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(jīng)網(wǎng)絡(luò)等許多交叉學(xué)科，在數(shù)字視頻處理、視覺監(jiān)測等方面有著重要的應(yīng)用價值。目前國內(nèi)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(jìn)行定位和分割也比較快速準(zhǔn)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(jié)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(guān)。

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(fù)雜背景下的膚色檢測算法，該算法應(yīng)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(jìn)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(diào)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(diào)整尺度進(jìn)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(guān)系，這種依賴關(guān)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(guān)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(xùn)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(jìn)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(nèi)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(jìn)行檢測，若其變換后的Cb′Cr′值在橢圓區(qū)域之內(nèi)，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(jìn)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(jìn)來，從而導(dǎo)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(chǔ)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(jìn)行區(qū)域分割，同時結(jié)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(jìn)行膚色檢測容易導(dǎo)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(zhuǎn)換為YCbCr空間，并按式(1)～(4)進(jìn)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(jìn)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(biāo)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(yīng)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(jìn)行標(biāo)記的示意圖。

    做標(biāo)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(biāo)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(jìn)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(diào)整水平面，使之逐步下移，這樣，各個山峰便依次顯露出來。通常可先設(shè)定水平面高度H，然后下調(diào)水平面d，對高于水平面(H-d)的峰值點分配一個唯一的標(biāo)記，再接著調(diào)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(biāo)記；否則，在其周圍尋找距離最近且已經(jīng)標(biāo)記過的像素，并給它分配相同的標(biāo)記。直到給定高度上所有像素都分配到一個標(biāo)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(shè)為標(biāo)準(zhǔn)中心點，然后比較各個區(qū)域的峰值點與標(biāo)準(zhǔn)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(jìn)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(jié)果分析
    筆者對總共100幅圖像進(jìn)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(fù)雜。測試時，可使用如下三個準(zhǔn)則來評價分割結(jié)果：
    (1)膚色檢測結(jié)果好，可去除絕大多數(shù)背景；
    (2)膚色檢測結(jié)果一般，結(jié)果中仍有較多的背景；
    (3)膚色檢測結(jié)果差，結(jié)果中去除了較多膚色區(qū)域。
    表l所列是對這100幅圖像進(jìn)行膚色檢測算法的實驗結(jié)果。

    由表1的結(jié)果可以看出，Hsu R L方法檢測出的結(jié)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(zhǔn)確地找到膚色分布區(qū)域，且對高光部分也不敏感。

5 結(jié)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(yīng)光線的變化，從而提高了膚色的有效分割率和檢測效果。