彩色图像中的人脸(肤色)检测

选了图像工程的课，老师布置了一个小Project，要求用OpenCV或者Matlab实现人脸肤色检测，具体算法参考文献“Face Detection In Corlor Images”。我觉得Python调用OpenCv可能会来得比较快些(没有Matlab基础的我哭晕)，唉毕竟为了快速完成任务，虽然得到了结果，但也只停留在知其然不知其所以然的阶段。

算法原理

此算法首先要估算和纠正基于光照补偿技术的偏色效果，纠正过的RGB 颜色成分非线性地转换到YCbCr 彩色空间。检测到的肤色像素用来作为空间转换的椭圆皮肤模型。

算法步骤

肤色检测及光照补偿；

人脸特征定位，包括眼睛定位，嘴部定位，人脸边界定位。

色素和皮肤模型的非线性转换

将RGB颜色空间转换到YCbCr颜色空间，然后直接使用以下公式即可。

其中( 5 )式和( 6 )式中的Ci 表示任一Cb 或Cr ， Wcb=46.97, WLcb=23, WHcb=14, Wcr=38.76, WLcr=20,WHcr=10,K1=125,Kh=188。这些参数值是从HHI图像的子集的皮肤块的训练数据中估算出来的，Ymin 和Ymax 在YcbCr 彩色空间的值分别是16 和235。椭圆模型的描述如(9)式和(10)式:

其中cx=109.38,cy =152.02,θ=2.53(弧度),ecx =1.60,ecy=2.41,a=25.39,b=14.03。

OpenCV实现(使用Python)

import numpy as np

import cv2

from matplotlib import pyplot as plt

test_image = cv2.imread('test.jpg')

# RGB到YCbCr色彩空间

image_YCbCr = cv2.cvtColor(test_image, cv2.COLOR_RGB2YCrCb)

# 返回行数，列数，通道个数

shape = image_YCbCr.shape

Kl, Kh = 125, 188

Ymin, Ymax = 16, 235

Wlcb, Wlcr = 23, 20

Whcb, Whcr = 14, 10

Wcb, Wcr = 46.97, 38.76

# 椭圆模型参数

Cx, Cy = 109.38, 152.02

ecx, ecy = 1.60, 2.41

a, b = 25.39, 14.03

Theta = 2.53 / np.pi * 180

# 每行

for row in range(shape[0]):

# 每列

for col in range(shape[1]):

Y = image_YCbCr[row, col, 0]

CbY = image_YCbCr[row, col, 1]

CrY = image_YCbCr[row, col, 2]

if Y < Kl or Y > Kh:

# 求Cb, Cr的均值

if Y < Kl:

# 公式(7)

CbY_aver = 108 + (Kl - Y) * (118 - 108) / (Kl - Ymin)

# 公式(8)

CrY_aver = 154 - (Kl - Y) * (154 - 144) / (Kl - Ymin)

# 公式(6)

WcbY = Wlcb + (Y - Ymin) * (Wcb - Wlcb) / (Kl - Ymin)

WcrY = Wlcr + (Y - Ymin) * (Wcr - Wlcr) / (Kl - Ymin)

elif Y > Kh:

# 公式(7)

CbY_aver = 108 + (Y - Kh) * (118 - 108) / (Ymax - Kh)

# 公式(8)

CrY_aver = 154 + (Y - Kh) * (154 - 132) / (Ymax - Kh)

# 公式(6)

WcbY = Whcb + (Ymax - Y) * (Wcb - Whcb) / (Ymax - Kh)

WcrY = Whcr + (Ymax - Y) * (Wcr - Whcr) / (Ymax - Kh)

# 求Cb(Kh), Cr(Kh)的均值

CbKh_aver = 108 + (Kh - Kh) * (118 - 108) / (Ymax - Kh)

CrKh_aver = 154 + (Kh - Kh) * (154 - 132) / (Ymax - Kh)

# 公式(5)

Cb = (CbY - CbY_aver) * Wcb / WcbY + CbKh_aver

Cr = (CrY - CrY_aver) * Wcr / WcrY + CrKh_aver

else:

# 公式(5)

Cb = CbY

Cr = CrY

# Cb，Cr代入椭圆模型

cosTheta = np.cos(Theta)

sinTehta = np.sin(Theta)

matrixA = np.array([[cosTheta, sinTehta], [-sinTehta, cosTheta]], dtype=np.double)

matrixB = np.array([[Cb - Cx], [Cr - Cy]], dtype=np.double)

# 矩阵相乘

matrixC = np.dot(matrixA, matrixB)

x = matrixC[0, 0]

y = matrixC[1, 0]

ellipse = (x - ecx) ** 2 / a ** 2 + (y - ecy) ** 2 / b ** 2

if ellipse <= 1:

# 白

image_YCbCr[row, col] = [255, 255, 255]

# 黑

else:

image_YCbCr[row, col] = [0, 0, 0]

# 绘图

original = plt.imread('test.jpg')

plt.subplot(121)

plt.imshow(original)

plt.title('Original')

plt.subplot(122)

plt.imshow(image_YCbCr)

plt.title('New')

plt.show()

看下几个样例处理得咋样。