一種新的光照自適應(yīng)的膚色檢測方法

胡秀云

(信陽師范學(xué)院 華銳學(xué)院，河南 信陽464000)

1 基本概念

1.1 顏色空間

眾所周知，RGB 表示法[2]是最廣泛使用顏色空間模型，在該顏色空間中，顏色被定義為由R、G、B 三個主分量組成，各分量均包含了亮度信息，它們之間存在很大的相關(guān)性，而這種相關(guān)性，不利于膚色的檢測和分割。 因此改變對光照變化敏感的方法就是將RGB 顏色空間的圖像轉(zhuǎn)換到亮度和色度分離的顏色空間。

Carcia 等人比較了膚色在YCgCr 和HSV 顏色空間中的聚類結(jié)果；Cai 等人介紹了在CIE Lab 顏色空間中的聚類結(jié)果， 認(rèn)為CIE Lab 顏色空間比RGB 和HSV 顏色空間具有更好的認(rèn)知均勻性。 這些方法在某種特定的條件下均比較成功，但均未考慮到環(huán)境光照對膚色檢測的影響。 Chai 等人假設(shè)非膚色區(qū)域具有均衡亮度的前提下檢測人臉，該方法不適合于復(fù)雜背景下的膚色區(qū)域檢測。 TSL 顏色空間在單高斯模型和混合高斯模型下提供更好的結(jié)果。

1.2 膚色建模

膚色特征刻畫的優(yōu)劣不僅與顏色空間的選用有關(guān)，而且與膚色模型的選擇有關(guān)。 基于像素的膚色檢測模型可分為兩種：非參數(shù)的直方圖模型的方法和參數(shù)估計(jì)的高斯模型[6]（包括單高斯模型和高斯混合模型）。 單高斯模型的參數(shù)估計(jì)通常采用ML 估計(jì)或MAP 估計(jì)，高斯混合模型的參數(shù)估計(jì)通常采用EM 算法。Zarit 等在5 個顏色空間上比較ML 和MAP 方法，發(fā)現(xiàn)ML 方法優(yōu)于MAP 方法。 Terillon 等[7]比較了9 個不同的色彩空間， 包括TSL、r-g、CIE-xy、CIE DSH、HSV、YIQ、YES、CIE-Luv、CIE-Lab，指出對于規(guī)范化的色度空間，當(dāng)采用單高斯模型時，TSL 方法和r-g 方法分別是最優(yōu)和次優(yōu)；而如果采用高斯混合模型，TSL 方法和HSV 方法分別是最優(yōu)和次優(yōu)。 并且指出單高斯模型最適合刻畫規(guī)范化的色度空間膚色信息，而非規(guī)范化的色度空間不適合用單高斯模型。 Jones和Rehg 比較了直方圖模型和高斯模型方法的膚色檢測方法，發(fā)現(xiàn)無論是在精度上還是在計(jì)算時間上，直方圖模型方法都比高斯模型方法要好，這為最佳膚色空間的選擇明確了方向。

1.3 圖像的小波變換

圖像信號可用二維信號f（x，y）∈L2（R×R）來表示，根據(jù)多分辨率分析理論， 有函數(shù)空間的關(guān)系：V0=V1⊕W1=V2+W2+W1=……

即對于任意信號f（x，y）可以將其分解為細(xì)節(jié)部分[8]W1和大尺度逼近部分V1，然后將大尺度逼近部分V1再進(jìn)行分解，如此重復(fù)分解就得到任意尺度，即任意分辨率上的逼近部分和細(xì)節(jié)部分，這即為多分辨率分析的框架。

由于：

VJ（x，y）=VJ（x）⊕VJ（y）

=?VJ+1（x）⊕WJ+1（x）」??VJ+1（y）⊕WJ+1（y）」

=VJ+1（x，y）⊕?VJ+1（x）?WJ+1（y）⊕WJ+1（x）?VJ+1（y）

⊕WJ+1（x）?WJ+1（y）」

若取基函數(shù)為：

則二維小波空間[9]WJ（x，y）由是三個部分組成：

VJ（x）?WJ（y）其基函數(shù)為：φj，m（x）φj，n（y）=2j/2φ（2jx-m）2j/2φ（2jy-n）

VJ（y）?WJ（x）其基函數(shù)為：φj，m（x）φj，n（y）=2j/2φ（2jx-m）2j/2φ（2jy-n）

WJ（x）?WJ（y）其基函數(shù)為：φj，m（x）φj，n（y）=2j/2φ（2jx-m）2j/2φ（2jy-n）

上面的分析過程即為小波分解， 逆過程為小波構(gòu)成，均滿足Mallat 的遞推公式和反遞推公式。 分析知小波變換相當(dāng)于交替在水平和垂直方向上進(jìn)行濾波和亞采樣，每經(jīng)過一次分解， 當(dāng)前頻率LLn-1 被分為4 個子帶，LLn，LHn，HLn 和HHn， 其中底頻率帶LLn 反映了圖像的下一尺度的概貌，其余3 個子帶分別反映圖像在水平、垂直和對角線方向的高頻細(xì)節(jié)信息，對圖像進(jìn)行3 級分解的頻譜圖（見圖1）。

根據(jù)Mallat 算法，對圖像進(jìn)行小波分解也可用濾波器結(jié)構(gòu)來表示。

2 自適應(yīng)膚色檢測

2.1 自適應(yīng)光照的膚色檢測的概述

隨著光照條件的變化， 膚色特征的表現(xiàn)也出現(xiàn)差異，為此人們一直在試圖解決光照對顏色的影響問題，當(dāng)前對此已提出了顏色常量、通過膚色信息估計(jì)光照的方法、白點(diǎn)調(diào)整方法。自適應(yīng)顏色模型方法和自適應(yīng)閾值方法[10-11]。自適應(yīng)模型的方法是一種基于對象的顏色分部高斯混合模型的方法，它采用HSV 顏色空間來描述人臉，并采用EM 算法來動態(tài)地估計(jì)參數(shù)，以自適應(yīng)光照條件的變化。 自適應(yīng)閾值的方法是一種基于直方圖模型[12-13]的方法，該方法在HSV 顏色空間中通過估計(jì)其顏色直方圖的重心，計(jì)算出用于刻畫膚色信息的自適應(yīng)閾值BOX，從而可以針對不同的光照條件較準(zhǔn)確定位膚色區(qū)域。

圖1 三級分解的頻譜圖

2.2 自適應(yīng)光照的膚色檢測算法

1）Cho 等提出的采用HSV 顏色空間[14]來描述人臉的自適應(yīng)閾值方法，是一種基于直方圖模型的方法，該方法實(shí)際上給出了一種實(shí)用膚色檢測方法的研究方向，但仍然存在許多問題有待改善。

為證明此方法的局限性，在表1 中，已對YIQ 構(gòu)造的色度H 和飽和度S 粗略地給定了閾值， 但在光照因素的影響下，無法保證基于該閾值能檢測到大多數(shù)膚色塊，因此有必要調(diào)整閾值以適應(yīng)光照條件、光照方向、光的陰影和熒虹燈光等因素的影響。

表1 在s=80%的條件下個顏色字空間刻畫膚色特征的參數(shù)范圍

說明：表中的各項(xiàng)數(shù)據(jù)已被歸一化到100，其中第3 行分別為4 個閾值為α1，α2，α3，α4的參數(shù)。

由于H 和S 是兩個相對獨(dú)立的量，因此根據(jù)每幅圖像在H 和S 上的顏色直方圖的形狀，可以采用迭代的算法更新H和S 的閾值，以確定膚色的特征。 具體算法如下：

（1）將H 和S 量化成100 個等級。 首先給定H×S 的閾值為（46，57）×（4，18），對滿足給定閾值的顏色塊，構(gòu)造H 和S空間上的二維顏色直方圖f（u，v）。

（2）根據(jù)表給出的H 和S 閾值的上界和下界，構(gòu)造閾值矩形（46，57）×（4，18）。

（3）計(jì)算直方圖的最大值，記為Vmax，并將直方圖頻數(shù)值小于0.1×Vmax 的單元置為0。 即結(jié)果為：

其中，二值函數(shù)χ（u，v）取值為：

（4）對直方圖頻數(shù)值大于0.1×Vmax 的單元，即函數(shù)fx（u，v），計(jì)算其重心坐標(biāo)（h，s）。 計(jì)算公式為：

其中，mpq為fx（u，v）的（p+q）矩陣，即：

（5）移動閾值矩形，使矩形的中心處于上一步的重心，矩形的尺寸重新定為（h-20，h+20）×（s-8，s+8）；

（6）重復(fù)步驟（4）和（5），直到依此計(jì)算的兩個重心的距離變化不超過預(yù)先給定的閾值為止；

（7）在最終的直方圖中，由那些頻數(shù)大于0.1×Vmax 的單元確定閾值矩形， 并且由閾值矩形的4 個邊確定最終的閾值。 通常最終的閾值矩形比迭代計(jì)算中所有的閾值矩形要小。

3 人臉膚色區(qū)域的精確定位

一個完整的人臉輪廓檢測過程可分為四步：

（1）利用（YIQ）H-S 和r-g 雙空間方法的自適應(yīng)閾值的方法獲得較準(zhǔn)確的膚色區(qū)域，選擇有一定面積的膚色連通區(qū)域作為可能的人臉區(qū)域，用一個矩形包圍它，稱為準(zhǔn)人臉膚色區(qū)域；

（2）在準(zhǔn)人臉膚色區(qū)域的左右邊界附近分別取一個領(lǐng)域，做小波變換；

（3）利用小波邊緣檢測的方法，檢測出人臉左右輪廓，估計(jì)出下巴點(diǎn)的位置；

（4）利用準(zhǔn)膚色區(qū)域的上界，下巴點(diǎn)和左右邊緣的最外點(diǎn)4 個參數(shù)，畫出人臉橢圓。

在精確定位人臉輪廓的前提下， 利用Lai 等提出的查找眼睛和嘴巴的方法，可以用于驗(yàn)證所確定的膚色區(qū)域是否為人臉區(qū)域。

4 小結(jié)

在人臉檢測和手勢識別方面膚色檢測具有非常重要的價值。 當(dāng)進(jìn)行人臉檢測時，膚色信息可以用于預(yù)處理，也可以用于后期驗(yàn)證。 但基于膚色檢測算法實(shí)用化的前提是排除光照對膚色特征的影響。 本文從三個方面考慮了抗光照問題：

（1）從色度空間入手，在眾多的顏色空間如r-g 空間、H SV（H-S）空間、YIQ（H-S）空間和TDL（T-S）空間中選擇出對光照因素穩(wěn)健的膚色子空間YIQ（H-S）空間。

（2）從膚色建模入手，基于像素的膚色檢測模型分為：非參數(shù)的直方圖模型的方法和參數(shù)估計(jì)的高斯模型（包括單高斯模型和高斯混合模型）。 比較兩者的優(yōu)劣，最總選擇了直方圖模型。從而在基于膚色子空間YIQ（H-S）核直方圖模型，提出了其閾值能歲光照條件自適應(yīng)確定的膚色檢測方法。

（3）從人臉檢測入手，膚色特征僅是低級的特征，單純采用膚色特征不能決定所檢測的區(qū)域是否為人臉的膚色區(qū)域，類似人臉膚色背景的物體產(chǎn)生的偽膚色區(qū)域會給人臉膚色區(qū)域的確定造成誤差。 本文通過小波邊緣檢測技術(shù)能精確定位人臉位置。

［1］賴劍煌，阮邦志，馮莉.光照自適應(yīng)的人臉膚色檢測方法[J].中山大學(xué)學(xué)報，2005，44（5）：1-5.

［2］王建國，華繼釗，楊靜宇.基于YCgCr 顏色空間的自適應(yīng)的膚色檢測[J].計(jì)算機(jī)應(yīng)用研究，2008，25（2）：467-472.

［3］Qieshi Zhang，Sei-ichiro Kanata，Jun Zhang. Face detection and tracking in color images using color cancroids’segmentation [C].Proceedings of the 2008 IEEE International Conference on Robotics and Biomimetics. Bangkok，Thailand：IEEE Press，2009：1008-1013.

［4］鄔長安.數(shù)字圖像處理、分析及應(yīng)用[M].大象出版社，2008.

［5］江國來，林耀榮.自適應(yīng)模型和固定模型結(jié)合的膚色分割算法[J].計(jì)算機(jī)應(yīng)用，2010，30（10）：2698-2701.

［6］張毓晉.圖像分割[M].科學(xué)出版社，2001.

［7］TERRILION J C，SHIRAZIN M N，F(xiàn)UKAMACH H，et al.Comparative Performance of Different Skin Chrominance Models and Chrominance Space for the Automatic Detection of Human Faces in color Images[C]. Proc IEEE Int’l Conf on Face and esture Recognition，2000：54-61.

［8］邵晟.新穎的基于小波變換的圖像壓縮編碼[D].上海：復(fù)旦大學(xué)，2007.

［9］王惠敏，艾春廷，陳作炳.基于多進(jìn)制小波變換圖像壓縮編碼研究[J].武漢理工大學(xué)學(xué)報，2002，24（8）：77-89.

［10］陳家偉，王知衍，張艷青.魯棒膚色檢測方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（9）：2073－2079.

［11］蘇潔，印桂生，魏振華，劉亞輝.基于模糊控制的光照自適應(yīng)特征提取[J].計(jì)算機(jī)應(yīng)用，2010，30（9）：39-47.

［12］張毓晉.圖像工程-圖像處理和分析[M].清華大學(xué)出版社，1999.

［13］邊肇祺，張學(xué)工.模式識別2 版[M].清華大學(xué)出版社，2000.

［14］騰升華，沈怡平.顏色空間在圖像彩色化處理中的應(yīng)用分析[J].計(jì)算機(jī)科學(xué)，2009，36（10）：277-279.