基于肤色分割和匹配的人脸识别

1、基于肤色分割和匹配的人脸识别020316班 07036049 张伟1将RGB空间转换为YCbCr空间： 为了把人脸区域从非人脸区域分割出来，需要使用适合不同肤色和不同光照条件的可靠的肤色模型。常用的RGB 表示方法不适合于皮肤模型，在RGB 空间，三基色（ r、g、b）不仅代表颜色，还表示了亮度。由于周围环境光照的改变，亮度可能使人脸的检测变得更加复杂，在皮肤的分割过程中是不可靠的。为利用肤色在色度空间的聚类性，需要把颜色表达式中的色度信息与亮度信息分开，将R、G、B 转换为色度与亮度分开的色彩表达空间可以达到这个目的。颜色空间的转换常用的颜色模型主要有：YCrCb、HSV、YIQ等。在本文的

2、实验中选用YCrCb 空间作为肤色分布统计的映射空间，该空间的优点是受亮度变化的影响较小，而且是两维独立分布，能较好地限制肤色分布区域。 使用函数为：YCBCR = rgb2ycbcr(RGB);2 将彩色图像转换为灰度图像，实验证明，不同的肤色具有相同的2D模型G(m,V2)。灰度值对应属于皮肤区域的可能性，同过设定门限，就可以转换为二值图像，1,0分别表示皮肤和非皮肤区域。皮肤颜色在ycbcr色度空间的分布范围为:100<=cb<=127,138<=cr<=170，可以将彩色图像转换为二值图像：f_cb=f(:,:,2);f_cr=f(:,:,3);f = (f_c

3、b>=100) & (f_cb<=127) & (f_cr>=138) &(f_cr<=170) ;figure; imshow(f);3转换后不可避免出现了噪声，有背景的噪声影响，以及人的衣服和裤子引起的噪声点，使用开闭运算的方法消除噪声：se=strel('square',3);f=imopen(f,se);f=imclose(f,se);figure(2),imshow(f);4.对图像做填孔处理f=imfill(f,'holes'); figure(3),imshow(f);5.对图像进行重构,即利用重构进

4、行开运算,可准确恢复腐蚀后的对象形状.fe=imerode(f,ones(8,7);fo=imopen(f,ones(8,7);f=imreconstruct(fe,f); figure(4),imshow(f);6.相关匹配,实际作用效果不大,可以注释掉.%w=ones(3);%f=imfilter(f,w);%figure(5),imshow(f);% M,N=size(f);% f=fft2(f);% w=conj(fft2(w,M,N);% g=real(ifft2(w.*f);% gs=gscale(g);% figure,imshow(gs);7.人脸候选区筛选时,由于头部部分重合

5、,以及头部与其他部分,例如衣服等的连接,对筛选造成了困难,故应先利用闭运算操作,断开连接,再进行处理.se1=strel('square',8);f=imerode(f,se1);f=imdilate(f,se1);figure(6),imshow(f);8. 利用人脸候选区筛选，进一步确定人脸区域（判断规则如下）:（1）若目标高宽比小于0.8而大于2.0，则认为不是人脸区域，删除此区域。（2）区域面积过大或过小,认为不是人脸区，删除此区域。矩形面积area_sq =目标区长度*宽度,目标区面积为area,若area / area_sq <0.6,则认为不是人脸区域。其中

6、条件1限定了要检测的人脸区域的比例大小，排除了一些颜色类似皮肤但长宽不符合要求的区域。（如颜色与皮肤接近的衣物）条件2排除一些不规则但色调和皮肤接近的物体，同时也可排除人体其他的非脸部区域，如四肢等。L,num=bwlabeln(f,4);for i=1:num; r,c=find(L=i); r_temp=max(r)-min(r); c_temp=max(c)-min(c); temp=size(r);sum=sum+temp(1); area_sq=r_temp*c_temp; area=size(find(L=i),1); ratio=area/area_sq; if (r_temp/

7、c_temp<0.8)|(r_temp/c_temp>2)|temp(1)>2000|temp(1)<200 |ratio<0.6 %脸部区域<200的去掉,一般为手或其他干扰. %利用脸部宽长比的大概上下限来确定一个模板范围. %矩形面积s=目标区长度*宽度,目标区面积为ss,若ss/s<0.6,认为不是 %人脸区,删除之. for j=1:temp(1); L(r(j),c(j)=0; end else continue; endend9. 利用边缘检测,检测出人脸;利用得到的边缘,对原图像进行处理,就可以在原图中画出人脸区域的框图.可以看出,由于

8、人手交叉放置,所以不管从肤色还是形状以及面积比上,都很难将其识别和删除,所以出现了两个错误检测，这也是本程序应改进的地方.L=bwperim(L,8); %边缘检测,检测出人脸的边缘区域L=uint8(L);z=find(L(:)>0);L(z)=255;% ave=sum/num;%ave=696.figure(7),imshow(L);L_r=L;L_g=L;L_b=L;L_rgb=cat(3,L_r,L_g,L_b); %在原图上加框% figure,imshow(L_rgb);img1_r=min(L_r+img(:,:,1),255);img1_g=min(L_g+img(:,

9、:,2),255);img1_b=min(L_b+img(:,:,3),255);img1=cat(3,img1_r,img1_g,img1_b);figure(8),imshow(img1);附录：完整程序清单：function facedetec()sum=0;% clc,close all;iptsetpref('ImshowBorder', 'tight')f=imread('faces.jpg');Ori_Face=f;copy=f;img=f;% figure,imshow(f);f=rgb2ycbcr(f);%rgb转换为ycbcr

10、% figure,imshow(f);f_cb=f(:,:,2);f_cr=f(:,:,3);f= (f_cb>=100) & (f_cb<=127) & (f_cr>=138) &(f_cr<=170) ;%皮肤颜色在ycbcr色度空间的分布范围为:100<=cb<=127,138<=cr<=170figure(1); imshow(f);%K=medfilt2(f,5 5);%5×5中值滤波，去除噪声%figure,imshow(f);%利用开闭运算的方法消除噪声se=strel('square

11、9;,3);f=imopen(f,se);f=imclose(f,se);figure(2),imshow(f);%填孔处理f=imfill(f,'holes'); figure(3),imshow(f);%重构法fe=imerode(f,ones(8,7);fo=imopen(f,ones(8,7);f=imreconstruct(fe,f); figure(4),imshow(f);%相关匹配,作用不大,可注释掉%w=ones(3);%w为模板大小.%f=imfilter(f,w);%figure(5),imshow(f);% M,N=size(f);% f=fft2(f)

12、;% w=conj(fft2(w,M,N);% g=real(ifft2(w.*f);% gs=gscale(g);% figure,imshow(gs);%人脸候选区筛选时,由于头部部分重合,以及头部与其他%部分,例如衣服等的连接,对筛选造成了困难,故应先利用%闭运算操作,断开连接,再进行处理.se1=strel('square',8);f=imerode(f,se1);f=imdilate(f,se1);figure(6),imshow(f);%区域连通L,num=bwlabeln(f,4);for i=1:num; r,c=find(L=i); r_temp=max(r)

13、-min(r); c_temp=max(c)-min(c); temp=size(r); sum=sum+temp(1); area_sq=r_temp*c_temp; area=size(find(L=i),1); ratio=area/area_sq; if (r_temp/c_temp<0.8)|(r_temp/c_temp>2)|temp(1)>2000|temp(1)<200|ratio<0.6 %脸部区域<250的去掉,一般为手或其他干扰. %利用脸部宽长比的大概上下限来确定一个模板范围. %矩形面积area_sq=目标区长度*宽度,目标区面积为area,若area/area_sq<0.6,认为不是人脸区,删除之. for j=1:temp(1); L(r(j),c(j)=0; end else continue; endendL=bwperim(L,8);%边缘检测,检测出人脸的边缘区域L=uint8(L);z=find(L(:)>0);L(z)=255;% ave=sum/num;%ave=696.figure(7),imshow(L);L_r=L;