基于ＹＣｇＣｒ顏色空間的光照自適應的膚色區域檢測

摘要:為了校正由于光源顏色變化而引起的圖像色彩的偏差，在RGB顏色空間基于Gray World假設，采用顏色平衡方法對輸入的彩色圖像進行顏色校正;為了有效地檢測彩色圖像中的膚色區域，采用了新顏色空間YCgCr，并在該顏色空間建立了聯合亮度信息和Cg－Cr色度查找表的膚色模型。大量實驗結果表明，該模型具有較強的光照適應性，可應用于復雜環境下的彩色圖像中的人體膚色區域檢測。

關鍵詞:膚色模型; RGB顏色空間; YCgCr顏色空間; 膚色檢測; 光照自適應

中圖分類號:TP391.41文獻標志碼:A

文章編號:1001－3695(2008)02－0467－02

0引言

膚色信息作為人體表面的重要特征之一，在基于彩色圖像的人臉檢測與跟蹤#65380;手勢識別和基于內容的不良圖像過濾等應用中，起著非常重要的作用。研究表明，人體的膚色在一定的顏色空間內能夠聚成一類[1~3]，即在某一顏色空間中，抽取亮度信息后，膚色會收斂于一個小色度區域。膚色在顏色空間中的聚類特性，是基于膚色檢測和分割應用的基礎，并且它不會因為人體方向#65380;姿勢和大小的改變而變化。因此，利用膚色來檢測人體皮膚區域是一個快速#65380;可靠的方法。

最廣泛使用的顏色模型是RGB表示法，在該模型中顏色被定義為由R#65380;G#65380;B三個主分量組成。在該顏色空間中，膚色對光照變化非常敏感，因為在該顏色空間中R#65380;G#65380;B各分量均包含了亮度信息，它們之間存在著很大的相關性，而這種相關性，不利于膚色的檢測和分割。因此改變對光照變化敏感的方法就是將RGB顏色空間的圖像轉換到亮度和色度分離的顏色空間。

Carcia等人比較了膚色在YCgCr和VHS顏色空間中的聚類結果[1];Cai等人介紹了在CIE Lab顏色空間中的聚類結果[2]，認為CIE Lab顏色空間比RGB和VHS顏色空間具有更好的認知均勻性。這些方法在某種特定條件下均比較成功，但均未考慮到環境光照對膚色檢測的影響。Chai等人假設非膚色區域具有均衡亮度的前提下檢測人臉[4]，該方法不適合于復雜背景下的膚色區域檢測。

本文采用了YCgCr顏色空間建立了膚色模型，并且考慮了光照的影響，能夠對于復雜環境下的膚色進行檢測，具有較強的適應性。

1YCgCr顏色空間

文獻[5]中比較了九種不同的顏色空間，得出的結論是TSL顏色空間在單高斯模型和混合高斯模型下提供了最好的結果。YCbCr顏色空間[6]具有與人視覺感知的一致性#65380;與TSL顏色空間一樣膚色聚類效果好及亮度和色度相互獨立的特點，所以YCbCr顏色空間是經常被使用的建立膚色模型的空間。

膚色在YCgCr顏色空間比在YCbCr顏色空間具有更好的聚集性，因此本文采用了一種基于YCbCr的新顏色空間YCgCr。YCgCr顏色空間類似于YCbCr顏色空間，是離散的顏色空間，來源于國家電視標準委員會制彩色電視信號的傳輸。其中:Y代表圖像的亮度信息，Y∈[16，235];Cg和Cr分量代表顏色信息，Cg，Cr∈[16，240]。該顏色空間將RGB分解成亮度信息和色度信息，分別進行處理。其轉換公式如下:

2顏色平衡及自適應膚色模型的建立

2.1顏色平衡介紹

在膚色區域檢測的方法中，大多數方法只考慮了白色光源，在有色光源的情況下，均不能正確檢測到膚色區域，從而會影響基于膚色檢測的后續工作。當光照發生變化時，Y#65380;Cg和Cr色度分量較標準圖像會發生位置偏移，其范圍也發生變化，如圖1所示。

要使膚色檢測模型能夠適應光源顏色的變化[7]必須要進行光照補償及顏色平衡校正。顏色平衡過程:決定特定場景的光照強度，然后調整圖像的紅#65380;綠#65380;藍三個分量的強度，恢復圖像場景的原始顏色特征。對于大多數圖像來說，不能精確決定環境的光照條件，所以本文采用Gray World假設方法[8]對彩色圖像進行顏色平衡。

顏色平衡方法具體計算步驟如下:a)計算圖像的R#65380;G#65380;B三分量各自的總和，sumR#65380;sumG#65380;sumB;b)計算R#65380;G#65380;B各分量的調整系數，令aR=sumG/sumR，aG=sumG/sumG=1，aB=sumG/sumB;c)利用調整系數調整圖像的R#65380;G#65380;B三分量值:R=R×aR;G=G×aG;B=B×aB;d)將調整后圖像的R#65380;G#65380;B三分量值大于255的值調整為255。

2.2自適應膚色模型的建立

GarciaTziritas基于膚色信息在CbCr色度空間的分布建立膚色模型，而忽略了亮度信息，認為膚色在YCbCr顏色空間分布與亮度信息無關，僅與色度信息有關。該模型僅適用于標準光源均勻照射的情況，當光源種類偏離標準光源時，或者當光照不均勻產生高光[9]和陰影時，就不能正確檢測膚色區域。亮度信息是否對本文的目標檢測有意義?回答是肯定的，因此，本文在建立膚色模型時考慮了亮度信息。

膚色模型是在一定顏色空間描述膚色分布規律的數學模型，它是膚色檢測的前提。本文手工剪裁了105幅膚色圖片，共765 188個膚色像素點，包含亞洲和歐美洲人，有較寬的亮度范圍，進行膚色分布統計，在YCgCr顏色空間中統計的亮度范圍為50≤Y≤235，Cr和Cg的聚類圖如圖2所示。

為了能夠檢測到所有真膚色區域，而包含盡可能少的偽膚色區域，本文采用亮度信息聯合色度查找表法進行膚色區域檢測，Cg－Cr色度查找表在統計膚色時生成。

由圖3可知，利用本文提出的膚色模型檢測到的膚色區域效果比固定閾值法檢測到的膚色區域的效果好;(b)中為膚色區域比(c)多，在(b)中頭發被誤檢為皮膚。

3實驗結果分析

Garcia等人討論的膚色值和光源的光譜成分密切相關[1， 9]，因此膚色聚類效果只能應用于特定的光照條件下，且不能有高光和陰影的影響。本文采用了較寬的亮度范圍，所以膚色模型能夠適應較強和較弱的光照，如圖4所示。(a)是包含高光和陰影的原圖;(b)是膚色檢測結果。由檢測結果可知，該膚色模型具有較強的光照魯棒性。

有色光源下經過顏色平衡后的實驗結果如圖5和6所示。

由于篇幅關系，本文只給出了部分實驗結果。通過實驗結果可知，經過顏色平衡校正后色彩偏移得到了校正，能夠正確地檢測到皮膚區域。

4結束語

膚色具有以下優點:較低的計算量，適合于實時應用;對于部分遮擋和幾何變形，有較強的魯棒性。因此膚色常被用于檢測人臉和手等膚色區域。但是，顏色特征對于光照的變化很敏感，因此，基于膚色檢測方法在實際應用前必須排除光照對膚色特征的影響。本文提出的膚色檢測方法，考慮了以下問題:基于Gray World假設，在RGB顏色空間采用顏色平衡方法對輸入的彩色圖像進行顏色校正;從常用的顏色空間中選擇了色度信息和亮度信息分離的YCgCr顏色空間，建立了聯合亮度信息和膚色色度查找表的膚色模型;提出了光照自適應的膚色區域檢測方法。

實驗結果表明，本文的方法具有較強的光照適應性，可應用于復雜環境下的彩色圖像中的人體膚色區域檢測。

由于類膚色背景物體的存在，產生偽膚色區域，這是任何一種基于顏色信息的膚色模型中均不可避免的。因此，單純地依靠膚色信息實現彩色圖像中皮膚區域的檢測是不夠的，筆者下一步的工作就是在本文工作的基礎上，盡可能多地檢測出膚色區域(包含所有真膚色區域，而包含盡可能少的偽膚色區域)，然后根據具體應用，結合其他特征信息去除偽膚色區域，縮小后續工作的搜索空間。

參考文獻:

[1]GARCIA C， TZIRITAS G. Face detection using quantized skin color regions， merging and wavelet packet analysis[J]. IEEE Trans on Multimedia， 1999，1(3):264－277.

[2]CAI J， GOSHTASBY A， YU C. Detecting human faces in color images[C]//International Workshop on Multi－Media Database Management Systems. 1998:124－131.

[3]YANG M H，AHUJA N. Detecting human faces in color images[C]//Proc of IEEE Int’l Conf Image Processing. 1998:127－130.

[4]CHAI D，NGAN N.Locating facial region of head－and－shoulders color image[C]//In Int’1 Conf Automatic Face Gesture Recognition PDI. 1998:124－129.

[5]TERRILLON J C， SHIRAZIM N， FUKAMACHI H， et al. Comparative performance of different skin chrominance models and chrominance spaces for the automatic detection of human faces in color images[C]//Proc of the 4th IEEE International Conference on Automatic Face and Gesture Recognition. 2000:54－63.

[6]PHUNG S L， BOUZERDOUM A， CHAI D. A novel skin color model in YCbCr color space and its application to human face detection[C]//Proc of International Conference on Image Processing. 2002:289－292.

[7]HSU R L， ABDEL－MOTTALEB M， JAIN A K. Face detection in co－lor images[J]. IEEE Trans on Pattern Analysis and Machine Intelligence， 2002，24(5):696－706.

[8]WHITTAKER R. Television production: color balancing cameras[EB/OL].[2006－05－30].http://www.cybercollege.Com/tvp018.htm.

[9]朱瑾，陳鍛生.基于膚色和可調試搜索窗口的人臉檢測技術[J].計算機應用，2004，24(6): 154－156.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”