专利名称：基于高斯肤色模型和特征分析的人脸检测与跟踪方法
技术领域：
本发明涉及一种在视频序列中人脸检测及跟踪的方法，特别涉及一种基于高斯肤色模型和特征分析的检测方法及改进CAMShift跟踪方法。
背景技术：
人脸分析技术，包括人脸检测、人脸跟踪、人脸识别和表情分析等分支，是近年来计算机视觉领域与图像处理领域研究的重大课题。人脸检测是指在输入的静态或动态图像中确定所有人脸(如果存在)的位置、大小和姿态的过程；人脸跟踪是指在输入图像序列中确定人脸的运动轨迹及大小变化的情况。作为人脸分析技术中的关键环节，人脸检测与跟踪在智能人机交互、安全监控、视频会议、医疗诊断及基于内容的图像存储与检索等方面具有广阔的发展前景和应用价值。人脸检测问题的基本思想是通过特征知识或统计学习的方法实现，前者主要利用人脸的几何形状、肤色、纹理、结构及轮廓等特征作为主要识别条件，将人脸图像视为高维向量，通过高维空间中信号分布的检测实现人脸的监测；后者将人脸检测问题归结为从模式样本中区分人脸与非人脸的模式识别，通过训练进行分类。目前常用的人脸检测方法主要包括以下几类基于先验知识的方法(董立新.基于先验知识的人脸检测算法研究与应用[J].数字技术与应用，2010:73-74.)，基于特征不变性的方法(杜庚.基于尺度不变特征的人脸识别[D]，北京北京邮电大学，2010)，基于模板匹配的方法(XIE Yu xiang, WANG Wei wei,LUAN Xi dao,Face recognition using skin color and template matching[J]. Computer Engineering & Science, 2008,30 (6) :54-59)，神经网络方法(袁崇涛，基于神经网络的人脸识别算法研究[D]，大连大连理工大学，2006)，基于肤色模型的方法Oii Sun, Yingchun Liu, Yunhua Zhang，Donghe Yang. Face tracking based on skin color and α - β - γ Filter[A]. China-Ireland International Conference on Information and Communications Technologies 2008· Beijing，2008 :1-4·)。人脸跟踪是指对于给定的视频序列，根据前帧定位好的人脸，结合视频中运动对象的特点，在后续帧中捕捉人脸的运动信息。目前常用的跟踪技术包括以下几类基于模型的足艮踪方法(G. D. Hager, P. N. Belhumeur. Efficient region tracking with parametric models of geometry and illumination. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998，20 (10) :1025-1039.)，基于运动信息的跟踪方法，基于色彩信息的跟踪方法(刘明宝，姚鸿勋，高文.彩色图像的实时人脸跟踪方法.计算机学报， 1998,21 (6) :527-531)，基于人脸局部特征的跟踪方法(P. M. Antoszczyszyn, J.M.Hannah， P. Μ. Grant. Tracking of the motion of important facial features in model based coding. Signal Processing,1998,66(2) :249-260.)。目前采用的基于肤色模型的人脸检测方法，算法容易执行，但对环境亮度变化较为敏感，并且容易受到背景类肤色物体的干扰，使检测结果的准确性降低；基于模板的方法具有较强的鲁棒性，但模板匹配过程运算量大，检测速度慢，此外，当出现人脸姿态变化(比如仰头或者侧脸情况)时，识别精度会大大降低；在处理视频目标检测问题时，常用 CAMShift算法进行目标跟踪，提高处理速度，但出于视频人脸检测的特殊性，对跟踪算法的搜索窗口定位准确性有更高的要求，传统CAMShift算法难以满足要求。
发明内容
本发明要解决的技术问题是(1)人脸检测算法对背景噪声及亮度变化敏感的问题；(2)人脸检测算法运行速度慢，难以实现视频检测的问题；(3)视频中存在人脸姿态变化(仰头或侧脸)时的识别问题。本发明的技术方案基于高斯肤色模型和特征分析的人脸检测与跟踪方法，包括以下步骤(1)图像肤色分割通过对人脸图像数据的统计结果在YCbCr空间建立高斯肤色模型；将获得的视频序列图像由RGB色彩空间转换到YCbCr空间，代入高斯模型计算肤色似然度，得到似然度图像；选取自适应阈值对似然度图像进行分割，得到肤色区域；对包含肤色区域的图像进行闭运算，去除散粒噪声；(2)人脸特征检测分别利用人脸几何特征和人脸结构特征对闭运算后的肤色区域结果进行检验，通过整合两部分的结果对非人脸区域进行排除；提取图像中保留的肤色区域，获得人脸目标检测结果；(3)人脸目标跟踪根据先验人脸检测结果数据，利用最小二乘法对搜索窗口进行预测；通过CAMShift迭代算法调节搜索窗口与人脸区域重合。进一步的，所述步骤⑴中的图像肤色分割方法为先在YCbCr色彩空间建立高斯肤色模型，计算视频序列图像的肤色似然度，选取自适应阈值对似然度图像进行图像分割， 最后利用闭运算去除散粒噪声，具体步骤如下(1. i)高斯肤色模型通过以下公式建立P (Cb, Cr) = exp {-0· 5 (x_m) tCT1 (χ-m)} ；χ = (Cb，Cr)Tm = E {χ}，χ = (Cb，Cr)τ ;C = E {(x_m) (x_m)T}公式中m为高斯模型均值，C为高斯模型方差，m、C的数值通过对肤色图像数据进行统计得出，X是检测像素点Cb、Cr值组成的向量，m = [106. 7902，
权利要求
1.一种基于高斯肤色模型和特征分析的人脸检测与跟踪方法，其特征在于如下步骤如下(1)图像肤色分割通过对人脸图像数据的统计结果在YCbCr空间建立高斯肤色模型； 将获得的视频序列图像由RGB色彩空间转换到YCbCr空间，代入高斯模型计算肤色似然度， 得到似然度图像；选取自适应阈值对似然度图像进行分割，得到肤色区域；对包含肤色区域的图像进行闭运算，去除散粒噪声；(2)人脸特征检测分别利用人脸几何特征和人脸结构特征对闭运算后的肤色区域结果进行检验，通过整合两部分的结果对非人脸区域进行排除；提取图像中保留的肤色区域， 获得人脸目标检测结果；(3)人脸目标跟踪根据先验人脸检测结果数据，利用最小二乘法对搜索窗口进行预测；通过CAMShift迭代算法调节搜索窗口与人脸区域重合。
2.根据权利要求1中所述的一种基于高斯肤色模型和特征分析的人脸检测与跟踪方法，其特征在于所述步骤(1)中的图像肤色分割方法为先在YCbCr色彩空间建立高斯肤色模型，计算视频序列图像的肤色似然度，选取自适应阈值对似然度图像进行图像分割，最后利用闭运算去除散粒噪声，具体步骤如下(1. i)高斯肤色模型通过以下公式建立 P (Cb, Cr) = exp {-0· 5 (x-m) tCT1 (x-m)} ；χ = (Cb, Cr)T m = E{χ}，χ = (Cb, Cr)T ;C = E{ (x_m) (x_m)T}公式中m为高斯模型均值，C为高斯模型方差，m、C的数值通过对肤色图像数据进行统计得出，χ是检测像素点Cb、Cr值组成的向量，m = [106. 7902，146. 6155]τ，
3.根据权利要求1中所述的一种基于高斯肤色模型和特征分析的人脸检测与跟踪方法，其特征在于所述步骤O)中的人脸特征检测，包括对肤色区域分别进行人脸几何特征检测与人脸结构特征检测，通过整合两部分的结果对非人脸区域进行排除，具体步骤如下所述人脸几何特征检测步骤为(2. i.a)肤色区域面积检测若目标区域面积&小于视场范围10%或超过视场范围的 80%，判断其为非人脸区域；(2. i. b)肤色区域形状检测若目标区域的外接矩形高宽之比Ra小于0. 8或超过2. 5， 判断其为非人脸区域；(2. i. c)肤色区域密集度检测若目标区域的密集度Ca小于45%，判断其为非人脸区域；所述人脸结构特征检测步骤为(2. ii. a)双眼中心距范围检测双眼中心距应在1/3至2/3目标区域水平尺寸范围内；(2. ii.b)双眼周围黑块检测双眼下方一定距离内没有其它器官，因此在似然度图像中不能有其它黑块；(2. ii. c)双眼水平位置关系检测双眼中心位置在垂直方向相差不超过20%目标区域竖直尺寸；(2. ii. d)眼睛区域面积检测眼睛部分的黑色区域所包含的像素数应在5%至10%目标区域面积范围内；(2. ii. e)眼睛形状检测眼睛区域的外接矩形高宽比应在1. 5至2. 5之间； (2. iii)人脸几何特征与结构特征检测结果整合整合两部分结果的目的是判断候选肤色区域是否为人脸区域，以几何特征为主要判断准则，结构特征为辅助判断准则；当候选区域不满足几何特征时，判断其为非人脸区域；结构特征以识别双眼为前提，当候选区域中识别出类似双眼结构时，若不满足结构特征，则判断为非人脸区域，当候选区域不包含双眼结构时，只通过几何特征进行判断。
4.根据权利要求1中所述的一种基于高斯肤色模型和特征分析的人脸检测与跟踪方法，其特征在于所述步骤(3)的人脸目标跟踪中，利用最小二乘法对搜索窗口进行预测， 具体步骤如下(3. i)初始化搜索窗 (3. i. a)默认搜索窗口位置为视场中心，大小为50%视场范围 (3. i.b)当获得人脸位置先验结果数据之后，采用基于最小二乘拟合法对搜索窗口进行预测，将前十帧图像检测结果代入如下公式 ^yk = G1 χ A3 + G2 χ 众2 + G3 χ A + G4 xk =^xk3 +b2 xk2 +b3xk + b全文摘要
本发明是一种基于高斯肤色模型和特征分析的人脸检测与跟踪方法，步骤如下首先，对大量人脸图像数据进行统计，在YCbCr色彩空间中建立高斯肤色模型；然后，将视频图像序列由RGB空间转换至YCbCr空间，利用高斯模型计算出肤色似然图，选取自适应阈值进行肤色分割，在此基础上利用人脸几何特征和结构特征实现人脸精确检测；最后，采用改进CAMShift算法进行人脸跟踪，实现视频中的人脸快速检测。本发明的人脸检测与跟踪方法在识别精度、跟踪速度和鲁棒性上具有明显的优势，并且能够有效地解决视频中人脸姿态变化，距离变化以及背景存在类肤色干扰等复杂条件下的人脸跟踪问题。
文档编号G06T5/00GK102324025SQ201110261500
公开日2012年1月18日 申请日期2011年9月6日 优先权日2011年9月6日
发明者张楠, 祝世平 申请人:北京航空航天大学