人脸肤色检测模型

一、概述

        建立模型就是在已知对象的特征基础上来给对象建立一个模型，并借此对对象实现判断、检测、绘制、控制等功能。人脸建模的方式很多，各有各的优缺点"肤色模型较之几何模型来，要相对简单，执行速度快。而在肤色模型中常用的是高斯模型。

二、建模

1、高斯肤色模型

       从图 2-9 中可以看出肤色在 Cr-Cb 空间中可以用高斯分布描述，根据肤色在色度空间的高斯分布，对于彩色图像中每个像素，将其从 RGB 色彩空间变换到 YCbC 空间后，就可以计算该点属于皮肤区域的概率，即根据该点离高斯分布中心的远近得到和肤色的相似度，将彩色图像转化成灰度图，其中每个像素的灰度值对应该点与肤色的相似度。相似度计算公式如下：

         

       通过对肤色点训练后,选取的肤色模型的参数为：

                 

2、椭圆模型

       比起算法相对复杂的高斯肤色模型，可以利用非线性变换后的肤色在中呈明显的椭圆分布，可以用以下的公式来匹配两个色度分量的距离。

                  

       试验中，根据检测结果调整参数的大小，得到 cx=114.38，cy=160.0.02，ecx=1.60，ecy=2.41，θ=2.53，a=25.39，b=14.03，从而得到比较理想的二值化分割图像。

3、非参数估计法

       为了避免因选择参数方法所需的复杂的估计运算，也可以采用简单的非参数方法来确定肤色，即通过直接选择阈值[Cb1,Cb2]和[Cr1,Cr2]，其判别方法非常简单：一个像素(i，j)如果同时满足 cb1<Cb(i,j)<Cb2 和 Cr1<Cr(i,j)<Cr2，则判定该像素为肤色像素，取值为1。否则，该点像素为0，得到肤色分割的二值图像。通过观察归一化的直方图，获得闭值区间为：Cb(i,j)属于[0.44,0.55], Cr(i,j)属于[0.54,0.65]，事实上，这些闭值是肤色期望和标准方差的线性函数。