基于肤色特征的人脸检测技术研究
复杂背景下基于肤色分割的人脸检测算法研究
２ Ｄ ｐ ｔ ｎ ｏ ｕｅ ａｄＩｆｒ ｔ ｎ ｎ ｉｅｒ ｇ Ｗｕ ａ ｉｅｇｎｅｉ ｓｔｔ ． ｅａ ｍｅｔ ｆ ｍｐ ｔ ｏｍａ ｏ ｇｎｅｉ ， ｈｎ ｏｎ ｉｅｒ ｇＩ ｔｕｅ ｏＣ ｒｎ ｎ ｉ Ｅ ｎ Ｂ ｎ ｎ ｉ ，Ｗｕ ａ ３ ０ ９ Ｃ ｉ ） ｈ ｎ ０ ７ ， ｈｎ ４ ａ
Ａｂ ｔａ ｔ Ａ ｏ ｅ ｃ ｎ ｑ ｅｆ ｒ ｅ ｅ ｔ ｇｆ ｃ ｓ ｎｍｕｔ－ ｏ ｅ ｏ ｏ ｇ ｓ ｔ ｏ ｌ ｘｂ ｃ ｇ ｏ ｎ ｒ ｐ ｓ ｄ ｓ ｒ ｃ ： ｎ ｖ ｌ ｅ ｈ ｉ ｕ ｔ ｃｉ ｅ ｌ ｐ ｓ ｌ ｒ ｍａ ｅ ｈｃ ｍｐ ｅ ａ ｋ ｒ ｕ ｄ ｉ ｐ ｏ ｏ ｅ ．Ｔ ｅ ｅｈ ｄｃ ｍｂ ｎ ｓ ｔ ｏｄ ｎ ａ ｉ ｉ ｃ ｉ ｗｉ ｓ ｈ ｔ ｏ ｏ ｉ ｅ ｍ ｉ ｒ ｖ ｄ ｃ ｓ ａ ｅ ｌ ｓｉ ｅ ａ ｅ ｎ Ａｄ ｂ ｏ ｔ ｔ ｍｐ ａ ｅｍａ ｃ ｉ ｇ ｔｃ ｎ ｑ ｅ Ｆｒ ｔ ｓ ｉ ｏ ｏ ｆ ｒ ｔ ｎ ｉ ｓ ｄｔ ｅ ｍｅ ｔ ｅ ｍｐ ｏ ｅ ａ ｃ ｄ ｄ ｃ ａ ｓｆ ｒ ｓ ｄ ｏ ａ ｏ ｓ ｈ ｔ ｉ ｂ ｗｉ ｅ ｌｔ ｔ ｈ ｎ ｈ ｉ ｕ ． ｉ ， ｋ ｎ ｃ ｌ ｒ ｎ ｏ ｍａ ｉ ｕ ｅ ｓ ｇ ｎ ｅ ｓ ｉ ｏ ｓ ｏ ｈ ｔ ｎ ｎ ｓ ｉ — ｏ ｏ ｉ ｅ ｓｆｏ ｔ ｅ ｉ ｇ ． Ｔ ｅ ｅ ｆｃ ａ ｄ ｄ ｔ ｓａ ｅ ｏ ｔｉ ｅ ｙ ａ ｏ －ｋ ｎ ｃ ｌ ｒｐ ｘ ｌ ｒ ｍ ｈ ｍａ ｅ ｈ ｎ ｔ ａ ｅ ｃ ｎ ｉ ａ ｅ ｒ ｂ ａ ｎ ｄ ｂ ｎ ｉ ｒ ｖ ｄ ｃ ｓ ａ ｅ ｌ ｓｉ ｅ ａ ｅ ｎ Ａｄ ｂ ｏ ｔ ｈ ｍｐ ｏ ｅ ａ ｃ ｄ ｄ ｃ ａ ｓｆ ｒｂ ｓ ｄ ｏ ａ ｏ ｓ ｉ
基于肤色分割及特征定位的人脸检测算法研究
基于肤色分割及特征定位的人脸检测算法研究作者：张书真宋海龙向晓燕来源：《现代电子技术》2008年第14期摘要：针对复杂彩色图像提出一种快速有效的人脸检测算法。
首先通过一种新的色彩均衡技术消除由光照引起的色彩偏移，然后采用I空间与归一化RGB空间相结合的混合肤色模型，提取出原图像中的类肤色区域，最后根据人脸的几何特征定位眼睛、嘴巴和人脸区域。
实验结果表明，该算法能较为准确地定位彩色图像中的正面或小角度偏转的人脸，具有较快的检测速度。
关键词：人脸检测；色彩均衡；肤色模型；特征定位，，(1College of Physics cience & Information Engineering,Jishou[JZ]2College of Information Management & Engineering,JishouUniversity,Zhangjiajie,427000,China )[J12/3]Abstract：A face detection algorithm for the color image with complex background is presented,which is effective and feasibleFirstly,a new technique of color balance is used to remove the color bias produced by light conditionecondly,a mixed model in both I and normalized RGB colorskin color segmentation,the geometrical shape information of face is used to locate eyes mouth the face regionExperimental results show that the proposed approach can detect positive or rotated facece detection isKeywords：1 引言人脸检测是模式识别与计算机视觉领域的一项热点课题，它广泛用于人脸识别、智能人机接口、视频会议等。
基于肤色模型的人脸检测算法
度分量分 离 的优 点 ， 但 由 于 它 可 以 从 Ｒ Ｂ格 Ｇ 式线 性变 化得 到 ， 以 所 直 接 应 用 于 物 体 色 彩 聚类分析 的情况 不 多 ， 相 比之下 ， 其 基础上 在 的变 换 模 型 的应 用 更 为 普 遍 ［ ３ １ 。 ２２高斯模型的建立 ． 由于通过采样得到的是离散 的 点 ，所 以如果 直接通过象 素 ｃ 、ｒ ｂ ｃ 的值来判断是否就是肤色象素是不 现实 的，需要通过数学方法建立一 个模型 ， 从而得到一个 函数 ， 输入一 个象 素的 Ｃ 、 ｒ ， 出该象 素是 ｂＣ 值 输 肤色象素的概率或者直接设置阈值 输出判断。假设肤色模型服从高斯 分布 Ｎ（ Ｃ）其 中 ： ｍ， ， ｍ是 ［ｂ ｃｌ 数学 期 望 ， ｅ ，ｒ的 Ｃ是 【ｂｃＪ 协 方 差 ， ｃ ，ｒ 的 即：
ｎ ｎ ｅ ｓ ａ ｅ ｎ ｔ ｅ ｄｉｃ ｓｉｎ ｏ ｋｎ ｏｏ ｍｏ ｅ ．Ｄｕ ｎ ｔｅ ｔｔｓｉｓ ｏ ｏ ａ ａ ｃ Ｄ ｃ ｉ ｈ ｓｕ ｓｏ ｆｓ ｉ ｃ ｌｒ ｄ１ ｉ ｒ ｇ ｈ Ｓａｉｔ ｆｓ ｍｅ ｓ ｍｐｌ ｋｎ ｏ ｂ ｉｄ ｉ ｇ ｌｂ ａｙ， ｃ ｎ ｕｌ ｈ ｓ ｉ ｏｏ ｃ ｅ ｓ ｉ ｔ ｕｌ ａ ｍａ ｅｉｒｒ ｗｅ ａ ｂ ｉ ｔ ｅ ｋｎ ｃ ｌｒ ｄ ｍｏ ｅ ａ ｄ ｕ ｉｇ ｔｅ ｄ ｌ ｎ ｓｎ ｈ ｍｏｐ ｏｏ ｉａ ｐｏ ｅ ｓ ｓｌｃ ｔｅ ｃ ｎ ｉａｅ ｅ ｉｎ ｒｈ ｌｇｃ ｔ ｒｃ ｓ ｅｅ ｔ ｈ ａ ｄｄ ｔ ｒｇｏ ．Ｔｈ ｎ ｔｅ ａ ｄｄ ｔ ｒｇｏ ａ ｅ ａｉａｅ ｂ ｈ ｉｅ ｆｃ ｍｅ ｄ ．Ｕｓｎ ｅ ｈ ｃ ｎ ｉａｅ ｅ ｉｎ ｃ ｎ ｂ ｖ ｄ ｔｄ ｙ ｔ ｅ ｅｇ ｎａ ｅ ｌ ￣ｏ ｉｇ ｔｉ ｔｏ ａ ｏ ｎｙ ｅ ｓ ｒ ｈ ａｃ ｒｃ ｆｔ ｅ ｄ ｔｃｉｎ ｂ ｔ ｅ ｖｒ ｔ ｅ ｄ ￣ｃ ｏ ｉｅ ｆｃ ｍｅｈ ｄｓ ｓｏ ｓ ａｃ ａ ｙａ ｄ ｎ ｈ ｈｓ ｍｅｈ ｄ ｗｅ ｃ ｎ ｎ ｔｏ ｌ ｎ ｕ ｅ ｔ ｅ ｃ ｕ ａ ｙ ｏ ｈ ｅｅ ｔ ｕ ｇ ｔｏ ｅ ｈ ｅ ｔ ｆ ｅｇ ｎ ａ ｅ ｏ ｔｏ ｌｗ ｅ ｒ ｈ ｓ ａ ｐ ｒ ｍｉ ．Ｉ ｔｅ ｅ ｄ ｏ ｈ ｐ ｐ ｒｂ ｉｇ ｏｗａｄ ａ ｕｎｎａｙ ａ ｏ ｔｈ ｗ ｏ ｅ ｐ ｎ ｔｅ ｄ ｔｃｉｎ ｓ ｓｅ ａ ｄ ｕｈｏ ｔｅ ｆｌ ｗ－ ｐ ｗｏ ｋ ｎ ｆ ｔｅ ａ ｅ ， ｒｎ ｆｒ ｒ ｓ ａａｒ ｂ ｕ ｏ ｔ ｘ ａ ｄ ｈ ｅｅ ｔ ｙ ｔｍ ｏ ｎ ｏ ｔ，ｋ ｈ ｏｌ ｏ ｕ ｒ．
基于肤色的人脸检测与识别的开题报告
基于肤色的人脸检测与识别的开题报告一、选题背景现如今，随着计算机视觉、图像处理、模式识别等技术的发展，人脸识别技术得到广泛应用于人们的生产生活中。
以认证安全为主要目的的人脸识别技术对于保障信息安全和提高社会治安有着重要的作用。
目前，人脸识别技术已经在智能门禁、考勤打卡、身份识别等方面广泛应用，并且逐步拓展至金融、医疗、教育、旅游等各个行业。
但是，人脸识别技术并非完美无缺。
一个大问题是，传统的面部识别算法不能很好地应对人脸的不同肤色或肤色的变化，这可能导致面部识别精度的下降。
因此，如何实现基于肤色的人脸检测与识别已成为目前人脸识别技术需要解决的难点。
基于以上背景，我们选择了“基于肤色的人脸检测与识别”作为我们的开题报告研究方向。
二、研究目的我们的研究目的是设计并实现一种基于肤色的人脸检测与识别的算法，以提高面部识别的准确性和可靠性。
三、研究内容1.基于肤色的人脸检测技术的研究：首先，我们将研究安静条件下不同肤色的人脸图像，在此基础之上将分析采用不同的人脸像素分割算法，对不同肤色分别进行图像预处理，并极力使其待检测的区域从图像噪声中分离出来。
2.人脸识别技术的研究：在肤色检测的基础上，我们将采用多种面部识别算法，如LBP，PCA等，对去除噪声的图像进行进一步处理，以获得相应人脸特征，从而实现不同肤色人脸识别。
3.数据收集与评估：我们将通过调查问卷、网络爬取、直接收集等方式，获得不同肤色群体数据集，进行实验测试，评估算法的检测和识别效果。
四、研究意义本研究将有助于提高人脸识别技术的普适性和准确性。
通过对肤色的分析与处理，我们将可以更好地处理跨肤色、光照变化等因素对人脸识别的干扰。
本研究可应用于各种实际场景中，如公共安全、金融、医疗、交通出行等领域。
同时进一步推进计算机视觉等领域的发展，有推动科技发展的积极意义。
五、研究方法我们将采用以下方法进行研究：1.调研现有文献，熟悉基于肤色的人脸检测与识别技术的发展历程及相关知识。
固定场景中基于肤色信息的人脸检测
位 。 实验 数据 表 明 ， 方 法对 固 定 场 景 中 的人 脸检 测 具 有 较 好 的 鲁 棒 性 ， 姿 态 、 情 、 龄 都 有 较 强 的 适 应 性 ， 具 该 对 表 年 并
有 一定的实时性。
关 键 词 ： 分图像 ；Ｓ Ｎ 滤波； 色分割 ； 圆模板 ； 差 ＨＥ 肤 椭 人脸检测
在 ＹＣ Ｃ 模 型 （ Ｙ代 表 亮 度 、 表 蓝 色 差 、 表 Ｃ代 Ｃ代 红 色差 ） 的人 脸 肤 色 有 很 强 的 聚 类 性 ， 且 它 们 之 间 也 中 并 具 有 相 关 性 ， 同人 的肤 色 集 中在 Ｃ ， 间 中 的 一 个 很 不 Ｃ 空 小 区 域 ， 取 适 当 的 Ｃ 和 Ｃ 值 就 能 将人 脸 从 复 杂 的 背 景 选
中 图分 类 号 ： ３ １ ＴＰ ９
文献标识码 ： Ａ
文章 编 号 ：６ ２７ ０ （ ０ ２ ０ ３０ ４ — ２ １ ７ — ８ ０ ２ １ ） ０ — １ ９０ １ ， 左 边 的 峰 为 背 景 ， 边 的 峰 为 运 动 目标 ，要 从 图 像 ）且 右
０ 引言
随 着 智 能 化 信 息 技 术 的发 展 ， 频 监 控 、 程 教 育 、 视 远 人
第１卷 第３ ｌ 期
２１年 ａ ０２ Ｍ
软 件 导 刊
Ｓ ｔ ａ ｅ Ｇｕｉ ｏｆｗ ｒ ｄｅ
ＶＯ１ １ ． １Ｎｏ． ３ Ｍａ． ｒ ２０１ ２
固 定 场 景 中 基 于 肤 色 信 息 的人 脸 检 测
饶 彦
（ 州民族 学 院 理 学 院 ， 州 贵 阳 ５ ０ ２ ） 贵 贵 ５ ０ ５
位 置 ， 及 面 部 特 征 信 息 等 。现 在 人脸 检 测 的 应 用 背 景 已 以
基于肤色建模和眼睛亮度检测的人脸定位技术研究
基于肤色建模和眼睛亮度检测的人脸定位技术研究摘要：提出了基于肤色建模和眼睛亮度检测的方法对彩色图像中的人脸进行检测。
在检测前，先对图像进行光线补偿，再通过肤色模型获得可能的脸部区域，最后根据眼睛在人脸固有位置亮度检测人眼，最终确定人脸区域。
通过实验测试说明，该方法对人脸的检测达到了较好的效果。
关键词：人脸检测；光线补偿；肤色建模人脸作为图像与视频中重要的视觉对象之一，是智能人机接口等许多应用的处理目标对象。
近年来，人脸检测技术在模式识别、计算机视觉、人机交互等诸多领域引起了普遍重视。
人脸检测技术在计算机视觉等领域的研究中有着重要的意义：一方面，将人脸作为基本视觉对象来考虑，是自动检测与人脸识别、人脸跟踪、表情识别、人脸合成与人脸编码、唇读等技术的必要前提；另一方面，人脸检测技术有着从智能安全监控、电子商务、视频会议和远程教育、基于内容的检索等诸多领域的广泛应用。
人脸检测是指在使用计算机在输入图像中判断人脸是否存在，若存在，确定人脸的大小、位置。
人脸检测系统的输入可能包含人脸图像，输出是关于图像中是否存在人脸及人脸数目、位置、尺度、姿态等信息的参数化描述。
具体地说，就是根据一定的算法确定输入图像是否存在人脸，如果存在的话，标出人脸的位置作为人脸检测系统的输出。
1 肤色建模肤色是人脸最重要的信息，而且肤色不受面部细节特征、旋转、表情变化以及饰物遮挡等情况的影响。
不同种族、性别人的肤色差异主要体现在亮度上。
要提高肤色的聚类性就要消除亮度的影响。
经过实验验证，在YCrCb色彩空间下，利用肤色模型求相似度矩阵返回每个像素是否为肤色的概率Fmod。
获取矩阵的最大值对相似度矩阵进行归一化。
计算整张图片的亮度平均值。
归一化之后的每个矩阵点乘以255，如果该值仍然小于整张图片的Y分量平均值，则认为该点不是人脸的皮肤。
最后把认为是人脸皮肤的像素点置为白色，其余的点置为黑色，得到黑白二值图像。
其中，RGB色彩空间转换YCrCb色彩空间如式（1）所示，YCrCb 空间下肤色相似度Fmod计算如式（2）所示。
一种基于肤色的快速人脸检测算法
技术 ， 成 为 模 式 识 别 与 计 算 机 视 觉 领 域 内一 项 受 到 普 遍
重视 、 研 究 十 分 活 跃 的课 题 ｌ １ ｊ 。 国 外 从 事 自 动 人 脸 识 别 的研 究 与 实 践 较 早 ， 目前 有 许 多 研 究 机 构 在 从 事 人 脸 识
ｉ ｎ ｇ ，ｓ ｐ ｌ ｉ ｔ ，ｅ ｔ ｃ ． ，ａ ｎ ｄ ｔ ｈ ｅ ｎ ｌ ｏ ｃ ｋ Ｏ ｎ ｔ ｈ ｅ ｂ ｉ ｎ ａ ｒ ｉ ｚ ｅ ｄ ｉ ｍａ ｇ ｅ ｏ ｆ ｔ ｈ ｅ ｆ ａ ｃ ｅ ｒ ｅ ｇ ｉ ｏ ｎ ，ａ ｎ ｄ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｅ ｓ ｅ ａ ｃ ｈ ｚ ｏ ｎ ｅ ｉ ｓ ｉ ｎ ｌ ｉ ｎ ｅ ｗｉ ｔ ｈ ｔ ｈ ｅ ｐ ｒ ｏ ｐ ｏ ｒ ｔ ｉ ｏ ｎ ａ ｌ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ．Ｔ ｈ ｉ ｓ ｓ ｃ ｒ ｅ ｅ ｎ ｅ ｄ ａ ｒ ｅ ａ ｃ ａ ｎ ｉｌ ｆ ｔ ｅ ｒ ｏ ｕ ｔ ｎ ｏ ｎ — ｆ ａ ｃ ｅ ｉ ｍａ ｇ ｅ ｓ ．Ｅｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｉ ｓ ｍｅ ｔ ｈ ｏ ｄ ｉ ｓ ｆ ａ ｓ ｔ ，ｔ ｈ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｒ ａ ｔ ｅ ．
锁定 ， 并计 算 各 区域 是 否 符合 比例 参数 ， 这 样 筛 选 出的 区域 可 以过 滤掉 很 多非 人 脸 图像 。 实验 证 明这
种方法快速、 检 测率高。 关 键 词 ：人 脸 检 测 ； 图像 预 处 理 ； 肤 色分 割 ； 二 值 化
中 图 分 类 号 ：Ｔ Ｐ ３ ９ １ 文 献 标 识 码 ：Ａ 文 章 编 号 ：１ ６ ７ ４ — ７ ７ ２ ０ （ ２ ０ １ ３ ） １ ２ — ０ ０ ３ ８ — ０ ４
基于肤色和模板匹配模型的人脸识别新方法研究
颜 色 空 间 中 ， 同 人 种 肤 色 在 此 空 间 中 是 很 接 近 的 。 此 外 在 颜 色 空 不 间 中 ． 果 光 照 信 息 被 忽 略 ， 们 使 用 的 不 同 的 样 本 数 据 可 以 适 用 如 我 于 高斯 变换 。颜 色 可 以被 标准 的定 义 为 ：
条件。 因 为 光 照 信 息 是 Ｒ Ｂ 格 式 的 。 以 它 必 须 在 颜 色 空 间 中 被 描 述 。 在 Ｇ 所
文 区 域 中 划 分 出 来 ， 个 肤 色 模 型 必 须 满 足 所 有 的 肤 色 和 不 同 的 光 照 果 ． 中 通 过 使 用 这 种 技 术 进 行 肤 色 分 割 的 的 图 像 可 见 图 ２ 这
这 种 疑 似 可 能 的 皮 肤 图 像 的 是 一 幅 灰 度 图 ， 其 像 素 的 的 灰 度 值
及 简单 阈值方 法 把 可能 是 肤 色的 区 域从 非肤 色 的 区域 中被 分 离 ， 得 代 表 了其 本 身 属 于 肤 色 的 可 能性 的大 小 ， 因此 ， 个 肤 色模 型 作 用 这 使 到 灰度 图像 ；第 二 步 在肤 色 区域 的正 面人 脸 被定 位 。 通 过 上 述步 是 把 一 张 彩 色 图 像 转 换 为 一 张 灰 度 图 ， 得 灰 度 图 每 个 像 素 的 灰 度 值 表示 该像 素属 于皮肤 区域 的概 率 。 骤 。 度 值 图 像 中 肤 色 区 域 从 非 肤 色 区 域 中 被 分 割 出 来 ． 像 中 亮 灰 图
同 用 于 不 同 人 种 及 不 同 光 照 条 件 下 的 肤 色 模 型 是 需 要 的 ． 面 将 介 绍 制 的 版 本 的 灰 度 值 图 像 ， 时 各 区 域 被 做 了 标 识 。 分 割 可 通 过 使 用 下
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
doi：10.3969/j.issn.1671-1122.2012.07.018基于肤色特征的人脸检测技术研究商喜喜1,2，修春波1,2（1. 天津工业大学电气工程与自动化学院，天津 300387；2. 天津工业大学电工电能新技术天津市重点实验室，天津 300387）摘 要：文章提出一种多人脸图像中人脸检测与定位方法，将图像从RGB色彩空间转换到YCrCb 色彩空间中，根据肤色点在CrCb空间中的分布情况进行肤色点检测，并滤除肤色检测后的孤立噪声，利用势函数方法获得人脸候选区域。
然后，根据人脸的结构特征对候选区域进行人脸区域的判别和定位，最终实现图像中多人脸的检测功能，并通过仿真实验证明了该方法的有效性。
关键词：人脸检测；肤色；势函数；色彩空间中图分类号：TP393.08 文献标识码：A 文章编号：1671-1122（2012）07-0064-02Face Detection based on Skin ColorSHANG Xi-xi1,2, XIU Chun-bo1,2( 1. School of Electrical Engineering and Automation, Tianjin Polytechnic University, Tianjin 300387, China;2. Key Laboratory of Advanced Electrical Engineering and Energy Technology, Tianjin Polytechnic University,Tianjin 300387, China )Abstract: A face detection and location method is proposed to fi nd multiple faces in a image. The image is change from RGB color space to YCrCb color space. The skin pixels can be detected according to their distributionin YCrCb color space. And isolated noise point can be fi ltered. The possible face areas can be determined by thepotential function method. The face areas can be determined according to the face structural characteristic from thepossible face areas. Thus, multiple faces detection can be realized. Simulation results prove it’s valid.Key words: face detection; skin color; potential function; color space0 引言人脸检测是模式识别与机器视觉领域的重要研究内容之一[1-3]，是实现人脸自动识别的第一步，在人脸识别、视频会议、智能监控系统以及人机交互和医疗诊断等领域具有重要的应用价值[4-7]。
目前，人脸检测的常用方法有基于特征的方法、基于统计的方法、基于知识的方法以及基于模板匹配的人脸检测方法等[8-11]。
基于知识的检测方法通常具有较快的检测速度，但不适用于多姿态的人脸检测。
基于模板的人脸检测方法稳定性较高，检测结果具有良好的鲁棒性，但计算量较大，检测速度不高。
基于特征的方法是在检测区中需找人脸特征，以此来确定人脸的位置，这种方法可处理较大尺度和视角变化的人脸检测问题。
但由于光照和噪声的影响，很难存在相对稳定的特征，从而影响了该类方法的应用效果。
基于统计的方法通常具有较大的计算量，而且在样本采集以及训练过程中都存在着一定的困难，因此限制了这类方法的使用范围。
本文结合势函数模式识别方法以及肤色检测方法，提出一种新的人脸检测方法，能够较快、较准确地完成多图像的人脸检测功能。
1 肤色检测首先在给定图像中进行肤色检测。
RGB色彩空间是最常见的颜色空间。
在RGB空间中，色度信息和亮度信息是混合在一起的，不适合于肤色模型。
为了增强肤色分割对光照条件变化的鲁棒性，采用亮度信息和色彩信息相分离的YCrCb色彩空间，利用色度和饱和度信息进行判别。
RGB空间到YCrCb色彩空间的转换矩阵为： (1)收稿时间：2012-05-13基金项目：天津市自然科学基金资助项目[10JCYBJC07500]作者简介：商喜喜（1978-），男，河北，硕士研究生，主要研究方向：人脸识别；修春波（1978-），男，黑龙江，副教授，博士，主要研究方向：目标识别与跟踪设计。
图像二值化处理操作如下： (2)其中，M(i, j)为图像(i, j)位置二值化后的像素取值，[Cb min,Cb max]和[Cr min, Cr max]分别为YCrCb色彩空间中人脸肤色Cb与Cr的取值区间。
经过多次图像采集，对肤色样本在CrCb中的分布进行统计，可得其分布范围为： (3)即肤色点在CrCb空间中基本分布在上述的矩形区域内。
由于图像的复杂性，通过肤色检测得到的二值化图像中会存在噪声。
通过滤波处理去除图像中的孤立噪声。
如果某点的像素值为0，且与其相邻的8个像素值都为1，则该像素为肤色区域中的孤立噪声，将其像素值置为1；如果某点的像素值为1，且与其相邻的8个像素值都为0，则该像素为非肤色区域中的孤立噪声，将其值置为0。
经过上述处理后，可在图像中获得若干个肤色区域。
2人脸候选区检测通过去噪处理后，采用势函数聚类分析方法确定图像中人脸候选区域的数量及中心位置。
将滤波后的二值化图像中的所有像素值为1的像素点构成点集V={v i(x i, y i)}，i=1,2,…,N。
以点集中的每个像素点为中心，构造N个位势函数：…（4）将所有位势函数求和构造目标函数： (5)当目标函数的某个局部极大值大于设定的阈值F0时，该局部极大值的位置确定为一个人脸候选区域的中心点。
也就是说，设二值图像中的点v c(x c, y c)附近的点集为{v j(x j, y j)，j=1,2,…,H}，如果F(vc)>F0，且F(v c)> F(v j)，j=1,2,…,N，则点vc(x c, y c)确定为一个人脸候选区域的中心点。
3 人脸区域的检测与定位根据人脸候选区域中心点位置，确定出人脸候选区域的范围。
即从中心点像素开始，依次逐渐向上、下、左和右四个方向扫描各像素值，设点v b(x b, y b)的像素值为1，该点之后连续Z个像素点的像素值都为0时，则将点v b(x b, y b)确定为边界点。
根据边界点的位置，可确定出以人脸候选区域中心点为中心的候选区域内接矩形范围。
根据下列三个人脸的结构特征条件判断该候选区域是否为人脸区域。
条件1：区域大小判别。
计算人脸侯选区域的大小，将小于阈值的人脸候选区域判定为非人脸区域。
将大于阈值的人脸候选区域进行条件2的判别。
条件2：进行人脸长宽比例的判别。
按照上述方法确定的人脸候选区域的长为|y d-y u|，宽为|x r-x l|，设人脸长宽比例的上下限为q min和q max，如果人脸的长宽比例符合式(5)，则进行条件3的判别，否则该区域判别为非人脸区域。
（6）条件3，区域内特征判别。
由于人脸候选区域是基于肤色检测的方法确定的，因此在人脸候选区域中，眼睛、眉毛、鼻孔、嘴巴等位置可能会被判别为非肤色区域，其像素值为0。
按照人脸中非肤色区域与肤色区域的比例关系判别该人脸候选区域是否为人脸。
即统计人脸候选区域内像素值为1的数量P1和像素值为0的数量P2。
如果p min≤(P2/P1)≤p max，则该区域确定为人脸区域，其中p min和p max为人脸中非肤色像素数量与肤色像素数量比值的上下限阈值。
否则判别该区域为非人脸区域。
将同时满足上述三个条件的候选区域确定为人脸区域，从而完成给定图像的人脸检测和定位。
4 仿真实验从图1(a)中给出的人脸检测原始图像可以看出，待检测的图像中包含多个人脸。
而且图像的背景也较为复杂，部分背景与肤色接近。
经过肤色检测后，如图1(b)所示，所获得的二值化图像中将与肤色相接近的部分背景区域误判别为肤色。
经过滤波后，孤立噪声可被滤除，如图1(c)所示。
利用势函数聚类分析和人脸结构特征判别后，正确检测和定位出图像中人脸的位置如图1(d)所示。
由此可见本文所述方法能有效完成对给定人脸检测和定位。
图1 多人脸检测结果采用本文方法对300幅包含人脸的图像进行检测，所得结果如表1所示。
从仿真实验可以看出，本文方法具有更好的检测与识别效果。
表1 人脸检测实验对比结果方法正确率%误检率%漏检率%神经网络方法90.25.7% 4.1模板匹配方法92.7 4.3 3.0本文方法95.1 3.9 1.0下转第97页刘威，王永伦（国家计算机病毒应急处理中心，天津 300457）2012年5月计算机病毒疫情分析根据国家计算机病毒应急处理中心对互联网的监测，2012年5月计算机病毒整体感染情况呈平稳态势，主要传播途径仍以 “网络钓鱼”和“网页挂马”为主。
1 计算机病毒总体情况2012年5月，国家计算机病毒应急处理中心共发现病毒695152个，比4月上升2.2%，新增病毒105382个，比4月上升5.6%，感染计算机59860247台，比4月上升15.4%，主要传播途径仍以“网络钓鱼”和“网页挂马”为主。
2 计算机病毒动态1）5月“Hosts劫持者”病毒出现新变种，该变种利用网络挂马进行传播，采用ROOTKIT技术通过删除活动进程链表实现进程的隐藏；该变种被激活后会静默连接恶意攻击者指定的服务器，根据返回的命令执行相应的操作，同时利用被感染计算机内安装的通讯工具进行传播；除此之外，该变种还会修改被感染计算机的Hosts文件，向其中添加一些与计算机安全相关的站点，利用映像劫持技术来屏蔽被感染计算机与这些站点之间的连接。
2）5月恶意广告程序出现新变种Win32.Trojan.Invader.pepw，该变种通过网站挂马或下载器进行传播，感染计算机用户后会从恶意攻击者指定的链接获取弹窗广告地址。
该变5结论本文以肤色检测为基础，采用势函数模式识别理论实现了多人脸图像中人脸检测与定位；采用亮度信息和色彩信息相分离的YCrCb色彩空间可有效提取肤色像素，经过噪声滤波后，采用势函数法确定出人脸候选区域，根据人脸的结构特征条件确定出图像中人脸的位置。