基于肤色的HSV彩色模型下的人脸检测 摘 要 本文研究的是利用人脸肤色色相的特性，即每一种人种皮肤彩色分布在一个较窄的频带上，通过对该人种的人脸皮肤建立模型，进行训练，就能够得到肤色分布的统计。考虑到一般所用的RGB彩色模型对光线的亮暗程度比较敏感，而在HSV彩色模型中，色相H分量表示了图像的彩色信息，受到光线变化的影响缓慢。所以，本文采用的是在HSV彩色模型下建立肤色模型，并对其进行训练，从而用训练后的模型对图像进行人脸检测。 本文研究的主要目标是了解人脸检测的过程。同时，在实验过程中，进一步了解RGB彩色模型和HSV彩色模型的区别，了解在HSV彩色模型下人脸的肤色特性，了解如何建立皮肤模型进行训练，从而对图像的皮肤区域进行划分，进一步熟悉在MATLAB下的数字图像处理方面研究和实现。关键字： RGB彩色模型，HSV彩色模型，人脸检测，色相，肤色模型，MATLAB论文类型：应用性研究Abstract This paper is to study that how to use the skin color characteristic of human face (Its said that the face skin color of each kind of race distributes in a narrower frequency band.) to establish model of human face skin, to carry on the training and to obtain the statistics of the face skin color. Considering RGB Model Space of Color is quite sensitive to the light degree, the chosen model, HSV Model Space of Color, is slow changed by the light for the color information just express in the Hue component. Therefore, the face skin color model is established under the HSV Model Space of Color in this paper. After training the model, it can examine the face area in one picture. The essential goal of this paper is to understand the process of human face detection. As the same time, in the experimental process, we can further understand the difference between the RGB Model Space of Color and the HSV Model Space of Color, realize the the skin color characteristic under the the skin color characteristic, and know how to establish the face skin model and train it and find out the skin area. Whats more, we will be further familiar with MATLAB.Key words: RGB Model Space of Color, HSV Model Space of Color, Human Face Detection, Hue, Model of Skin Color, MATLABType of Thesis: Application Research村民建房委员会应建立村级农房建设质量安全监督制度和巡查制度，选聘有责任心和具有一定施工技术常识的村民作为义务巡查监督员，开展经常性的巡查和督查。 目 录第一章 绪论11.1 人脸检测的意义11.2 人脸检测研究现状11.3 本文工作2第二章 图像的彩色模型22.1 图像的彩色模型简介22.2 RGB彩色模型22.2.1 RGB彩色模型介绍22.2.2 RGB彩色模型运用32.3 HSV彩色模型32.3.1 HSV彩色模型介绍32.3.2 HSV彩色模型运用4第三章 基于肤色的HSV彩色模型下的人脸检测43.1 原理4 3.1.1 人脸皮肤模型的建立4 3.1.2 人脸皮肤模型的训练53.2 人脸检测5第四章 实验结果64.1 实验的结果6 4.1.1 10幅人脸图像训练后进行检测的结果6 4.1.2 20幅人脸图像训练后进行检测的结果8 4.1.3 H分量对光线的变化实验结果94.2 实验程序10第五章 总结与展望125.1 论文工作的总结125.2展望13参考文献14 深圳大学强噪声下的背景估计 5 第一章 绪 论1.1 人脸检测的意义 随着科技的发展，传统的身份鉴定方法，如身份证和信用卡，开始让人们感到不便。其携带不便，易丢失，甚至有时可能会忘记了必须的密码，以及密码被识破等等，这些问题到会给人带来困扰和麻烦。人们需要一种新的可靠的身份鉴别，一种不可能遗失而且具有其特性的身份证明。这就是人脸、指纹、虹膜、声音等等的生物特征。由于人脸特征是一种更直接、更方便的识别方式，近年来以人脸为特征的识别技术迅速地发展起来。目前，越来越多的学者研究人脸识别这一课题，人脸检测技术受到了学术界和工业界越来越多的关注。人脸识别是一种特定内容的模式识别问题。从广义上来说，人脸识别有两个主要的过程：人脸检测和人脸分类。人脸检测主要研究的是：在一幅图像上，检测出有无人脸存在。如果存在人脸，则判断出人类的位置和大小。简单地说，就是对一幅图像进行检测，并将其划分为存在人脸的区域和不存在人脸的区域。人脸分类是在人脸检测的基础上进一步分析获得的人脸区域，对其进行识别分类。因此，人脸分类主要研究的是：对获得的人脸区域进行比较判别，区分它们脸型、表情、性别、种族和身份等等。因此，在整个人脸自动识别系统中，人脸检测是第一步，也是极其重要的一步。人脸检测技术有着十分重要的作用，为后续步骤人脸分类提供了识别人脸的具体详细的有用信息。人脸自动识别系统不仅能够作为人们身份鉴证，而且它能运用在学多不同的地方，如用于视频电话、监视与监控等场合的人脸实时检测跟踪。1.2 人脸检测研究的现状在国内，八十年代末和九十年代初，人脸检测问题开始吸引了越来越多的研究者的关注，又越来越多感兴趣的研究人员进行探索，取得了一些有意义的研究成果。早期的人脸检测集中对空间域上静止图像的人脸检测为研究。中期开始采用模板的方法，通过建立人脸模型，可以实现在视频图像序列中进行人脸检测。而近期，许多研究人员采用的研究方法各自不同，有采用建立复杂模型的，有从空间域上进行研究的，有在频域上进行研究的，有将一些技术结合在一起研究的，有应用最新的分类决策进行研究的。不论采用和种研究方法，将多种技术结合在一起，利用多种信息可以提高人脸检测方法的效率。国内的研究单位主要是清华大学、哈尔滨工业大学、北京工业大学、中科院计算机所、中科院自动化所、复旦大学、南京理工大学等等，获得了一定的成果。清华大学研究人员提出了基于彩色和特征的自适应人脸检测的方法，还提出了一种基于多模板匹配的单人脸检测的方案。哈尔滨工业大学的研究人员实现了一个复杂背景下的多极结构的人脸检测与跟中系统，能够检测平面内多姿态正面人脸和跟踪任意姿态的运动人脸。北京工业大学的研究人员提出了人脸重心模板这一新技术并运用这一技术建立了一个复杂背景中检测人脸的系统。在国外，如美国、欧洲国家、日本、韩国等许多国家也展开了对人脸检测的研究。以下介绍几种目前的研究方法为：1.模板匹配方法，先设计一个或几个参考模板，计算测试样本与参考模板之间的某种度量，再使用门限值来判断是否为人脸区域。2.基于器官特征的方法，先提取人脸器官图像特征，然后根据人脸中器官的几何关系来确认人脸是否存在。3.使用神经网络的方法，先对人脸样本集和非人脸样本集聚类，以测试样本与人脸样本集和非人脸样本集的子类之间的距离作为识别特征向量，利用多层感知器网络作为分类器。4.基于彩色信息的方法，人脸的肤色在彩色空间中的分布相对比较集中，利用这个特点检测图像的人脸区域。5.频域中的特征提取方法，在人脸检测领域，通过将图像变换到频域上，可以根据频率特性，或提取人脸的特征区域，或获取整个人脸的频域描述特征量来作为分类决策器输入，从而对图像进行人脸区域的划分。1.3 本文工作本文研究的是人脸识别中的人脸检测，采用的是基于彩色信息的方法，通过对肤色在HSV彩色模型下建立皮肤模型，对其进行训练，得到不断完善的皮肤模型后，使用模型对任意图像进行人脸检测。对检测的结果进行分析，判断其优劣性和因为。本人的主要任务是：首先，进一步了解各彩色模型，尤其是常用的RGB彩色模型和HSV彩色模型。在对彩色图像进行人脸检测时，了解各种彩色模型以及其各个参量的意义时十分重要的。其次，深刻了解在HSV彩色模型下人脸皮肤的特性，即，每一人种的皮肤彩色在H色相中占有一小范围，可以通过建立皮肤模型找出这一范围。再次，懂得在HSV彩色模型下如何建立皮肤模型，进行训练，并且找出一幅图像的皮肤区域。最后，利用MATLAB编程实现在HSV彩色模型下的人脸检测。MATLAB 语言是当今国际上科学界最具影响力、也是最有活力的软件。掌握MATLAB语言是必须的。通过本文的工作可以进一步加深掌握MATLAB语言。 第二章 图像的彩色模型2.1 图像的彩色模型简介彩色模型也称为彩色空间，或者彩色系统，彩色模型的用途是在某些标准下用通常可接受的方式简化彩色的规范。建立彩色模型可看作建立一个3D的坐标系统，其中每个空间点都代表某一特定的彩色。在彩色图像处理中，选择合适的彩色模型是很重要的。而彩色模型可分为，面向硬设备的彩色模型和面向视觉感知的彩色模型。面向硬设备的彩色模型非常适合在输出显示场合使用，包含：RGB彩色模型，CMY彩色模型，I1,I2,I3模型，归一化颜色模型和彩色电视颜色模型。面向视觉感知的彩色模型与人类颜色视觉感知比较接近，其独立于显示设备，包含：HSI彩色模型，HCV彩色模型，HSV彩色模型，HSB彩色模型和L*a*b*模型。在数字图