基于膚色模型的人臉檢測研究
加入技術(shù)交流群
2．3 閾值分割
由于人體皮膚區域的像素與膚色模型的相似程度較高，計算得到的相似度值就比較大，因此在類(lèi)膚色灰度圖中，皮膚區域顯得比其他部分更亮。這樣一來(lái)，通過(guò)選取合適的閾值即可分割出膚色區域。
本文實(shí)驗選擇的閾值以0．1為間隔從0．65逐漸減小到0．05。通過(guò)對選擇的相鄰兩個(gè)閾值的圖像相減，可以找到分割區域數量變化最小的閾值取值點(diǎn)，這個(gè)閾值就是最佳闞值。根據這個(gè)閾值，就可以將類(lèi)膚色灰度圖轉換為二值圖。
圖2為轉換后的二值圖。本文引用地址：http://dyxdggzs.com/article/195034.htm
2．4 區域特征分析
由于閾值分割得到的二值圖中包含多個(gè)類(lèi)膚色區域，這就需要先對這些區域進(jìn)行標記，以便逐個(gè)處理。為了不影響對人臉整體形狀的檢測，采用形態(tài)學(xué)操作對標記后的膚色區域進(jìn)行特征分析，以決定該區域是否包含一個(gè)人臉。這些特征主要包括孔洞、質(zhì)心坐標、方向角、面積和高寬比。
由于人臉上包含有眼睛、眉毛、鼻子和一張嘴，因此在分割出來(lái)的人臉區域中至少包含一個(gè)孔洞，而且人臉的高寬比值通常接近1，這個(gè)特征參數就可以排除掉大部分的非人臉區域。實(shí)驗中的高寬比值限定在0．6～1．2之間，當檢測區域的高寬比值落在該區間時(shí)，則認為該區域是一個(gè)人臉候選區域。
3 模板匹配
模板匹配就是將預先建立的人臉模板與篩選出來(lái)的人臉候選區域進(jìn)行相關(guān)性匹配。匹配時(shí)，首先根據候選區域的大小、質(zhì)心坐標和方向角度調整人臉模板的尺寸、方向和位置，然后才進(jìn)行匹配。預先建立的人臉模板如圖3所示。首先用16個(gè)不同的人臉灰度圖像計算得到一張平均臉，然后從中分割出人臉的主要部分，作為實(shí)驗中使用的人臉模板。
模板匹配常用的一種測度為模板與原圖像對應區域的誤差平方和。確定這個(gè)值的一種方法便是使用歸一化互相關(guān)系數(以下簡(jiǎn)稱(chēng)相關(guān)系數)。
兩個(gè)圖像矩陣的相關(guān)性匹配通過(guò)計算式(3)得到：
經(jīng)過(guò)多次測試發(fā)現，當相關(guān)系數取值大約為0．6時(shí)，兩個(gè)矩陣匹配較好。如果人臉模板矩陣和人臉候選區域矩陣的相關(guān)系數是0．6或者更高，則認為該區域包含一個(gè)人臉。測試完所有的膚色區域后，在原圖中用矩形框標示檢測到的每個(gè)人臉。檢測結果如圖4所示。
4 結語(yǔ)
實(shí)驗中用包含有60個(gè)不同人臉(包括黑人、白人和黃色人種)的20幅圖像對算法進(jìn)行測試，其中相關(guān)系數和高寬比值都選擇最佳值。測試結果表明，本文算法對實(shí)際生活中人臉圖像的正確檢測率達到了84％，對姿態(tài)和表情同樣具有較高的魯棒性，基本上達到了預期的目標。
評論