王東

(廣東嶺南職業(yè)技術(shù)學(xué)院，廣東廣州510663)

1.介紹

人臉識(shí)別技術(shù)是計(jì)算機(jī)信息處理中最熱門的技術(shù)，它結(jié)合了圖像技術(shù)、計(jì)算機(jī)圖形學(xué)、模型識(shí)別等多個(gè)領(lǐng)域。人臉識(shí)別技術(shù)分4個(gè)方面：（1）皮膚檢測(cè)，在圖像中尋找出人臉區(qū)域，也可以說是將圖像中的背景和人的膚色進(jìn)行分離；（2）人臉規(guī)范化，即校正人臉在尺度、光照和旋轉(zhuǎn)等方面的變化；（3）特征提取，從人臉圖像中映射提取一組能反映人臉特征的數(shù)值表示樣本；（4）特征匹配，將待識(shí)別人臉與數(shù)據(jù)庫(kù)中的已知人臉比較，得出相關(guān)信息。由于背景的復(fù)雜性、光照條件多變以及人臉表情豐富等原因，所以在人臉識(shí)別過程中必須要尋求一些能夠有效預(yù)防干擾的方法。

本文將自動(dòng)化皮膚檢測(cè)作為研究的主要課題，并作為人臉識(shí)別的第一步，該項(xiàng)研究在諸如安全監(jiān)控、安檢系統(tǒng)、智能人機(jī)接口等領(lǐng)域具有廣泛的應(yīng)用價(jià)值。

2.皮膚檢測(cè)方法

在基于皮膚顏色的面部檢測(cè)中，有兩種主要的方法：

第一種方法是基于像素的模型，它通過處理人類皮膚顏色的所有部分的像素進(jìn)行檢測(cè)。在這種方法中，每一個(gè)像素是被單獨(dú)處理的，并且它的最終狀態(tài)是判定是否為皮膚顏色，然后，基于面部結(jié)構(gòu)或其它的選項(xiàng)進(jìn)而確定出圖像中的哪些像素點(diǎn)屬于面部；

第二種方法是基于圖像區(qū)域的狀態(tài)，在這種方法中，面部圖像是首先隔離一張圖像中的某些區(qū)域，然后確定隔離區(qū)域是否屬于面部區(qū)域。

通常識(shí)別人臉圖像都是在計(jì)算機(jī)里完成的，所以這些圖像都是屬于二維RGB形式的圖像。所謂的RGB圖像是通過紅色(R)、綠色(G)和藍(lán)色(B)來實(shí)現(xiàn)彩色圖像的。它本身是采用DIE三維色彩空間，RGB的色彩數(shù)值是0-255，一共256級(jí)。0為色彩最弱的部分，呈現(xiàn)的顏色是黑色；而255表示色彩最強(qiáng)的部分，呈現(xiàn)的顏色是白色。它常被使用在計(jì)算機(jī)顯示設(shè)備中，所以它對(duì)光線的亮暗度是比較敏感的。在用RGB時(shí)最簡(jiǎn)單的方法是將彩色圖像轉(zhuǎn)換成灰色圖像并取這三種顏色的分量的平均值。

JPEG圖像壓縮格式采用的是YUV空間，YUV空間是RGB空間的線性變換。轉(zhuǎn)換公式如下：

以Y分量作為圖像像素的灰度。將彩色像素轉(zhuǎn)換為灰度像素的公式為：

遍歷彩色圖像的每一個(gè)像素矢量，設(shè)矢量的紅、綠、藍(lán)三色分量值為R、G、B，則輸出的灰度圖像的對(duì)應(yīng)像素的值為0.299R+0.587G+0.114B。

現(xiàn)在有很多的顏色模型對(duì)圖像處理都有著很重要的作用，而且種類很多。當(dāng)今廣泛使用的顏色定義和模型有：YUV，RGB，HIS，HSV，Normal RGB和YCrCb。在文中我們采用了HSV（Hue-Saturation-Value）顏色空間作為皮膚檢測(cè)的主要方法。它就是改變色濃和色深來獲得某種不同的顏色，也就是說，改變白色和黑色的比例，它是采用直觀的方法來描述圖像。

相對(duì)RGB，HSV更能表示出感知顏色的聯(lián)系，并在計(jì)算中保持簡(jiǎn)單性。H（Hue）是色相，表示色彩的基本屬性，比如紅色、黃色等；S（Saturation）是飽和度，表示色彩的純度，S越高色彩純度越高；反之，S越小色彩純度越低，圖像灰度化更加明顯，S的取值范圍是1%-100%；V（Value）是明度（也叫做亮度），其取值范圍是0%-100%。HSV色彩空間把顏色通過圓柱坐標(biāo)系加以描述，如圖2所示。圖中所示圓柱中心軸的取值為底部黑色，而頂部為白色，中間為灰色。它常用于計(jì)算機(jī)圖形應(yīng)用中，在運(yùn)用圖3時(shí)必須選擇一個(gè)顏色做為特定圖形元素，在本文實(shí)驗(yàn)中選取的顏色是黑色。

圖2 HSV的圖形描述

它也可以用另一種可視方法的圓錐體來表示。紅，藍(lán)，綠三種顏色夾角120度，就是RGB模式下的3個(gè)顏色分量，在這里H表示圓錐中心的角度，S表示圓錐的橫截面的圓心到這個(gè)點(diǎn)的距離，V表示圓錐橫截面的圓心到頂點(diǎn)的距離，這種方法能更精確地描述H值。要注意的是H是一個(gè)角度，這三個(gè)向量相加同樣可以得到這個(gè)六棱錐空間中的任意一點(diǎn)。所以RGB與HSV可以相互轉(zhuǎn)換。

圖3 HSV模型的圓錐表示適合于在一個(gè)單一物體中展示整個(gè)HSV色彩空間

因?yàn)槿祟惖哪w色種類有很多，而在RGB圖像里不同的光線也使膚色的范圍擴(kuò)大了，比如在陰天里，畫面出來的顏色是灰沉的，而在有陽光的圖像，是鮮艷的，色彩是飽和的。所以，人的膚色也隨之變換，如果用RGB圖像作為皮膚顏色建模的話，將無法適應(yīng)外界光線的變化來區(qū)別皮膚的區(qū)域，所以采用HSV來建模，即采用H分量作為人臉皮膚顏色統(tǒng)計(jì)參數(shù)，可以降低各種條件對(duì)建模的影響。在色相H分量中，皮膚顏色集中在某一小區(qū)域范圍內(nèi)。在HSV中，H分量表示了圖像的色彩信息，對(duì)光線強(qiáng)弱的影響是緩慢的。正因?yàn)檫@一特點(diǎn)，使用HSV模型能使圖像中的人的皮膚區(qū)域劃分得更完美。

用HSV色彩空間來建立個(gè)人皮膚彩色模型，再通過模型的概率化得到顏色表中最大的數(shù)值，這樣就可以直觀地進(jìn)行歸一化處理。通過這樣的方法就能從任意的彩色圖像中進(jìn)行膚色測(cè)試，將圖像背景與膚色部分分離開來。圖4說明了算法的步驟。它是用MATLAB工具去實(shí)現(xiàn)的。

圖4 HSV皮膚檢測(cè)流程

3.實(shí)驗(yàn)步驟

首先把RGB圖像轉(zhuǎn)換成HSV色彩空間，它是根據(jù)人對(duì)色彩的感知來實(shí)現(xiàn)的。HSV的算法是通過H的閾值進(jìn)行膚色區(qū)域分割、相對(duì)重要性濾波、自適應(yīng)區(qū)域歸并等操作。這里皮膚的H色調(diào)可分布在0到50之間，S的取值為0.23到0.28（針對(duì)亞洲人的皮膚），下圖5所示為實(shí)驗(yàn)原圖像。

實(shí)驗(yàn)原圖為355×550×24bit的jpg圖像。

圖5 原圖

經(jīng)過多個(gè)實(shí)驗(yàn)后，建議H的取值范圍為6到38之間，由圖像RGB轉(zhuǎn)成HSV的MATLAB程序運(yùn)算如下：

圖6表示的是從RGB到HSV的轉(zhuǎn)變，通過MATLAB運(yùn)算看到一幅HSV三個(gè)通道顏色R（紅），G（綠），B（藍(lán)）。

圖7表示的圖像是已轉(zhuǎn)換的二值圖，并改變它的閾值得到所有有關(guān)皮膚顏色的像素值為255（這一范圍通過H來建立），非皮膚的像素值使用0表示。圖7中的人和背景還是沒有被完全分離開來，可能背景的顏色不是屬于暗色，所以分割出來的目標(biāo)不那么精確，在此必須應(yīng)用顏色一致性，以將真實(shí)的皮膚區(qū)域完全分離出來。所以H值的取值是很重要的。

圖6 HSV圖像

圖7 中間的效果

在圖7中有很多的不屬于皮膚的地方（檢測(cè)噪音），因?yàn)椴噬珗D像中的V值通常是不會(huì)為0的，使得H值域部分無法分辨，所以要用H值來檢測(cè)膚色區(qū)域。為了改變這個(gè)問題，需要采用5×5的皮膚區(qū)域?yàn)V波器，首先我們把皮膚的區(qū)域擴(kuò)展到濾波器里面，使皮膚的范圍更精確，然后把非皮膚部分通過H閾值劃分范圍并填充為黑色，最后皮膚部分變成白色，結(jié)果如圖8所示。

使用了濾波器后進(jìn)行區(qū)域的歸一化處理后，H=25得到了比較準(zhǔn)確的皮膚區(qū)域。

圖8 成功的效果圖

4.結(jié)論和展望

本文提出的基于色度值的顏色識(shí)別方法能夠有效地提高顏色識(shí)別的精度，本文選取了一張帶有人像的照片用于試驗(yàn)，將圖像中人的膚色作為識(shí)別目標(biāo)顏色。首先確定了目標(biāo)顏色（人的膚色）在HSV色彩空間中色度值的取值范圍，通過對(duì)色度值進(jìn)行分割并過濾了膚色像素。用自適應(yīng)的方式使算法的復(fù)雜性變小，提高檢測(cè)效率。通過在HSV空間進(jìn)行顏色識(shí)別，實(shí)驗(yàn)總結(jié)歸納了圖像中識(shí)別目標(biāo)顏色區(qū)域的方法。本研究在膚色分割中還有很大的改進(jìn)余地，可進(jìn)一步提高算法的正確率和速度。

[1] V.A.oliveira，A.conci.Skin Detection using HSV color space[BO/SL]：http：//www.matmidia.mat.puc-rio.br/sibgrapi2009/media/posters/59928.pdf.

[2] Alberto Albiol http：//ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=958968.

[3] A.Abadpour and S.Kasaei.Pixel-Based Skin Detection for Pornography Filtering[J].Iranian Journal of Electrical&Electronic Engineering，Vol.1，No.3，2005.

[4] 田巍，莊鎮(zhèn)泉.基于HSV色彩空間的自適應(yīng)皮膚檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用，2004.