人脸识别系列之人脸检测--训练基于肤色特征的检测

前言：

基于特征的方法是利用人脸的先验知识导出的规则进行人脸检测。

一般来说，常用的特征包括人脸和人脸器官典型的边缘和形状特征（如人脸轮廓、虹膜轮廓、嘴唇轮廓等）、纹理特征（纹理是在图上表现为灰度或颜色分布的某种规律性，这种规律性在不同类别的纹理中有其不同特点，人脸有其特定的纹理特征）、颜色特征（人脸肤色特征，目前主要有RGB，HSV，YCbCr，YIQ，HIS等彩色空间模型被用来表示人脸的肤色，从而进行基于颜色信息的人脸检测方法的研究）。

人脸检测的方法：

基于规则/知识方法
- 人脸模式的变化满足一定的规律，所以可以归纳描述人脸特征的规则，如灰度分布、比例关系、纹理信息等

基于模板的方法
- 固定模板法，可变形模板法

基于不变特征的方法，如彩色信息
- 人脸的肤色在彩色空间中的分布相对比较集中，所以可用来检测和跟踪人脸。
基于外观学习的方法---目前的主流方法
- 将人脸检测视为区分“非人脸样本”与“人脸样本”的模式识别问题，通过对人脸样本集和非人脸样本集的学习产生分类器

以世纪晟科技人脸识别技术为例，世纪晟科技拥有3D人脸识别算法的核心技术，详解基于肤色特征的检测。

· 多种肤色模型

J.L.Crowley and F. Berard, “Multi-model tracking of faces for video communications
- 将肤色区域的RGB颜色归一化，用其中的(r,g)值的颜色直方图h(r,g) 获取肤色变量的阈值
M. H. Yang, N. Ahuja, “Detecting human faces in color images”
- 认为人脸肤色区域的颜色值呈高斯分布，用高斯分布的均值和方差确定肤色变量的阈值
T. S. Jebara and A. Pentland, “Parameterized structure from motion fro 3D adaptive feedback tracking of faces”
- 认为不同的种族和国家的人的肤色分布不同，在颜色直方图上形成多个聚类，可用高斯混合模型来表示

· 颜色空间