logo资料库

基于肤色的HSV颜色模型下的人脸检测.doc

发布时间：2022-06-09 发布人：admin 分类：说明书 资料大小：7.08M 资料格式：doc 举报 版权申诉
第1页 / 共17页
第2页 / 共17页
第3页 / 共17页
第4页 / 共17页
第5页 / 共17页
第6页 / 共17页
第7页 / 共17页
第8页 / 共17页
资料共17页，剩余部分请下载后查看
    参考文献
    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 (It’s 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. What’s 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, MATLAB Type of Thesis: Application Research
    目 录 第一章 绪论 ...................................................................... 1 §1.1 人脸检测的意义 ......................................................... 1 §1.2 人脸检测研究现状 ....................................................... 1 §1.3 本文工作 ............................................................... 2 第二章 图像的彩色模型 ............................................................ 2 §2.1 图像的彩色模型简介 ..................................................... 2 §2.2 RGB 彩色模型 ........................................................... 2 §2.2.1 RGB 彩色模型介绍 ................................................. 2 §2.2.2 RGB 彩色模型运用 ................................................. 3 §2.3 HSV 彩色模型 ........................................................... 3 §2.3.1 HSV 彩色模型介绍 ................................................. 3 §2.3.2 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 ........................................ 4 §3.1 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 ............................................... 5 §3.2 人脸检测 ............................................................... 5 第四章 实验结果 .................................................................. 6 §4.1 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 ....................................... 9 §4.2 实验程序 .............................................................. 10 第五章 总结与展望 ............................................................... 12 §5.1 论文工作的总结 ........................................................ 12 §5.2 展望 .................................................................. 13 参考文献 ........................................................................ 14
    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。 在数字图像处理中，实际上最常用的是面向硬件的模型——RGB 模型，其模型用于 彩色监视器和彩色视频摄像机。CMY，CMYK 模型是针对彩色打印机的。HIS 模型更接 近人对颜色的描述和理解。现在，人们所使用的彩色模型众多，主要是因为彩色学科是 一个包含了许多应用场合的比较宽的领域。在不同的研究领域或不同的情形下，应该选 择合适的彩色模型进行研究。下面主要介绍本文研究中，所涉及到的两个彩色模型—— RGB 彩色模型和 HSV 彩色模型。 §2.2 RGB 彩色模型 §2.2.1 RGB 彩色模型介绍 在 RGB 彩色模型中，每一种颜色都是由红（Red，记为 R）、绿（Green，记为 G）、 蓝（Blue，记为 B）三种颜色所表示，如白色表示为：R=G=B=1，黑色表示为：R=G=B=0。 在一幅 RGB 图象中，每一个像素点所表示的色彩都是由这三个分量构成的，即由三幅分 别表示红、绿、蓝亮度的灰度图像所表示而成的。RGB 彩色立方体示意图如下图所示。
    图 2.1 RGB 彩色立方体示意图 在图 2.1 的坐标系里，RGB 彩色模型可以用一个三维的立方体来表示，坐标原点代 表黑色（0，0，0），坐标顶点代表白色（1，1，1），坐标轴上的三个立方体顶点分别表 示 R、G、B 三个基色，而剩下的三个顶点则表示每一个基色的补色，它们分别由同一平 面上的两个相邻的顶点加色混合而成。从黑色原点到白色顶点的主对角线上的所有色 彩，是无彩色系的灰度颜色。 §2.2.2 RGB 彩色模型运用 RGB 彩色模型是数字色彩最典型、也是最常用的色彩模型。它属于加色法混合， 是一种光源色的混合模式。与它互补的色彩模型是 CMY 彩色模型。R、G、B 三色是常 用的光的三原色，是计算机显示器及其它数字设备显示颜色的基础。 因此，RGB 彩色模型使用在用计算机进行主要电子显示色彩的情况下。RGB 彩色模 型采用的是 DIE 三维色彩空间，R、G、B 三种颜色的色彩数值从 0—255， 共 256 极。 0 表示色彩强度最弱的状态，呈黑色；255 表示色彩强度最强的状态，呈最饱和色。当 三种颜色的色彩数值都是 0 时，它所表现的区域就呈黑色；当三种颜色的色彩数值都是 255 时，它所表现的区域就呈白色。现在，RGB 彩色模型不仅使用于许多计算机显示设 备中，而且也使用于一些图片储存和压缩中。 §2.3 HSV 彩色模型 §2.3.1 HSV 彩色模型介绍 HSV 彩色模型是从 CIE 三维颜色空间演变而来。在 HSV 彩色模型中，每一种颜色 都是由色相（Hue，简 H），饱和度（Saturation，简 S）和色明度（Value，简 V）所表 示的。 HSV 彩色模型是一个倒立的六菱锥，如图 2.2 所示，不含黑色的纯净颜色都处于六 菱锥顶面的一个色平面上。在 HSV 六菱锥色彩模型中，色相 H 处于平行于六菱锥顶面的 色平面上，它们围绕中心轴 V 旋转和变化，红、黄、绿、青、蓝、品红六个标准色分别 相隔 60 度。色彩明度沿六菱锥中心轴 V 从上至下变化，中心轴顶端呈白色 V = 1，底端 呈黑色 V = 0，它们表示无彩色系的灰度颜色。色彩饱和度 S 沿水平方向变化，越接近 六菱锥中心轴的色彩，饱和度越低。六边形正中心的色彩饱和度为零 S = 0，与最高明 度的 V = 1 相重合，最高饱和度的颜色则处于六边形外框的边缘线上 S = 1。由于 HSV 颜色模型所代表的颜色域是 CIE 色度图的一个子集，它的最大饱和度的颜色的纯度值并 不是 100％。 需要注意的几处是，在圆锥的顶点处，V=0，H 和 S 无定义，代表黑色，圆锥顶面中 心处 S=0，V=1，H 无定义，代表白色，从该点到原点代表亮度渐暗的白色，即不同灰度 的白色。任何 V=1，S=1 的颜色都是纯色。
    图 2.2 左边的六凌锥图为 HSV 彩色模型的立体示意图， 中间的为六凌锥的侧截面图，右边的为顶角图 §2.3.2 HSV 彩色模型运用 HSV 色彩模型在计算机软件里常用 HSB 色彩模式来表示，跟 HSV 色彩模型一样，H 表示色相，S 表示色彩饱和度，B 表示色彩明度（相当于 V）。最直观的表示法是 corel DRAW 中的“CMYK 3D 减色法”。 HSV 颜色模型就如画家的配色方法一样，用改变色浓和色深的方法来获得某种不同 的颜色。具体地说，就是在一种纯色中加入白色以改变色浓，加入黑色以改变色深，加 入白色或黑色的比例不同时，可得到不同色调的颜色。因此，可以说 HSV 彩色模型采用 的是用户直观的色彩描述方法。在一些需要为人直观处理的彩色系统中，可以选用 HSV 彩色模型。 第三章 基于肤色的 HSV 彩色模型下的人脸检测 §3.1 原理 §3.1.1 人脸皮肤模型的建立 在一幅 RGB 彩色图像中，每一个像素点由 R、G、B 三个分量所组成。每一个分量的 变化都能直接导致彩色图像中该像素点颜色的改变。如，在阳光灿烂的天气下所拍摄的 图像颜色鲜艳，色彩饱和；相同背景和情形下，在阴雨天所拍摄的相同图像，其颜色暗 淡，色彩灰沉。这样，在同一像素点处，所表示的颜色大不相同，其 RGB 分量的灰度值 也大不一样。也就说 RGB 彩色模型受光照的变化影响很大。在这种情况下，如果选择 RGB 彩色模型来进行人脸皮肤颜色建模的话，可能对同一个人的人脸皮肤检测会应光线亮暗 的不同，而导致检测的结果有所出入。在恶劣的情况下，甚至会导致无法判别出人脸区 域。 考虑到光线影响的情况，选择了 HSV 彩色模型作为人脸皮肤模型建立的彩色空间。 对于 HSV 彩色模型来说，它能将亮度信息和色度信息从输入图像中分离出来，并且能够 独立表示。H 分量代表图像的纯色彩信息，即其表示的是图象的颜色信息；S 分量代表 图像的饱和度信息，即其表示的是图象的颜色的深浅；V 分量代表图像的亮度信息，即 其表示的是图像的颜色的亮度。由此可见，H 分量只表示目标的彩色信息，相对 RGB 颜 色模型来说，受光照变化的影响缓慢。选择 H 分量作为人脸皮肤颜色统计的参数，可以 降低光照影响的作用。 人类有白色，黄色和黑色人种，其人脸皮肤颜色也各自不同，建立模型的时候需要 分别对待，本为研究的是黄色人种的人脸皮肤检测。在每一人种中，其人脸皮肤颜色都 是分布在一个较窄的频带上，皮肤颜色分布范围集中在某一区域。即，在色相 H 分量中， 表示为集中在某一小区域范围内。 这样就可以，基于 HSV 彩色模型下，利用 H 分量受光照影响变化缓慢的性质，来建
    立一个人脸皮肤彩色模型，即人脸皮肤色相的统计表，将人脸的颜色区域估计出来，再 利用这个人脸皮肤彩色模型对任意图像进行人脸检测。由此，在建立人脸皮肤模型时， 需要先将在 RGB 彩色模型下的图像转换为 HSV 彩色模型的图像。通过对一定数量的人脸 皮肤进行统计后，获得关于人脸皮肤颜色的区域范围。而这个范围包含了人脸皮肤的颜 色信息。 §3.1.2 人脸皮肤模型的训练 在 3.1.1 节里介绍了人脸皮肤模型的建立，实际上该模型就是色相 H 的颜色表。通 过对一定数量的人脸皮肤进行估计就可以得到比较完善的人脸皮肤模型，所以对人脸皮 肤模型进行训练时必须的。以下介绍人脸皮肤模型的训练的步骤： 1.建立 H 分量的颜色表。在 HSV 彩色模型中，H 分量是 0—1 范围内的值。考虑到在 HSV 彩色模型的立体图里（图 2.2）H 为一个旋转分量，每一度数就表示一个颜色。这样 可以制定一个大小为 360 的颜色表，这个颜色表就是人脸皮肤模型，人脸皮肤模型的初 始值为０。 2.人脸皮肤模型的颜色统计。将一幅要进行估计的人脸图像转变为 HSV 彩色模型下 的图像，取 H 分量的图像，并且将从 0—1 的数字范围转变为 0—359 的数字范围。统计 变换后的 H 分量图像中，每像素值出现的次数，将其加入表中对应的位置上。即，变换 后的 H 分量中为 200 的像素点出现了 99 次，则在人脸皮肤模型中对应的 200 位置上， 在原来的数目上再加上 99。 3.训练人脸皮肤模型。将要进行训练的人脸皮肤图像，重复步骤 2 进行统计。一般 来说，进行训练的人脸皮肤图像越多，人脸皮肤颜色模型越完善，人脸的区域的正确检 测性越高。 4.训练的模型概率化。训练完人脸皮肤模型后，得到的颜色表中数值比较大。为了 便于直观分析，可以利用下式进行概率化，即归一化。 ( ) P i  i f M N j j 1 s  j  出现个数，s 表示有 s 幅人脸皮肤图像进行训练，第j 幅图像的宽和高分别为 其中， ( )P i 表示颜色表中第 i 个颜色数值出现的概率， if 表示第 i 个颜色数字的 jN 。 5.获得人脸皮肤模型。经过步骤 4 后得到了概率化后的人脸皮肤模型，颜色数值对 应的概率值大小可以表示该颜色数值为人脸皮肤颜色的可能性的大小。概率大的，为人 脸的可能性大；概率小的，为人脸的可能性小。 jM 和 通过对人脸皮肤模型进行训练后，获得了比较完善的人脸皮肤模型，这一模型里包 含了比较完善的人脸皮肤信息。根据概率值的大小，可以判断出人脸皮肤区域集中的颜 色空间，从而能够对任意的图像进行人脸检测。 §3.2 人脸的检测 通过第 3.1 节的模型建立和训练后，将会获得一个比较完善的人脸皮肤模型，通过 这个人脸皮肤模型，就可以对图像进行人脸检测。由于人脸皮肤模型是一些概率值，这 些概率值表示了某一个颜色数字与人脸皮肤颜色的距离。由此可以通过判断某一点的颜 色数字的概率值大小来区分该点是否为人脸。而这样的判断需要通过给予一个门限值来 划分，这个门限值的给定影响人脸检测的结果。可以通过多次试验后，给出一个直观的 合理的门限值。本文中门县值设为 0.01。 门限值给定了以后，就能对一幅图像进行人脸检测。首先，需要就图像转换为 HSV 彩色模型下，取其 H 分量的图像；其次，将 H 分量的图像转换到 0—359 内，这样将会 便于进行快速查表进行判断；再次，由于已知给定的门限值可以对皮肤颜色模型进行判 断，得到为人脸皮肤颜色的颜色数字范围，所以，能够把变换后的 H 分量图像中每一像 素点上的数字进行判断；最后，得到为人脸区域的像素点，这样就可以检测出人脸区域
    分享到：
    赞 收藏

    相关推荐

    资料库

    课程资源

    共收录17145份资料，累计13个分类，关注成员有19位，主要包括：PHP,网络管理,网页制作,Java,.Net,数据库,3G/移动开发,C/C++,游戏开发,嵌入式,讲义,软件测试,专业指导

    热门标签

    PHP 网络管理 网页制作 Java .Net 数据库 3G/移动开发 C/C++ 游戏开发 嵌入式 讲义 软件测试 专业指导

    最新资料