人脸识别系列之人脸检测训练基于肤色特征的检测

coding

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

 

  • RGB到YUV(YCrCb)空间,再转化到“FI”空间

 

· 高斯肤色模型

  • 一元正态分布肤色模型(以F颜色特征为例)

  • 二元正态分布肤色模型(以rg颜色特征为例)

 

· 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 
    • 设置合适的阈值截断

 

  • 测试阶段

    • 逐像素判断其是否在设定的肤色
      特征范围内

 

· 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)

 

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 人脸识别系列之人脸检测训练基于肤色特征的检测 的全部内容, 来源链接: utcz.com/z/508900.html

回到顶部