基于膚色模型的人臉檢測研究
加入技術(shù)交流群
2．3 閾值分割
由于人體皮膚區(qū)域的像素與膚色模型的相似程度較高，計算得到的相似度值就比較大，因此在類膚色灰度圖中，皮膚區(qū)域顯得比其他部分更亮。這樣一來，通過選取合適的閾值即可分割出膚色區(qū)域。
本文實驗選擇的閾值以0．1為間隔從0．65逐漸減小到0．05。通過對選擇的相鄰兩個閾值的圖像相減，可以找到分割區(qū)域數(shù)量變化最小的閾值取值點，這個閾值就是最佳闞值。根據(jù)這個閾值，就可以將類膚色灰度圖轉(zhuǎn)換為二值圖。
圖2為轉(zhuǎn)換后的二值圖。本文引用地址：http://www.butianyuan.cn/article/195034.htm
2．4 區(qū)域特征分析
由于閾值分割得到的二值圖中包含多個類膚色區(qū)域，這就需要先對這些區(qū)域進行標記，以便逐個處理。為了不影響對人臉整體形狀的檢測，采用形態(tài)學(xué)操作對標記后的膚色區(qū)域進行特征分析，以決定該區(qū)域是否包含一個人臉。這些特征主要包括孔洞、質(zhì)心坐標、方向角、面積和高寬比。
由于人臉上包含有眼睛、眉毛、鼻子和一張嘴，因此在分割出來的人臉區(qū)域中至少包含一個孔洞，而且人臉的高寬比值通常接近1，這個特征參數(shù)就可以排除掉大部分的非人臉區(qū)域。實驗中的高寬比值限定在0．6～1．2之間，當檢測區(qū)域的高寬比值落在該區(qū)間時，則認為該區(qū)域是一個人臉候選區(qū)域。
3 模板匹配
模板匹配就是將預(yù)先建立的人臉模板與篩選出來的人臉候選區(qū)域進行相關(guān)性匹配。匹配時，首先根據(jù)候選區(qū)域的大小、質(zhì)心坐標和方向角度調(diào)整人臉模板的尺寸、方向和位置，然后才進行匹配。預(yù)先建立的人臉模板如圖3所示。首先用16個不同的人臉灰度圖像計算得到一張平均臉，然后從中分割出人臉的主要部分，作為實驗中使用的人臉模板。
模板匹配常用的一種測度為模板與原圖像對應(yīng)區(qū)域的誤差平方和。確定這個值的一種方法便是使用歸一化互相關(guān)系數(shù)(以下簡稱相關(guān)系數(shù))。
兩個圖像矩陣的相關(guān)性匹配通過計算式(3)得到：
經(jīng)過多次測試發(fā)現(xiàn)，當相關(guān)系數(shù)取值大約為0．6時，兩個矩陣匹配較好。如果人臉模板矩陣和人臉候選區(qū)域矩陣的相關(guān)系數(shù)是0．6或者更高，則認為該區(qū)域包含一個人臉。測試完所有的膚色區(qū)域后，在原圖中用矩形框標示檢測到的每個人臉。檢測結(jié)果如圖4所示。
4 結(jié)語
實驗中用包含有60個不同人臉(包括黑人、白人和黃色人種)的20幅圖像對算法進行測試，其中相關(guān)系數(shù)和高寬比值都選擇最佳值。測試結(jié)果表明，本文算法對實際生活中人臉圖像的正確檢測率達到了84％，對姿態(tài)和表情同樣具有較高的魯棒性，基本上達到了預(yù)期的目標。
評論