許鵬飛，賈銀潔，朱夢(mèng)潔，劉媛媛，宋 瑩

(1.淮安信息職業(yè)技術(shù)學(xué)院 計(jì)算機(jī)與通信工程學(xué)院，江蘇 淮安 223003；2.淮陰工學(xué)院 電子信息工程學(xué)院，江蘇 淮安 223003)

?

復(fù)雜背景下的人臉檢測(cè)算法研究與實(shí)現(xiàn)

許鵬飛1，賈銀潔2，朱夢(mèng)潔2，劉媛媛1，宋 瑩1

(1.淮安信息職業(yè)技術(shù)學(xué)院 計(jì)算機(jī)與通信工程學(xué)院，江蘇 淮安 223003；2.淮陰工學(xué)院 電子信息工程學(xué)院，江蘇 淮安 223003)

摘要：人臉檢測(cè)是指能夠在一幅圖像中找到其中存在的人臉，并能夠確定其位置和大小等信息的過程。人臉是一個(gè)信息極豐富的模式集合，其是人類互相判別、認(rèn)識(shí)、記憶的主要標(biāo)志，人臉檢測(cè)在人臉圖像處理和計(jì)算機(jī)視覺領(lǐng)域占有極為重要的地位。針對(duì)復(fù)雜背景下的彩色圖像，對(duì)目前主流的幾種人臉檢測(cè)算法進(jìn)行了介紹，在系統(tǒng)設(shè)計(jì)中提出了一種基于膚色和特征融合的人臉檢測(cè)算法。該算法是一種層次化、由粗到精的檢測(cè)方法，通過一步步減小檢測(cè)區(qū)域，從而實(shí)現(xiàn)多個(gè)人臉的檢測(cè)與定位。

關(guān)鍵詞：人臉檢測(cè)；色彩空間；膚色模型；圖像分割

0引言

根據(jù)大量資料顯示，對(duì)于人臉檢測(cè)技術(shù)的研究最初來源于人臉識(shí)別技術(shù)，而人臉識(shí)別技術(shù)的研究可以追溯到20世紀(jì)60～70年代[1]。在過去，對(duì)人臉檢測(cè)技術(shù)的研究只是人臉識(shí)別技術(shù)的一小部分，其主要目的是能夠在圖像中找出所有可能的人臉具體位置，將其和單一背景區(qū)分開，從而能夠提取出人臉圖像[2]。由于其主要研究的是人臉識(shí)別技術(shù)，所以對(duì)圖像中人臉?biāo)幍谋尘耙蠛芨?，一般是單一背景或者無背景，所以對(duì)人臉檢測(cè)技術(shù)的要求較低，這就導(dǎo)致當(dāng)時(shí)的人臉檢測(cè)技術(shù)無法精確檢測(cè)出處于復(fù)雜背景下的人臉圖像。目前國內(nèi)外針對(duì)復(fù)雜背景下人臉檢測(cè)的算法的研究有很多方向，比如基于膚色特征的方法[3]、基于器官分布特征的方法[4]、基于對(duì)稱性特征的方法、基于人工神經(jīng)網(wǎng)絡(luò)的方法、基于模板匹配的方法[5]。進(jìn)入20世紀(jì)90年代后期以后，許多基于商業(yè)性的人臉識(shí)別系統(tǒng)開始慢慢進(jìn)入市場(chǎng)，人臉識(shí)別技術(shù)的發(fā)展也日趨成熟，從而對(duì)人臉檢測(cè)技術(shù)的要求也越來越高。人臉檢測(cè)技術(shù)已成為一個(gè)備受關(guān)注的課題，單一背景下的人臉檢測(cè)技術(shù)已經(jīng)不能滿足現(xiàn)代人的需求，因此人臉檢測(cè)技術(shù)都是基于復(fù)雜背景的研究。

1系統(tǒng)設(shè)計(jì)

由于膚色是人臉的一項(xiàng)非常重要的特征信息，且其不依賴于具體的人臉面部器官、表情變化等影響，在彩色圖像中具有較高的穩(wěn)定性[6]，故本系統(tǒng)采用的人臉檢測(cè)算法是基于膚色模型的人臉檢測(cè)算法。本系統(tǒng)通過利用膚色在色彩空間中的聚類特性，設(shè)計(jì)了一個(gè)對(duì)膚色進(jìn)行建模從而進(jìn)行圖像分割得到人臉區(qū)域的人臉檢測(cè)算法[7]。如果想得到效果好的基于膚色的人臉檢測(cè)算法，就需要非常合理謹(jǐn)慎地選取合適的顏色空間，在該空間中對(duì)膚色進(jìn)行建模，并對(duì)膚色進(jìn)行提取，最后對(duì)由膚色建模提取出的人臉區(qū)域進(jìn)行篩選并標(biāo)記。

1.1色彩空間的選取

對(duì)于一個(gè)針對(duì)彩色圖像進(jìn)行人臉檢測(cè)的算法來說，對(duì)色彩空間的選擇是非常重要的，這是由于復(fù)雜背景中的光照條件不穩(wěn)定，要想將人臉區(qū)域與復(fù)雜背景分割開來，就需要建立非?？煽康哪w色模型，也就是說，人臉檢測(cè)算法中的膚色模型的建立與其色彩空間的選擇是密切相關(guān)的[8]。一般來說，對(duì)人臉檢測(cè)算法的彩色空間的選擇標(biāo)準(zhǔn)是：

① 膚色能夠在選擇的顏色空間中有非常好的聚類特性；② 在該顏色空間建立的膚色模型能夠很好地將膚色區(qū)域與非膚色區(qū)域區(qū)分開來。

在RGB圖像中，其每個(gè)像素點(diǎn)都是由R、G、B三個(gè)分量以不同比例混合而成，所以無論R、G、B三個(gè)分量中的哪一個(gè)分量發(fā)生了變化，其最終結(jié)果都會(huì)導(dǎo)致該像素點(diǎn)發(fā)生不同程度的顏色改變。同一背景在晴朗天氣條件下拍攝的圖像色彩鮮艷，而在陰雨天氣條件下就會(huì)色彩平淡，這樣就會(huì)使相同背景的同一像素點(diǎn)處RGB分量值大不相同，也就是說基于RGB模型下的圖像受光照的影響非常大。如果采用RGB色彩空間對(duì)膚色進(jìn)行建模，就會(huì)導(dǎo)致由于同一膚色在不同光照條件下而使得檢測(cè)的結(jié)果有所差別，如果光照條件十分惡劣，甚至?xí)o法檢測(cè)出人臉區(qū)域，這樣只會(huì)使得基于此空間下的人臉檢測(cè)變得愈發(fā)得復(fù)雜，所以RGB色彩空間不是十分理想的選擇。為了能夠利用皮膚顏色在顏色空間中的聚類特性，其選擇的顏色空間就必須要能夠?qū)㈩伾畔⑴c亮度信息區(qū)分開來，這就需要對(duì)RGB圖像進(jìn)行顏色空間上的轉(zhuǎn)換，將其轉(zhuǎn)換到能夠使膚色具有很好聚類特性的色彩空間里。目前主流的顏色空間中，HSV顏色空間與YCbCr顏色空間都是不錯(cuò)的選擇。

HSV顏色空間不僅能夠?qū)⒁环鶊D像中的顏色信息與亮度信息區(qū)分開來，并且該顏色空間的顏色信息都能夠獨(dú)立表示。代表顏色信息的是單獨(dú)的H分量，代表亮度信息的是單獨(dú)的V分量。由此可看出，HSV色彩空間中的顏色信息和亮度信息是完全獨(dú)立分開的，所以其相對(duì)于RGB色彩空間來說，光照變化對(duì)HSV色彩空間的影響較小。由于H分量只表示一幅圖像中的顏色信息，所以若只選擇H分量作為該人臉皮膚顏色統(tǒng)計(jì)的參數(shù)，將可以減小光照變化對(duì)整個(gè)系統(tǒng)檢測(cè)效果的影響。在YCbCr色彩空間中，Cb分量和Cr分量分別代表藍(lán)色和紅色分量，有能夠?qū)⒘炼群蜕群芎玫胤蛛x的優(yōu)點(diǎn)。除此之外，膚色在該顏色空間中能夠聚集在一個(gè)非常小的空間里，具有非常好的聚類特征?？偟膩碚f，YCbCr色彩空間不僅可以很好地表達(dá)出膚色特征，還可以消除由于不同光照條件所帶來的亮度影響，其在很大程度上減少了在色彩空間中計(jì)算的復(fù)雜度。

綜上所述，HSV色彩空間與YCbCr色彩空間都是基于膚色的人臉檢測(cè)系統(tǒng)非常合適的色彩空間，都是非常不錯(cuò)的選擇。但為了整個(gè)系統(tǒng)更加嚴(yán)謹(jǐn)，最后的人臉檢測(cè)效果能夠更好，本系統(tǒng)設(shè)計(jì)決定采用兩種色彩空間混合的方式對(duì)人臉膚色特征進(jìn)行提取并分割出人臉膚色區(qū)域。

1.2膚色模型的建立

地球的人類種族有黑、白、黃色三類，人臉的膚色不同，每個(gè)種族的人臉皮膚顏色分別在一個(gè)狹窄的頻帶內(nèi)，這就使得建立模型時(shí)需要區(qū)別對(duì)待。中國人屬于黃色人種，所以本文主要研究的是黃色人種的人臉檢測(cè)。由于黃種人皮膚顏色分布范圍只集中在某一小區(qū)域內(nèi)，導(dǎo)致其在HSV顏色空間的H分量的取值上也集中在很小的一段范圍內(nèi)，在YCbCr色彩空間中的Cb和Cr兩個(gè)分量中也集中在一定的范圍內(nèi)。

建立膚色模型其實(shí)就是在顏色空間中建立了能夠精準(zhǔn)描述膚色分布規(guī)律的數(shù)學(xué)模型，本設(shè)計(jì)采用了基于HSV色彩模型和YCbCr色彩模型的人臉皮膚彩色模型，通過對(duì)人臉膚色建模，從而將符合人臉的膚色區(qū)域標(biāo)記下來，通過使用該膚色模型對(duì)輸入計(jì)算機(jī)的圖像進(jìn)行人臉檢測(cè)[9]。建立該模型，首先要將在RGB色彩空間下的圖像轉(zhuǎn)換為HSV色彩空間和YCbCr色彩空間下的圖像，然后對(duì)人臉膚色進(jìn)行色相統(tǒng)計(jì)，得到黃皮膚在顏色空間中分布的區(qū)域范圍，從而通過對(duì)屬于該范圍內(nèi)的膚色區(qū)域與非膚色區(qū)域分別標(biāo)記白色和黑色來區(qū)分，得到二值圖像。

1.3膚色的提取

對(duì)膚色進(jìn)行提取之前，首先要將原處于RGB色彩空間下的圖像轉(zhuǎn)換到HSV色彩空間和YCbCr色彩空間下，然后對(duì)H分量以及CbCr分量進(jìn)行提取，最后通過添加限制條件來得到的二值圖像只有黑與白兩種顏色。人臉膚色在H分量以及CbCr分量?jī)?nèi)都有一定的取值范圍，即可通過給定膚色模型的閾值進(jìn)行判斷，即對(duì)圖像中的每一個(gè)像素點(diǎn)掃描，判斷它是否在H分量和CbCr分量的取值范圍之內(nèi)，最終提取面部皮膚，得到屬于臉部區(qū)域的像素點(diǎn)，并區(qū)分人臉和非人臉區(qū)域。

在對(duì)膚色進(jìn)行提取的過程中，特別需要注意的是人臉膚色在H分量以及CbCr分量上取值范圍的上下界限值。該值對(duì)人臉檢測(cè)最終的檢測(cè)結(jié)果影響較大，所以在處理該值時(shí)需要特別嚴(yán)謹(jǐn)，確保能夠保證整個(gè)系統(tǒng)良好的性能，具有較高的檢測(cè)率。大量實(shí)踐表明，發(fā)現(xiàn)在YCbCr色彩空間的統(tǒng)計(jì)分布的黃種人的皮膚滿足145≤Cb≤180，145≤Cr≤165，在HSV色彩空間的統(tǒng)計(jì)分布滿足0.01≤H≤0.15，本系統(tǒng)設(shè)計(jì)也將采用經(jīng)過大量科學(xué)實(shí)踐的上下界限值來對(duì)膚色進(jìn)行提取，最終獲得人臉區(qū)域被成功劃分出來的二值圖像。

1.4對(duì)人臉區(qū)域進(jìn)行篩選并標(biāo)記

提取皮膚顏色最后得到的二值圖像只提供了與膚色相近的區(qū)域，例如頸部、手臂的膚色區(qū)域以及其他類似物體等等，這就導(dǎo)致最后得到的區(qū)域包含了很多非人臉區(qū)域。這就需要對(duì)這些區(qū)域做進(jìn)一步的處理以便去除這些干擾因素造成的假臉。

對(duì)圖像進(jìn)行形態(tài)學(xué)處理是去除這些干擾的第一步，其處理手段主要有對(duì)圖像進(jìn)行開運(yùn)算、閉運(yùn)算、腐蝕、膨脹以及填洞等操作。其中腐蝕和膨脹互為逆運(yùn)算，腐蝕可以消除無意義的小物體，減少區(qū)域，而膨脹則是用來填補(bǔ)對(duì)象中的縫隙，能夠擴(kuò)大區(qū)域。先腐蝕后膨脹的運(yùn)算過程稱為開運(yùn)算，開運(yùn)算的主要作用是將十分狹小的物體消除、平滑較大區(qū)域邊界使其輪廓變得更加光滑。與其相反，先膨脹后腐蝕的運(yùn)算過程稱為閉運(yùn)算，其主要作用是能夠填充圖像中的細(xì)小空洞、連接相鄰近的物體以及平滑區(qū)域邊界。利用這些方法可以濾除類膚色物體以及由噪聲等原因引入的非人臉區(qū)域，減少候選區(qū)域的判斷，從而可以提高系統(tǒng)的檢測(cè)效率[10]。

經(jīng)過形態(tài)學(xué)方法對(duì)圖像進(jìn)行處理之后，圖像中大部分細(xì)小噪聲已被清除，但是很有可能還有一些無法利用形態(tài)學(xué)方法進(jìn)行清除的較小或較大的非人臉區(qū)域仍留存在圖像中，這就需要對(duì)圖像進(jìn)行進(jìn)一步的處理和篩選。人臉的長寬比是在一定范圍之內(nèi)的，可以利用這個(gè)特性進(jìn)一步排除非人臉區(qū)域。首先對(duì)已經(jīng)用形態(tài)學(xué)方法處理后的二值圖像進(jìn)行順序掃描，標(biāo)記出圖像中各種形狀的連通區(qū)域。然后計(jì)算每個(gè)連通區(qū)域的長軸和短軸，得出每個(gè)區(qū)域的外接矩形，計(jì)算出每個(gè)外接矩形的長寬之比，將不滿足人臉長寬比的區(qū)域進(jìn)行舍棄，保留滿足條件的區(qū)域，并用矩形框在圖像中將其標(biāo)出，標(biāo)出的區(qū)域就是整個(gè)系統(tǒng)最終得到的人臉區(qū)域。

2系統(tǒng)實(shí)現(xiàn)

本系統(tǒng)的最終目的是能夠在復(fù)雜背景中檢測(cè)出人臉，有著較高的檢測(cè)率，保證該系統(tǒng)的高效性和準(zhǔn)確性。實(shí)現(xiàn)人臉檢測(cè)系統(tǒng)的核心在于檢測(cè)算法的設(shè)計(jì)與實(shí)現(xiàn)，本系統(tǒng)主要使用的算法是基于面部膚色的檢測(cè)算法，主要步驟有獲取檢測(cè)圖像、膚色建模、圖像的形態(tài)學(xué)運(yùn)算、獲得各個(gè)人臉區(qū)域并進(jìn)行篩選和標(biāo)記人臉，下面對(duì)其中重要的幾個(gè)步驟進(jìn)行說明。

2.1膚色建模

獲得待檢測(cè)圖像后，將其從RGB色彩空間分別轉(zhuǎn)換到HSV色彩空間以及YCbCr色彩空間，再將H分量和CbCr分量提取出來。因?yàn)槊總€(gè)人的膚色有一些細(xì)微的差別，所以其在H分量和CbCr分量中有著一定的取值范圍，所以可以通過對(duì)圖片進(jìn)行掃描并對(duì)每個(gè)像素點(diǎn)是否在膚色所在的H分量和CbCr分量取值范圍之內(nèi)進(jìn)行判斷，符合該取值范圍內(nèi)的像素點(diǎn)即為皮膚區(qū)域，最后通過給皮膚區(qū)域以及非皮膚區(qū)域分別賦予不同的值，得到二值圖像，從而完成膚色建模這一過程，原圖和二值圖像如圖1所示。

圖1　模塊功能實(shí)現(xiàn)效果圖

H分量可以通過將RGB色彩空間的圖像I由RGB2HSV(I)函數(shù)將其轉(zhuǎn)換到HSV色彩空間后直接提取。CbCr分量則需要利用以下2個(gè)公式得到：

(1)

(2)

得到H分量和CbCr分量后對(duì)圖像上的每個(gè)像素點(diǎn)進(jìn)行色相統(tǒng)計(jì)，計(jì)算出黃皮膚所在的顏色區(qū)域，其所在H分量和CbCr分量的范圍上文已給出，只需將屬于該范圍的皮膚區(qū)域賦值1，標(biāo)記為白色，將不屬于該范圍的非皮膚區(qū)域賦值0，標(biāo)記為黑色，就可以得到上圖所示的二值圖像。

2.2圖像的形態(tài)學(xué)運(yùn)算

從上面給出的二值圖像可以看出，除了3張人臉皮膚區(qū)域被正確標(biāo)出之外，還有很多細(xì)小非人臉區(qū)域也被標(biāo)出，這里就需要對(duì)該二值圖像做進(jìn)一步的形態(tài)學(xué)處理，本系統(tǒng)主要采用的形態(tài)學(xué)方法是對(duì)圖像進(jìn)行開運(yùn)算，去除較小的連通區(qū)域。由于人臉是3D立體的，其輪廓在二維圖像中有時(shí)會(huì)比正面的臉部皮膚暗一些，為了不使最后標(biāo)記人臉時(shí)丟掉人臉最外圍的輪廓，本系統(tǒng)在對(duì)皮膚區(qū)域進(jìn)行開運(yùn)算之后，還使用了imdilate函數(shù)對(duì)圖像進(jìn)行了擴(kuò)張，即膨脹作用，使人臉周圍的區(qū)域連通，對(duì)圖像進(jìn)行開運(yùn)算以及膨脹后的效果圖如圖2所示。

圖2　形態(tài)學(xué)方法處理效果圖

從上述效果圖可以看出，細(xì)小噪聲已完全被濾除，形態(tài)學(xué)方法可以很好地去掉假區(qū)域，保留人臉區(qū)域，該方法對(duì)整個(gè)人臉檢測(cè)系統(tǒng)的完成起到了非常重要的作用。此圖像中類膚色物較少，此時(shí)已可以對(duì)其進(jìn)行人臉標(biāo)記，其檢測(cè)結(jié)果圖如圖3所示。

但如果該圖像中存在類膚色物體，如肩膀、手等，其面積稍大，無法用開運(yùn)算濾除，就會(huì)給最后的檢測(cè)效果帶來極大的誤差，這些類膚色物體會(huì)被誤當(dāng)成人臉而被檢測(cè)出，其誤檢測(cè)圖如圖4所示。

該圖像除了臉被正常檢測(cè)出來之外，手臂也被誤當(dāng)做人臉檢測(cè)出來，所以可以看出一個(gè)好的人臉檢測(cè)系統(tǒng)只單單利用膚色特征和形態(tài)學(xué)方法是不夠的，其檢測(cè)準(zhǔn)確性并不高，所以還需要對(duì)人臉區(qū)域進(jìn)行進(jìn)一步地篩選，以便能夠更加準(zhǔn)確地得到圖片中的人臉。

圖3　人臉檢測(cè)效果圖

圖4　人臉檢測(cè)效果圖

2.3篩選人臉區(qū)域

人臉除了膚色特征這一個(gè)非常穩(wěn)定的特征之外，其臉部長寬比和面積大小也相對(duì)較穩(wěn)定，本系統(tǒng)通過對(duì)已得到的膚色區(qū)域進(jìn)行長寬比以及面積大小的比對(duì)進(jìn)行對(duì)膚色區(qū)域的進(jìn)一步篩選，最終得到一個(gè)良好的檢測(cè)效果，原來被誤當(dāng)做人臉檢測(cè)出來的手臂已經(jīng)成功被濾除，只有人臉被正確地檢測(cè)出來，可見人臉長寬比及面積大小特征對(duì)人臉檢測(cè)系統(tǒng)是非常重要的人臉特征。根據(jù)大量實(shí)踐，人臉的長寬比大概在0.4～1.8之間，本系統(tǒng)也是采用了這一數(shù)值，最后的檢測(cè)結(jié)果也證明了該數(shù)據(jù)具有一定的科學(xué)依據(jù)。

本系統(tǒng)首先是使用了bwlabel函數(shù)得到一個(gè)與該圖片大小相同的矩陣L，在該矩陣L中，包含了該圖片中得到的每個(gè)連通區(qū)域的類別標(biāo)簽，它們的值為1、2、3、n(連通區(qū)域的個(gè)數(shù))，并且選用的是八連通尋找區(qū)域。然后使用了regionprops來計(jì)算矩陣L中每一個(gè)代表膚色區(qū)域的最小矩形的坐標(biāo)，其返還值是一個(gè)長度為max(L(:))的結(jié)構(gòu)數(shù)組，再用struct2cell函數(shù)把結(jié)構(gòu)體數(shù)組轉(zhuǎn)換為元胞數(shù)組，最后用cell2mat函數(shù)將由多個(gè)矩陣構(gòu)成的元胞數(shù)組轉(zhuǎn)換成一個(gè)矩陣，該矩陣?yán)锇舜砻恳粋€(gè)膚色區(qū)域的連通區(qū)域，只需要判斷各個(gè)連通區(qū)域的長寬比及面積是否符合人臉長寬比及面積特征，即可篩選出人臉區(qū)域，得到最終的檢測(cè)結(jié)果。

3結(jié)束語

本文對(duì)復(fù)雜背景下的人臉檢測(cè)算法進(jìn)行了充分的研究，并以人臉檢測(cè)算法為核心技術(shù)，設(shè)計(jì)了人臉檢測(cè)系統(tǒng)，針對(duì)膚色的聚類特性，采用了基于膚色的人臉檢測(cè)算法，實(shí)現(xiàn)了對(duì)二維圖像的人臉檢測(cè)。系統(tǒng)基本實(shí)現(xiàn)了人臉檢測(cè)系統(tǒng)基本應(yīng)具備的功能，到達(dá)了預(yù)想的效果，具有很好的魯棒性，檢測(cè)效果良好。除此之外，本系統(tǒng)采用了HSV色彩空間和YCbCr色彩空間來進(jìn)行膚色建模，解決了因光照變化帶來的影響，使人臉檢測(cè)不再受光照影響，為整個(gè)系統(tǒng)減少了不小的挑戰(zhàn)與難度。僅僅基于膚色會(huì)使最后的系統(tǒng)檢測(cè)人臉率不是特別理想，所以本文中還提到了利用人臉長寬比及面部大小特征來進(jìn)一步的篩選出人臉區(qū)域，大大提高了最后人臉檢測(cè)系統(tǒng)的檢測(cè)效率。但本系統(tǒng)還是不能達(dá)到百分百的檢測(cè)率，人臉檢測(cè)技術(shù)是非常復(fù)雜的一門技術(shù)，其未來的發(fā)展趨勢(shì)應(yīng)該仍舊是綜合多種分類方法以及統(tǒng)計(jì)學(xué)習(xí)方法相結(jié)合的，人臉檢測(cè)技術(shù)永遠(yuǎn)都需要研究者長期而又耐心地進(jìn)行大量實(shí)驗(yàn)去探究。

參考文獻(xiàn)

[1]劉寶寶.復(fù)雜背景下的人臉檢測(cè)研究[D].合肥：安徽工業(yè)大學(xué),2011：8-9.

[2]LV Shao-dong,SONG Yong-duan,XU Mei,et al.Face Detection under Complex Background and Illumination[J].Journal of Electronic Science and Technology,2015(1):78-82.

[3]王利娟.基于膚色信息的快速人臉檢測(cè)算法研究[D].成都：四川大學(xué),2004：11-12.

[4]郭聳.人臉檢測(cè)若干關(guān)鍵技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué),2011：16-17.

[5]馬艷.基于顏色與模板匹配的人臉檢測(cè)方法[D].大連：大連理工大學(xué),2006：23-24.

[6]吳要領(lǐng).基于YCrCb色彩空間的人臉檢測(cè)算法的設(shè)計(jì)與實(shí)現(xiàn)[D].成都：電子科技大學(xué),2013：20-21.

[7]李偉.基于膚色分割的人臉檢測(cè)算法研究[D].成都：電子科技大學(xué),2006：27-28.

[8]Pouya G,Zahra N,Hassan A.Labeling Algorithm for Face Detection Using Skin and Hair Characteristics[J].Journal of Electronic Science and Technology,2012(2):135-141.

[9]鄧加瓊.復(fù)雜背景下的彩色人臉檢測(cè)算法與實(shí)現(xiàn)[D].成都：電子科技大學(xué),2005：25-26.

[10]毛順兵.復(fù)雜背景彩色圖像的人臉檢測(cè)算法研究[D].重慶：西南師范大學(xué),2002：29-30.

Research and Implementation of Face Detection Algorithm under Complex Background

XU Peng-fei1,JIA Yin-jie2,ZHU Meng-jie2,LIU Yuan-yuan1,SONG Ying1

(1.College of Computer and Communication Engineering,Huaian College of Information Technology,Huai’an Jiangsu 223003,China;2.College of Electronic and Information Engineering,Huaiyin Institution of Technology,Huai’an Jiangsu 223003,China)

Abstract：The face detection is a process that can find the faces in a picture,and determine the information such as location and size.Human face is a collection of information with extremely rich patterns,and it is the prime symbol for the human distinguishing from each other,understanding and memoring.The face detection in the field of human face image processing and computer vision occupies very important position.In view of color images based on complex background,this paper introduces several mainstream face detection algorithms.In the system design,a face detection algorithm based on skin color and feature fusion is proposed.This algorithm is a hierarchical and coarse to precise detection method,and it can reduce the detection area step by step,so as to realize the detection and localization of multiple faces.

Key words：face detection; color space; skin color model; image segmentation

中圖分類號(hào)：TP391

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1003-3114(2016)03-105-5

作者簡(jiǎn)介：許鵬飛(1980—)，男，碩士，IEEE會(huì)員，華為Academy Instructor，工程師，講師，主要研究方向：多媒體信號(hào)處理。賈銀潔(1981—)，女，碩士，講師，主要研究方向：多媒體信號(hào)處理。

收稿日期：2015-12-16

doi:10.3969/j.issn.1003-3114.2016.03.28

引用格式：許鵬飛,賈銀潔,朱夢(mèng)潔,等.復(fù)雜背景下的人臉檢測(cè)算法研究與實(shí)現(xiàn)[J].無線電通信技術(shù),2016,42(3):105-109.