靜態(tài)圖象膚色檢測研究.pdf

1、皮膚檢測是人臉檢測與識別、表情識別、手勢識別、人體檢測等計算機視覺任務的重要組成部分，更是圖象與視頻索引、色情圖象檢測的關鍵步驟，廣泛應用于人機交互接口、訪問控制、視頻監(jiān)控以及互聯(lián)網(wǎng)敏感內容過濾等領域?；陬伾钠つw檢測具有簡單、快速、直觀，不受物體形狀變化及視點改變等影響的優(yōu)勢，受到研究者的普遍重視，具有重要的理論研究意義和應用價值。本文主要研究靜態(tài)圖象中的膚色檢測技術。 顏色空間的選擇和膚色建模方法是膚色檢測的關鍵問題。膚色

2、檢測首先面臨一個合適顏色空間的選擇問題，大多數(shù)研究者直觀地選擇了“最優(yōu)”顏色空間而沒有給出嚴格的證明，而一些作者則質疑空間選擇對皮膚檢測結果的明顯影響。在系統(tǒng)回顧和綜合分析了膚色檢測中所采用的各種顏色空間與膚色模型，并按照各自特性進行分類后，定義了基于空間分布本身的膚色內聚性和膚色一非膚色可分離性兩類指標，基于一個大膚色樣本庫，比較了包含所有常用顏色空間以及部分作者提出的最優(yōu)空間的17個顏色空間的相應指標，并在這些空間中訓練了SPM、G

3、MM、SOM和SVM這四種最典型的統(tǒng)計膚色模型并測試了其綜合分類性能。同時考察了量化等級、模型精度和不同決策方式對性能的影響，構成了一個完善的性能評價體系，獲得了膚色空間和模型選擇的綜合結論。 在訓練的收斂階段，SOM參考矢量的改變量很小，基于這一事實，我們利用統(tǒng)計直方圖構造獲勝點線性表，并根據(jù)參考矢量的運動方向來優(yōu)化獲勝點的局部搜索，作為全局獲勝點的近似。膚色樣本實際分布數(shù)據(jù)和人工合成數(shù)據(jù)的實驗結果表明該局部搜索策略能夠有效提

4、高搜索效率。 照明條件、照相機特性以及噪聲都對膚色有很大的影響，個體膚色也各不相同的，膚色模型必須能夠適應這些環(huán)境變化。針對膚色檢測，詳細介紹了各種光照補償方法和自適應手段的優(yōu)缺點，并比較了用于視頻序列的動態(tài)高斯模型和動態(tài)直方圖。 人像通常位于成像系統(tǒng)的焦平面上，人體的周圍環(huán)境將因散焦而模糊，盡管焦平面中的皮膚區(qū)域很難保證有完整的比較強的邊界，但是總能找到一條或幾條具有一定長度的強邊界段。我們提出了基于強邊界段的焦平面膚

5、色檢測框架，包含強邊界段或與之鄰接的類膚色區(qū)域識別為皮膚區(qū)域，從而避免了皮膚區(qū)域邊界的不完整性，并在保證膚色區(qū)域內聚性的前提下，從散焦膚色區(qū)域中進一步提取出最接近的子區(qū)域作為膚色區(qū)域。 皮膚區(qū)域具有良好的統(tǒng)計內聚性和空間平滑性，結合紋理等鄰域特征能夠提高皮膚檢測性能。最后我們提出了一個多種底層特征相融合，并與人臉、手部等高層目標結合的皮膚檢測開放式框架，形成一個多種信息相互印證，互為目的和手段的啟發(fā)式綜合方法。結合人臉檢測的實驗