0 引言
    人臉檢測一直是一個研究熱點，它涉及到模式識別、圖像處理、計算機視覺以及神經網絡等許多交叉學科，在數(shù)字視頻處理、視覺監(jiān)測等方面有著重要的應用價值。目前國內外的研究中，圍繞彩色圖像中膚色這一特征的算法越來越多，同時利用膚色進行定位和分割也比較快速準確，簡單直觀，這使得彩色圖像處理與人類視覺感受自然而然地結合了起來。膚色是人臉的重要信息，具有相對的穩(wěn)定性并可和大多數(shù)背景物體的顏色相區(qū)別，也與物體的大小、伸縮及姿態(tài)基本上無關。

1 Hsu R L膚色檢測算法
    Hsu R L在論文中提出了一種可變光照及復雜背景下的膚色檢測算法，該算法應用于人臉檢測中可以取得較好的效果。
    Hsu R L首先采用一種光照補償算法。它將整個圖像中所有像素的亮度從高到低進行排列，然后取前5％的像素，如果這些像素的數(shù)目足夠多，就將它們的亮度作為“參考白” (Reference Wlaite)，即將它們的色彩的R、G、B分量值都調整為最大的255。整幅圖像的其它像素點的色彩值也都按這一調整尺度進行變換膚色檢測時，由于在Hsu R L采用的YCbCr色度空間中，色度值CbCr對亮度值Y總是存在著一定的非線性的依賴關系，這種依賴關系在很大程度上影響了膚色的檢測，所以，Hsu R L在論文中提出了一種非線性變換方法，以消除色度對亮度的依賴關系。其非線性變換公式如下：

   
    式中，Ci表示Ch或是Cr，WCk=46．97，WLCb=23，WHCb=14，WCr=38．76，WLCr=20，WHCr=10，Kl=125，Kh=188，這些參數(shù)均是Hsu R L由大量訓練樣本中估計取得的。
    Hsu R L對Heinich—Hertz—Institute(HHI)圖像庫圖片中的膚色點進行了統(tǒng)計，圖1所示是膚色點在非線性變換后的yCb′C′r空間分布圖。在變換后，其Cb′Cr′區(qū)域中采用橢圓模型描述膚色分布，其橢圓模型可表示如下：

    上式中，根據(jù)膚色在Cb′Cr′空間內的分布形狀，可取cx=109．38，cy=152．02，θ=2．53，ecx=1．60，ecy=2．4l，a=25．39，b=14．03。最后，便可對圖像中的每個像素進行檢測，若其變換后的Cb′Cr′值在橢圓區(qū)域之內，則視為膚色像素點，否則，為非膚色像素點。

2 新的膚色算法
    Hsu R L的方法雖然可以較好進行人臉膚色檢測，但是，Hsu R L的橢圓模型則是根據(jù)大量膚色點在Cb′Cr′區(qū)域的分布規(guī)律建立起來的，不一定適合每張輸入圖像。對每幅圖像來說，膚色點的聚類分布范圍很小，而且位置分布不同。如在圖2所示的膚色分布中，其有些區(qū)域(如紅色)，相對于膚色點來說，范圍就擴大了，以至于HsuR L的橢圓模型很容易將非膚色點也包含進來，從而導致膚色點的“過檢測”。而有時，背景中的一些區(qū)域也可能被檢測為膚色像素點，比如圖2(c)所出現(xiàn)的情況。

    為此，本文在Hsu R L方法的基礎上，提出了一種基于單幅圖像自身膚色分布特征的新的檢測算法。該新算法即考慮到膚色在某個特定的膚色空間中所具有的統(tǒng)計特征，同時又考慮到光線變化的影響。
    本膚色檢測算法主要是針對單幅圖像中人臉的膚色分布來進行區(qū)域分割，同時結合膚色信息，自動選取類似的區(qū)域作為膚色區(qū)域，從而克服了傳統(tǒng)通過大量膚色樣本統(tǒng)計得到的膚色模型來進行膚色檢測容易導致的過檢測問題。該檢測算法的流程圖如圖3所示。

3 新算法的實現(xiàn)
    新算法的具體實現(xiàn)步驟可以分為顏色空間變換。
3．1 顏色空間變換
    新算法首先將圖像的色度空間由RGB轉換為YCbCr空間，并按式(1)～(4)進行非線性變換。這是因為非線性變換后的顏色空間Cb′Cr′受到亮度的影響較小，能更好地利用色彩空間的顏色信息進行建模。
3．2 CbCr二維直方圖
    統(tǒng)計每個像素的Cb′Cr′值并取其對數(shù)值，以形成一個Cb′Cr′值的二維直方圖。通過實驗發(fā)現(xiàn)，由于正常光照下的某個特定人臉的絕大部分區(qū)域的顏色都具有很強的一致性，其膚色點Cb′Cr′分量的二維直方圖通常都呈一定的峰狀。
3．3 標記及直方圖分割
    提取二維直方圖中的峰值時，為便于消除干擾，應引入一個參數(shù)K：

   
    其中，S表示從峰值到鄰近峰谷的最短距離，H表示峰值的高，圖4所示是進行標記的示意圖。

    做標記時，首先檢測二維直方圖中的各個峰值區(qū)域，并將參數(shù)K大于閾值的峰值作為標記(閾值為10％)，以便于下一步的膚色檢測。
    本文采用了一種水平面下移的方法來對二維直方圖區(qū)域進行分割，即將二維直方圖看成位于水平面以下的峰谷，然后調整水平面，使之逐步下移，這樣，各個山峰便依次顯露出來。通?？上仍O定水平面高度H，然后下調水平面d，對高于水平面(H-d)的峰值點分配一個唯一的標記，再接著調整水平面的高度，檢測位于H-2d與H-d之間的像素值。若該像素是一個新的峰值點，則分配新的標記；否則，在其周圍尋找距離最近且已經標記過的像素，并給它分配相同的標記。直到給定高度上所有像素都分配到一個標記為止。圖5所示是水平面下移算法流程圖。

3．4 膚色分割
    直方圖分割后，可得到若干區(qū)域，然后根據(jù)膚色模型(即Hsu R L方法中的橢圓模型)來確定可能為膚色點的區(qū)域?？蓪su R L的橢圓模型的中心點設為標準中心點，然后比較各個區(qū)域的峰值點與標準中心點的距離，距離越近，為膚色區(qū)域的可能性越大，可將其保留。最后，對輸入圖像的每個像素進行檢測，若其在YCb′Cr′空間中的Cb′Cr′分量屬于膚色區(qū)域，則定義為膚色值，否則為非膚色值。

4 實驗結果分析
    筆者對總共100幅圖像進行了實驗。每幅圖像均包含人臉膚色區(qū)域，人臉大小與光照變化范圍均比較大，且背景復雜。測試時，可使用如下三個準則來評價分割結果：
    (1)膚色檢測結果好，可去除絕大多數(shù)背景；
    (2)膚色檢測結果一般，結果中仍有較多的背景；
    (3)膚色檢測結果差，結果中去除了較多膚色區(qū)域。
    表l所列是對這100幅圖像進行膚色檢測算法的實驗結果。

    由表1的結果可以看出，Hsu R L方法檢測出的結果有許多類似膚色的像素點，且不能檢測圖像的高光部分，而本文的算法則能準確地找到膚色分布區(qū)域，且對高光部分也不敏感。

5 結束語
    由于本文算法是基于單幅圖像的顏色分布，并不是采用某種固定的膚色模型，故能很好的適應光線的變化，從而提高了膚色的有效分割率和檢測效果。