基于肤色提取人脸研究-本科生论文大赛作品文档.doc

论文大赛编号： 安徽师范大学 本科生论文大赛 作品名称：：：：：：：1654254985@ 作品分类：哲学社会科学类□ 自然科学类□ 2013年月 独 创 性 声 明 本人声明所呈交的论文是本人或在有关老师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果。 论文作者签名： 日期： 目 录 基于肤色提取人脸探究 1 引言 1 1 常见模型比较 1 1.1常见肤色模型 1 1.1.1 区域模型 1 1.1.2 简单高斯模型 2 1.1.3 混合高斯模型 2 1.1.4 直方图模型 2 1.2常见色彩空间比较 2 1.2.1 空间 2 1.2.2 空间 3 1.2.3色彩空间 3 1.3 色彩空间和人脸提取模型的选择 5 2 模型的建立与求解 6 2.1整体建模流程 6 2.2颜色空间转换 6 2.3高斯肤色模型的建立 6 3模型的应用 9 4结论与改进 11 基于肤色提取人脸探究 王 强，王 瑞 （安徽师范大学 数学计算机科学学院 2010级数学与应用数学行政2班，安徽 芜湖 241003） 关键词： 人脸提取；空间；高斯模型；GUI设计 摘 要：本文就人脸提取过程对常见的肤色模型及常见的色彩空间进行了比较详细的探讨。通过分析比较，最终选取在空间统计和分析特定样本的肤色像素值，继而对人脸图像肤色建立高斯模型，提取人脸，效果较为显著.并根据其提取功能，设计人脸提取的gui，便于广大用户的使用. 中图分类号： 文献标识码：A 引言 鉴于计算机信息技术的不断传播与发展，对于计算机图形图像学的要求也与日剧增.其中人脸识别是一个新颖而又非常实用的课题. 人脸检测主要是指在输入图像中确定人脸(如果存在)的位置、大小等信息.人脸检测系统的输入是可能包含人脸的图像，也可能是不包含人脸的图像，输出是关于图像中是否存在人脸以及人脸的数目、位置、尺度、位姿等信息的参数化描述.人脸检测问题如果追踪求源的话，它来源于人脸识别(face recognition). 人脸检测是自动人脸识别系统中的一个重要环节，但是早期的人脸识别研究主要针对具有较强约束条件的人脸图像(如无背景的图像)，往往假设人脸位置己知或很容易获得，因此人脸检测问题并未受到重视.近几年随着电子商务等应用的发展，人脸识别成为最有潜力的生物身份验证手段，这种应用背景要求自动人脸识别系统能够对一般环境图像具有一定的适应能力，由此所面临的一系列问题使得人脸检测开始作为一个独立的课题受到研究并得到重视.今天，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值. 本文就针对特定的人脸图像进行了空间转换，在空间中，选择适当的、值得阈值设定，提取人脸部位，并且将其功能运用到GUI系统中. 1 常见模型比较 1.1常见肤色模型 1.1.1 区域模型 区域模型又称IF-THEN模型、简单门限模型，主要是利用了肤色在色彩空间的聚类性(即取值范围)，将一块满足一定条件的区域标定为肤色区域. 采用区域模型来判别肤色需要分两步： （1）通过统计的方法确定模型(即归属于肤色的具体范围); （2）利用这个模型来判别新的像素或区域是否为肤色. 因此，对于一幅新的图像，如果某个像素或区域满足给定的条件就为肤色，否则就是非肤色. 从上面的判断过程来看，它是一种较简单的肤色模型.该模型的困难之处在于如何确定阈值.阈值选择不当可能会使肤色检测率下降，误检率上升. 此方法计算简单，使用方便，速度快，但是效果不是很好，只适用于特定条件下的肤色检测. 1.1.2 简单高斯模型 简单高斯模型是在假设肤色分布服从单峰高斯分布的条件下成立的，主要通过统计分析，预测高斯分布的参数，其中参数确定常用的方法有EM算法，Maximum-Likelihood或通过统计直接求得色彩空间中每个分量(一般利用的是该色彩空间中的色度分量)的均值与方差. 采用简单高斯模型也分为两步： （1）选择方法确定模型的参数(即均值和方差)； （2）利用该模型来判别新的像素或区域是否为肤色. 简单高斯模型相对区域模型能更好的表示肤色分布，因此相对而言，它的肤色检测率也高出许多，并且模型的参数也易于计算，但是速度比区域模型慢. 1.1.3 混合高斯模型 由于具有不同种族的肤色直方图并不完全满足单峰高斯分布，通过研究可以采用多峰的高斯分布来精确表示.因此，提出了混合高斯模型，如公式（.1） 1.1 其中，为肤色像素在色彩空间中的混合概率密度,为分量的概率密度,为分量的先验概率，i=1, 2,...,m为混合密度的分量个数. 该模型表明肤色的每个像素密度都属于概率密度的混合体.