人脸识别系列之人脸检测--训练基于肤色特征的检测

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了人脸识别系列之人脸检测--训练基于肤色特征的检测相关的知识,希望对你有一定的参考价值。

前言:

基于特征的方法是利用人脸的先验知识导出的规则进行人脸检测。

一般来说,常用的特征包括人脸和人脸器官典型的边缘和形状特征(如人脸轮廓、虹膜轮廓、嘴唇轮廓等)、纹理特征(纹理是在图上表现为灰度或颜色分布的某种规律性,这种规律性在不同类别的纹理中有其不同特点,人脸有其特定的纹理特征)、颜色特征(人脸肤色特征,目前主要有RGB,HSV,YCbCr,YIQ,HIS等彩色空间模型被用来表示人脸的肤色,从而进行基于颜色信息的人脸检测方法的研究)。

人脸检测的方法:

基于规则/知识方法
人脸模式的变化满足一定的规律,所以可以归纳描述人脸特征的规则,如灰度分布、比例关系、纹理信息等

基于模板的方法
固定模板法,可变形模板法

基于不变特征的方法,如彩色信息
人脸的肤色在彩色空间中的分布相对比较集中,所以可用来检测和跟踪人脸。

基于外观学习的方法---目前的主流方法
将人脸检测视为区分“非人脸样本”与“人脸样本”的模式识别问题,通过对人脸样本集和非人脸样本集的学习产生分类器

以世纪晟科技人脸识别技术为例,世纪晟科技拥有3D人脸识别算法的核心技术,详解基于肤色特征的检测。

· 多种肤色模型

J.L.Crowley and F. Berard, “Multi-model tracking of faces for video communications
将肤色区域的RGB颜色归一化,用其中的(r,g)值的颜色直方图h(r,g) 获取肤色变量的阈值
M. H. Yang, N. Ahuja, “Detecting human faces in color images”
认为人脸肤色区域的颜色值呈高斯分布,用高斯分布的均值和方差确定肤色变量的阈值
T. S. Jebara and A. Pentland, “Parameterized structure from motion fro 3D adaptive feedback tracking of faces”
认为不同的种族和国家的人的肤色分布不同,在颜色直方图上形成多个聚类,可用高斯混合模型来表示

· 颜色空间

RGB到“rg”空间

技术分享图片

RGB到YUV(YCrCb)空间,再转化到“FI”空间

技术分享图片

· 高斯肤色模型

一元正态分布肤色模型(以F颜色特征为例)

技术分享图片
技术分享图片

二元正态分布肤色模型(以rg颜色特征为例)

技术分享图片
技术分享图片

· 多人脸训练肤色模型

训练肤色模型
手工标注部分人脸(肤色区域)人脸图像
统计方法得到 技术分享图片
设置合适的阈值截断

技术分享图片

测试阶段
逐像素判断其是否在设定的肤色
特征范围内

技术分享图片

· 提取肤色区域

对检测到的肤色区域进行分析
接近椭圆形
有部分非肤色区域(五官、头发)

技术分享图片

关于肤色模型几点提示——

肤色模型难以适应各种环境光照变化
对于背景和前景的光照变化,肤色通常不稳定

单纯的肤色信息对于人脸检测通常是不充分的

如何适应在不同光照下的人脸跟踪
如果环境光照有变化,原有的肤色模型可能不再适用,如何建立一个自适应的肤色模型需要进一步的研究

以上是关于人脸识别系列之人脸检测--训练基于肤色特征的检测的主要内容,如果未能解决你的问题,请参考以下文章

高科技应用之人脸识别人证比对

opencv的人脸识别基于啥特征

基于AdaBoost算法——世纪晟结合Haar-like特征训练人脸检测识别

图像人脸检测(框出人脸笑脸眼睛)

浅析人脸检测之Haar分类器方法

人脸识别 介绍