基于肤色和Haar方差特征的人脸检测

摘要/Abstract

摘要：

为了在提高复杂背景下的人脸检测率的同时减少检测时间，将肤色分割和Haar方差特征相结合，在YCbCr颜色空间通过椭圆肤色模型和logistic回归分析确定每一点的肤色概率，生成肤色概率图，从而将每一点的像素值映射到［0,1］,在Ostu方法的基础上采用并行的遗传算法确定肤色分割的阈值，快速分割出人脸区域；最后用少量的Haar方差特征取代原来的Haar特征，并采用SVM训练分类方法对分割出的人脸区域进行验证。实验表明，该方法不仅提高了人脸检测的正确率，而且具有较快的人脸检测速度。

关键词: 肤色分割, 椭圆肤色模型, 回归分析, 遗传算法, 方差特征

Abstract:

In order to improve the rate of face detection under complex background and reduce detection time，we propose a face detection algorithm based on skin color segmentation and improved Haar features. First we derive the probability of every bit of skin color by elliptical skin color model and logistic regression analysis in YCbCr color space and generate the skin probability diagram, which will map every bit of pixel values to ［0, 1］. Then we define the threshold of skin color segmentation to segment the face region rapidly, using parallel genetic algorithm based the Ostu method. Finally combining the SVM training and classification method, we adopt a few Haar variance characteristics instead of the original Haar features to verify the segmented face region. Experimental results show that the proposed method can improve the accuracy of face detection with a fast speed.

Key words: skin color segmentation;elliptical skin color model;regression analysis；genetic algorithm;Haar variance characteristics

李燕,王玲. 基于肤色和Haar方差特征的人脸检测[J]. J4, 2015, 37(01): 146-151.

LI Yan,WANG Ling. Face detection algorithm based on
skin color and Haar variance characteristics [J]. J4, 2015, 37(01): 146-151.

参考文献

［1］Ye Junyong，Wang Qingtong，Yang Bo,et al. Algorithm of support vector machinebased face detection［J］. Computer Engineering，2003,29(2):2325.(in Chinese)
［2］Chen Yongfei,Liu Xinming. Based on the color and Haar features of face image detection［J］. Computer Engineering and Application，2008，44(33)：177182. (in Chinese)
［3］Tang Feng,Crabb R,Tao Hai.Representing images using nonorthogoal Haarlike bases. Pattern Analysis and machine Intelligence［J］. IEEE Transactions, 2007, 29(12):21202134.
［4］Lienhart R，Maydt J. An extended set of Haarlike features for rapid object detection［C］∥Proc of the IEEE ICIP’02,2002：900903.
［5］Chen Shigang，Ma Xiaohu. Face detection based on multiGaussian skin color segmentation and Haarlike intensity features［J］. Journal of Suzhou University，2011,27(3):3034.(in Chinese)
［6］Kakumanu P, Markrogiannis S, Bourbakis N. A survey of skin color modeling and detection methods［J］.Elsevier Journal of the Pattern Recognition Society,2007, 40(3):11061122.
［7］Liu Qingsheng，Chang Faliang，Chen Shigang.Improved gaussian skin color model and its application in face detection［J］. Journal of Instrument，2012,33(5):11171121.(in Chinese)
［8］Zhang Zhengzheng，Shi Yuexiang.YCgCr color space skin color clustering face detection［J］. Computer Engineering and Application，2009,45(22)：163165.(in Chinese)
［9］Li Wei，Li Mingdong，Liu Wanqian. Using adaptive sphere model color dynamic threshold segmentation［J］. Computer Engineering and Application，2012, 48(22):179182.(in Chinese)
［10］Zhao Minghua,Zhao Yonggang. Skin color segmentation based on improved 2D Ostu and YcgCr［C］∥Proc of 2010 International Conference on Electrical and Control Engineering,2010:19541957.
［11］Yu Yimin，Huang Tinghui,Sang Tao. Skin segmentation based on real adaboost algorithm［J］. Computer Application，2011, 31(12):3370 3377.(in Chinese)
［12］Li Jie，Hao Xiaoli. Face detection using elliptic model［J］. The Computer Measurement and Control，2006,14(2):170172.(in Chinese)
［13］Lee LK,An SY,Oh SY.Robust fingertip extraction with improved skin color segmentation for finger gesture recognition in humanRobot interaction［C］∥Proc of 2012 IEEE World Congress on Computational Intelligence, 2012:1015.
［14］Viola P J.Rapid object detection using a boosted cascade of simple features［C］∥Proc of Conference on Computer Vision and Pattern Recognition,2001:511518.
［15］Khac C N, Park J H, Jung Hy, et al. Face detection using variance based Haarlike feature and SVM［C］∥Proc of World Academy of Science, Engineering and Technology, 2009:165168.
［16］Viola P. Robust realtime detection［J］. International Journal of Computer Vision, 2004, 57(2):137154.
附中文参考文献：
［1］叶俊勇，汪同庆，杨波，等.基于支持向量机的人脸检测算法［J］.计算机工程，2003,29(2):2325.
［2］陈勇飞,刘新明.基于肤色和类Haar特征的人脸图像的人眼检测［J］.计算机工程与应用，2008，44(33)：177182.
［5］陈世刚，马小虎.基于多高斯肤色分割和Haarlike强度特征的人脸检测［J］.苏州大学学报，2011,27(3):3034.
［7］刘青生，常发亮，陈世刚,等.改进的高斯肤色模型及其在人脸检测中的应用［J］.仪器仪表学报，2012,33(5):11171121.
［8］张争珍，石跃祥.YCgCr颜色空间的肤色聚类人脸检测［J］.计算机工程与应用，2009,45(22)：163165.
［9］李薇，李明东，刘万钱.运用自适应球体模型实现肤色动态阈值分割［J］.计算机工程与应用，2012, 48(22):179182.
［11］余益民，黄廷辉，桑涛.基于RealAdaboost算法的肤色分割方向［J］.计算机应用，2011, 31(12):3370 3377.
［12］李杰，郝晓莉.一种基于椭圆肤色模型的人脸检测方法［J］.计算机测量与控制，2006,14(2):170172.

[1]	毛媛媛, 石恩雅, 蒋从锋, 仇烨亮, 贾刚勇, 万健, 闫龙川. 基于遗传算法的数据中心能效仿真[J]. 计算机工程与科学, 2021, 43(08): 1341-1352.
[2]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[3]	李静, 莫思敏 . 基于改进遗传算法的深度神经网络优化研究[J]. 计算机工程与科学, 2021, 43(08): 1503-1511.
[4]	李晶晶, 许少华. 基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用[J]. 计算机工程与科学, 2021, 43(04): 746-752.
[5]	季子豪, 江凌云. 一种基于遗传算法的多站点协同计算卸载算法[J]. 计算机工程与科学, 2021, 43(03): 426-434.
[6]	贾俊杰, 秦海涛. 基于遗传算法的动态轨迹匿名算法[J]. 计算机工程与科学, 2021, 43(01): 142-150.
[7]	李丹莲, 曹倩, 徐菲. 基于改进遗传算法的连锁便利店配送路径优化[J]. 计算机工程与科学, 2020, 42(11): 2096-2102.
[8]	陈旺虎，田真，张礼智，梁小燕，高雅琼. 基于插值的高维稀疏数据离群点检测方法[J]. 计算机工程与科学, 2020, 42(06): 966-972.
[9]	王硕禾1，刘旭1，李苏晨1，张国驹2. 基于多目标遗传算法的LoRa参数匹配优化[J]. 计算机工程与科学, 2020, 42(03): 434-440.
[10]	马晗，常安定，陈童，李江杰. 基于文化混合优化算法的旅行商问题求解[J]. 计算机工程与科学, 2019, 41(07): 1273-1278.
[11]	刘华1，杨春曦1，韩光松2，谢可心1. N状态二进制一致性算法设计及其优化[J]. 计算机工程与科学, 2019, 41(06): 1009-1015.
[12]	文常保，马文博，刘鹏里. 基于改进遗传算法的RBF神经网络结构优化研究[J]. 计算机工程与科学, 2019, 41(05): 917-923.
[13]	梁雪慧1，2，赵嘉祺2. 人工鱼群与遗传混合算法在无人艇路径规划中的应用[J]. 计算机工程与科学, 2019, 41(05): 942-947.
[14]	李进生，蒙江，童名文. 基于分布式遗传算法的水质传感器布置优化研究[J]. 计算机工程与科学, 2019, 41(03): 545-550.
[15]	颜学龙,汪斌斌. 自适应狼群算法优化ELM的模拟电路故障诊断[J]. 计算机工程与科学, 2019, 41(02): 246-252.