人脸检测指在图象或图象序列中找出单个或多个人脸的位置和大小,是计算机视觉和人工智能领域一个非常重要的研究方向。现有的人脸检测方法对复杂光照环境下获得的彩色人脸图象的检测效果仍不太理想。虽然,在彩色人脸图象中,肤色是人脸最显著的特征之一,有效利用肤色信息对于减小人脸区域的搜索范围、提高人脸检测率成为可能。然而,由于受外界光照环境的影响,采集来的人脸彩色图象经常会发生彩色偏移或者存在不同程度的高光和阴影,已成为阻碍基于肤色的人脸检测率提高的重要障碍。为此,本文开展了以下几个方面的研究: (1) 在详细综述目前的人脸检测方法的基础上对基于肤色分割结合模板匹配的人脸检测方法进行改进,提出本文基于“光照预处理+肤色模型+模板匹配”的人脸检测问题解决思路。即在光照预处理的前提下,利用肤色特征建立肤色模型;根据肤色模型进行肤色检测和阈值分割;在对分割区域特征分析的基础上将筛选出的人脸候选区域与人脸模板相匹配;最后将匹配较好的区域在原图象中用矩形框标示出来。为本文研究工作的开展提供了指导思想。 (2) 研究了常见的基于肤色的人脸检测算法并分析比较其优缺点,给出本文利用肤色特征进行肤色检测时所采用的肤色模型——高斯分布模型。并在深入研究和广泛采集肤色样本的基础上建立肤色模型。实验结果表明,通过该模型并结合关照预处理能够将绝大多数的肤色区域从背景图象中区分出来,为人脸区域特征的准确分析奠定了基础。 (3) 将Gray World彩色均衡方法和非线性分段色彩变换方法融入本文人脸检测算法。对待检测图象进行彩色偏移消除,在相当程度上解决了光源色彩不同所带来的色彩偏移问题;用非线性分段色彩变换方法对光照造成的高光和阴影影响进行消除,部分解决了人脸图象上存在的高光和阴影影响问题。两种方法的融入为基于肤色的人脸高检测率的获得提供了保障。 (4) 设计了人脸检测程序流程,完整实现了针对彩色图象的人脸检测程序,最后较详尽地给出了程序的关键参数的确定、肤色样本的选取和算法鲁棒性测试分析的结果。实验结果表明,本文方法对实际场景中正面和准正面的人脸图象,平均准检率达到84%,同时对光照变化不敏感,而且对姿态和表情的变化也具有较好的鲁棒性。