戴嫣然，戴国庆，袁玉波，2

（1.华东理工大学信息科学与工程学院，上海 200237；2.上海大数据与互联网受众工程技术研究中心，上海 200072）

（∗通信作者电子邮箱dyr136006@163.com）

0 引言

如今，随着信息社会的发展，图像变得越来越重要，人脸又是图像中的一个重要的分支，人脸信息在人脸跟踪、人脸识别、视频监控等领域有着重要的应用。人脸检测是人脸识别的第一步，人脸检测的准确性直接影响到后面任务的可行性和效率，因此抽取正确的人脸信息是十分重要的。如何快速地提升人脸识别系统对不同人种的检测性能，是一个实用的人脸识别算法应该考虑的问题［1］。在复杂的图像中检测人类皮肤已经被证明是一个具有挑战性的问题，因为由于许多因素，如光照、种族、老化、成像条件和复杂的背景，皮肤颜色在其外观上可以有很大的变化。

颜色是简单、直观且有效的特征，颜色特征常常用于人脸检测，不同颜色空间的选择带来的结果也有所差异［2］。Hsu等［3］提出了在YCrCb（Luminance，Red-difference Chrominance，Blue-difference Chrominance）颜色空间的人脸检测，通过非线性变换，将像素投射到YCrCb空间，并用椭圆区域判断是否为肤色像素。Shaik 等［4］使用两种颜色空间进行皮肤检测的对比研究，认为HSV（Hue，Saturation，Value）颜色空间在简单背景和均匀背景下的检出率较高，而YCbCr 颜色空间在复杂背景下的检出率较高。Pujol等［5］提出基于模糊熵肤色分割的人脸检测，在RGB（Red，Green，Blue）、YCbCr和HSV 三个颜色空间进行人脸学习和模糊系统建模，最后进行人脸的检测。Bencheriet 等［6］使用肤色分割，结合局部二值模式（Local Binary Pattern，LBP）特征和高斯混合模型（Gaussian Mixed Model，GMM）模型，对人脸进行学习，然后抽取人脸。……