基于混合肤色模型的快速人脸检测算法
随着信息技术及计算机网络的快速发展，个人身份识别、表情分析、安检、公共场所公共安全等显得至关重要，利用人脸等人的内在属性进行识别的生物识别技术及其稳定性和可靠性引起了广泛的关注。人脸检测技术不仅是人脸识别、唇读、视频检测与监控等技术的重要前提条件，而且在模式识别、人机交互、智能监控等领域引起了广泛的重视。人脸检测来源于人脸识别，它是人脸自动识别系统中的一个重要环节，其目的是检测图像中的人脸并将其从背景中分割出来。近年来，人们在人脸检测技术中提出了各式各样的算法，大体可分为四类：基于知识的方法、基于特征的方法、基于模板的方法和基于表象的方法。但这些检测算法在实际应用中存在运算量大、实时性差等缺点。GUAN和YANG提出了基于肤色和几何信息的无监督人脸检测方法，检测率达93.7%。利用彩色图像中最重要、最明显的肤色特征，可以大幅度缩小搜索空间，降低检测难度，减少计算量，提高运算性能。这种方法大大提高了人脸检测速度，基本可以实现实时检测。但人脸检测是一项非常复杂的系统工程，检测结果很容易受到各种直接或者间接噪声的影响，主要表现在：
(1)受外貌、表情、肤色等因素的影响，人脸具有很大可变性；
(2)很多情况下脸上可能存在眼镜、胡须以及装饰品等附属物；
(3)头部运动造成图像中人脸位置、角度等发生变化；
(4)不同光照条件对图像中人脸图像产生影响，亮度变化范围很大；
(5)不同图像中人脸尺寸及背景噪声等各不相同。
因此，本文针对肤色检测存在的问题，提出了一种基于两种肤色模型相结合的彩色图像快速人脸检测算法，通过实验结果可以看出，该算法具有较好的鲁棒性和较高的准确率。
1 颜色空间[1]
1.1 RGB颜色空间
由于在RGB空间中三要素具有高度相关性，亮度信息对图像的处理会带来干扰。为了消除亮度的影响,YANG提出了归一化的RGB模型,将RGB彩色空间映射到色度空间，即从三维空间变换到二维空间。该色度空间具有对图像亮度和视点方向都不敏感的优点，可以较好地消除图像中可见和室外不可见的阴影，其转换公式如下所示：
2 肤色分割算法
肤色检测要取得好的效果，需要解决两个问题：如何选择合适的颜色空间以及如何确定规则中的参数，即肤色模型问题。要进行肤色检测就是要在该空间中判断肤色是否能够聚集在某个集中的区域，从而可以根据像素在该空间中的坐标判断该像素是否属于肤色点。因此选择恰当的肤色空间和肤色区间闭值以最终确定肤色模型是非常重要的。所谓肤色模型，与其他的数学建模一样，即用一种代数的解析或查找表等形式来表达哪些像素的色彩属于肤色，或者表征出某一像素的色彩与肤色的相似程度。肤色模型可以进一步地划分为色彩空间中的简单门限聚类模型、高斯模型和高斯混合模型等。简单门限聚类模型具有计算简单、速度快等优点，因此，本文采用了归一化RGB空间中的二次多项式模型与YCgCr肤色模型相结合的方法，称为混合的肤色模型检测算法。
2.1自适应光线补偿
