李维维 胡桂明 童刘伟 何隆玲

广西大学电气工程学院 广西 530004

0 引言

本文将肤色信息与基于AdaBoost算法的人脸检测结合，为了达到实时性要求，本文的肤色分割部分只需快速排除大量非肤色区域干扰，具有比用肤色模型和肤色相似度法更直接快速的特点，将这两种方法结合大大提高了人脸检测的精度。

1 肤色检测

1.1 肤色空间的选择

肤色信息是人脸的重要特征，Ming和David等人通过研究发现，不同年龄、不同性别、不同种族的人具有不同的肤色，但这种区别主要体现在亮度上，而受色度的影响较小。在除去亮度的色度空间中，不同的人脸肤色表现出较好的聚类性。常用的色彩空间有RGB、HSV、YCbCr等。RGB颜色空间是最常见的一种，但(r,g,b)三个分量上都受亮度影响。研究表明，相对于HSV空间，肤色点在YCbCr空间上的聚类性更好，本文选择YCbCr颜色空间(Y分量表示亮度，Cb、Cr分量表示色度)进行肤色分割。

YCbCr颜色空间可经RGB空间线性变换得到，转换公式为：

YCbCr颜色空间将亮度和色度信息分开，进行肤色检测时降低了亮度的影响，Cb和Cr是两维独立分布，能较好的限制肤色分布区域。

1.2 肤色分割

本文中，肤色分割只作为人脸检测的预处理，不需要太高的精度，只需快速排除大量非肤色区域以减少非肤色区域的干扰即可，经实验得知，肤色在Cb、Cr信息上集中分布在一个稳定的范围内：80≤Cb≤135,136≤Cr≤177，符合这个区域的色度被认为是肤色区域，被保留下来，不符合这个区域的色度则被置零。图1为经过肤色分割得到的效果。……