該亮色空間，結(jié)合不同人種的膚色特征確 定出合適的該亮色空間三分量的膚色信息范圍，在實(shí)際進(jìn)行人臉檢測(cè)時(shí)，只需判斷空間轉(zhuǎn) 換后生成的人臉圖像中的每個(gè)像素點(diǎn)的三分量是否同時(shí)落入上述的膚色信息范圍內(nèi)，即可 生成人臉區(qū)域?yàn)榘咨?，背景為黑色的二值化圖像，實(shí)現(xiàn)對(duì)人臉部區(qū)域的準(zhǔn)確檢測(cè)。
應(yīng)當(dāng)指出的是，以上所述僅是本發(fā)明的一種優(yōu)選實(shí)施方式而已，對(duì)于本技術(shù)領(lǐng)域 的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改 進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。
權(quán)利要求
一種基于膚色特征的人臉檢測(cè)方法，包括以下步驟a、提取待檢測(cè)的人臉圖像；b、對(duì)人臉圖像進(jìn)行色彩平衡，消除光源顏色變化對(duì)人臉區(qū)域的影響；c、進(jìn)行顏色空間轉(zhuǎn)換，將經(jīng)過色彩平衡處理后的人臉圖像轉(zhuǎn)換到亮度跟色度分離的顏色空間；d、選定待檢測(cè)的人種，以提取相應(yīng)人種的膚色信息分布范圍；e、判斷人臉圖像中的每個(gè)像素點(diǎn)的三分量是否同時(shí)落入上述的膚色信息分布范圍內(nèi)，若是，則將該像素點(diǎn)設(shè)置為1，否則，設(shè)置為0，以生成二值化圖像；f、對(duì)所述二值化圖像進(jìn)行形態(tài)學(xué)處理。
2. 根據(jù)權(quán)利要求1所述的基于膚色特征的人臉檢測(cè)方法，其特征在于在所述步驟b 中，包括以下的色彩平衡過程(1) 計(jì)算人臉圖像的R、 G、 B這3個(gè)分量的均值及總的均值；其中，R、 G、 B三個(gè)分量 的均值采用對(duì)圖像中每個(gè)像素點(diǎn)的R、 G、 B分量值分別進(jìn)行統(tǒng)計(jì)，然后除以總像素點(diǎn)個(gè) 數(shù)的方法獲得，分別用符號(hào)avgR、 avgG、 avgB進(jìn)行表示；3個(gè)分量的總均值avgGray = (avgR+avgG+avgB)/3 ;(2) 計(jì)算R、 G、 B各分量的調(diào)整系數(shù)aR、 aG、 aB，其中aR = avgGray/avgR ;aG =(3) 利用求得的調(diào)整系數(shù)調(diào)整人臉圖像中每個(gè)像素點(diǎn)的R、G、B分量值，即R = R*aR ;G =G*aG ;B = B*aB ;(4) 將調(diào)整后的R、 G、 B三分量中分量值大于255的值調(diào)整為255。
3. 根據(jù)權(quán)利要求1或2所述的基于膚色特征的人臉檢測(cè)方法，其特征在于所述亮度 跟色度分離的顏色空間為YCbCr顏色空間。
4. 根據(jù)權(quán)利要求3所述的基于膚色特征的人臉檢測(cè)方法，其特征在于在所述步驟d 中，若選定的待檢測(cè)人種為白色人種，則提取的膚色信息分布范圍是Y中的膚色信息范圍 為(50， 180) ， Cb中的膚色信息范圍為(140， 190) ， Cr中的膚色信息范圍為(142， 190)。
5. 根據(jù)權(quán)利要求3所述的基于膚色特征的人臉檢測(cè)方法，其特征在于在所述步驟d 中，若選定的待檢測(cè)人種為黃色人種，則提取的膚色信息分布范圍是Y中的膚色信息范圍 為(80,200) ，Cb中的膚色信息范圍為(130，195)，Cr中的膚色信息范圍為(130,170)。
6. 根據(jù)權(quán)利要求3所述的基于膚色特征的人臉檢測(cè)方法，其特征在于在所述步驟d 中，若選定的待檢測(cè)人種為黑色人種，則提取的膚色信息分布范圍是Y中的膚色信息范圍 為(70， 160) ， Cb中的膚色信息范圍為(150， 180) ， Cr中的膚色信息范圍為(145， 170)。
7. 根據(jù)權(quán)利要求3所述的基于膚色特征的人臉檢測(cè)方法，其特征在于在所述步驟c 中，顏色空間的轉(zhuǎn)換過程為RGB顏色空間到Y(jié)CbCr顏色空間之間的轉(zhuǎn)換，具體轉(zhuǎn)換過程如 下Y = 0. 257*R+0. 504*G+0. 098*B+16 ; Cb = -0. 148*R-0. 291*G+0. 439*B+128 ; Cr = 0. 439*R-0. 368*G_0. 071*B+128。
8. 根據(jù)權(quán)利要求3所述的基于膚色特征的人臉檢測(cè)方法，其特征在于在所述步驟f的形態(tài)學(xué)處理過程中包括以下過程首先，對(duì)生成的二值化圖像進(jìn)行腐蝕操作； 然后，對(duì)二值化圖像進(jìn)行膨脹處理。
9. 根據(jù)權(quán)利要求8所述的基于膚色特征的人臉檢測(cè)方法，其特征在于所述膨脹處理 執(zhí)行多次。
10. 根據(jù)權(quán)利要求9所述的基于膚色特征的人臉檢測(cè)方法，其特征在于所述膨脹操作 執(zhí)行3次。
全文摘要
本發(fā)明公開了一種基于膚色特征的人臉檢測(cè)方法，包括以下步驟①提取人臉圖像資料；②對(duì)人臉圖像進(jìn)行色彩平衡；③進(jìn)行顏色空間轉(zhuǎn)換；④選定待檢測(cè)的人種，以提取相應(yīng)人種的膚色信息分布范圍；⑤判斷人臉圖像中的每個(gè)像素點(diǎn)的三分量是否同時(shí)落入上述的膚色信息分布范圍內(nèi)，若是，則將該像素點(diǎn)設(shè)置為1，否則，設(shè)置為0，以生成二值化圖像；⑥對(duì)所述二值化圖像進(jìn)行形態(tài)學(xué)處理。本發(fā)明的基于膚色特征的人臉檢測(cè)方法檢測(cè)速度快、直觀、符合人們的感性認(rèn)識(shí)，并且不受形狀、大小的影響，算法簡單易懂，相比于傳統(tǒng)的基于灰度特征的人臉檢測(cè)算法而言，能夠大大提高運(yùn)算速度，尤其適用于實(shí)時(shí)性要求高的系統(tǒng)中。
文檔編號(hào)G06K9/00GK101706874SQ20091026010
公開日2010年5月12日 申請(qǐng)日期2009年12月25日 優(yōu)先權(quán)日2009年12月25日
發(fā)明者龐珊珊 申請(qǐng)人:青島朗訊科技通訊設(shè)備有限公司