比较的肤色检测人脸识别的技术

k·迪维亚¹,B.L.Praksh²,Sreeja K.J³

PG学生,ECE称,Vignan研究所的信息技术、维萨卡帕特南,安得拉邦,India1
教授,ECE称,Vignan研究所的信息技术、维萨卡帕特南,安得拉邦,India2
副教授,ECE称,Vignan研究所的信息技术、维萨卡帕特南,安得拉邦,India3

文摘

肤色分类是一个关键的子集,必要时提取有用的部分图像可能包含部分的一个人。本文旨在比较不同色彩空间的效率(RGB, HSV, YCbCr)和比较,看看哪个最适合人体皮肤检测。肤色已经被证明是一个有用的和健壮的线索人脸检测、定位和跟踪。图像内容过滤、内容清楚视频压缩和图像色彩平衡应用程序也可以受益于皮肤图像的自动检测。

关键字

人类肤色检测、颜色模型,人脸识别,颜色模型的比较研究。

介绍

人类肤色检测的应用中发挥着重要作用皮肤分割、人脸识别和跟踪的安全。色彩分割是数字图像分析的一个重要方面。皮肤区域的识别,可以执行简单的检测对于一个安全的应用程序,或运用手势分析为了humancomputer交互(如控制或游戏)。电子肤色检测是通过分析不同属性的像素,将所学到的属性系统[1]。这些属性只是指一个像素的位置在一个色彩空间,定义了像素根据其红、绿和蓝色的内容,或者它的色调,饱和度、和价值,或任何参数从任何可能的颜色空间。

本文的目的是比较不同的颜色空间和效率来评价他们,哪一个是最好的人脸识别。皮肤检测是有用的人脸检测、跟踪安全与视频索引应用,基于模型的视频编码等。有一些困难当检测皮肤像素。肤色是受环境光的影响,在很多情况下是未知的;不同的相机产生不同的颜色,即使同一个人,在同样的照明和最后的皮肤颜色变化。的方法确定一些对象在一个大集合,描述了一些特殊类型的属性[2]。成像噪声可以出现斑点的皮肤颜色和许多其他对象像木头,库珀和一些衣服通常皮肤一样的困惑。

文献调查

一个方法建立一个分类器是定义明确的界限皮肤集群在一些颜色空间。很明显的优势,这种方法是简单的皮肤检测规则。主要的困难是在实现高辨识率[3]。其他方法的非参数建模估计皮肤颜色分布从训练数据没有得到显式模型的肤色。一个方法是设计和优化专门为皮肤检测在跟踪。这个任务让皮肤检测不同于静态图像分析在几个方面。

颜色模型

我们可以定义颜色模型的数字表示可能包含颜色,找到了不同的定义,定义是我们可以识别颜色,人类可以通过其属性,如:想象色彩色调和亮度[4]。颜色模型是系统测量颜色,可以被人类和结合的过程不同的值为一组原色。通常颜色模型有三个或四个颜色组件。不同的颜色空间可用于不同的应用程序。RGB颜色空间是最常用的颜色空间在数字图像。这是一个device-dependant颜色模型。编码颜色的添加剂组合三个原色:红(R)、绿(G)和蓝色(B) [5]。RGB颜色空间往往是可视化三维立方体,R, G, B三个垂直的轴。RGB空间的一个主要优点是它的简单。HSV是RGB颜色空间的转换及其组件和色度测量相对于从它派生的RGB颜色空间。 Typically, the first thing that is usually noticed about a colour is its hue. Hue describes the shade of colour and where that colour is found in the colour spectrum. Red, yellow and purple are words that describe hue. The next most significant aspect of colour is typically the saturation S. The saturation describes how pure the hue is with respect to a white reference. Finally a colour also has brightness. This is a relative description of how much light is coming from the colour. If the colour reflects a lot of light, it is said that it is bright. The image in RGB was converted to HSV colour space, because it is more related to human colour perception. Consider H with values ranging within a threshold and a mix of morphological and smooth filters to minimize the noise. The YCbCr colour space is widely used for digital video. In this format, luminance information is stored as a single component (Y) and chrominance information is stored as two colour-difference components (Cb and Cr) [6].

Cb代表了蓝色的组件和一个参考价值的区别。

Cr代表红色组件之间的差异和参考价值。

较研究颜色模型

在这篇文章中,每种颜色模型,提出有其自己的应用程序中,优点和缺点。设计一个系统,使用RGB色彩空间可以利用大量的现有软件例程,因为这个颜色空间已经存在许多年了。RGB是无效的在处理现实世界的图像和处理图像RGB颜色空间中通常不是最有效的方法。最令人信服的理由采用RGB工作流是增加打印提供者的能力“匹配原始”——RGB颜色空间只允许更大范围的颜色[5]。很明显,数据输入到设备越多,你越能输出。RGB是一种方便的颜色模型,计算机图形学,因为人类视觉系统在一种相似的方式工作虽然不太相同的RGB颜色空间。不需要转换,在屏幕上显示信息,因此它视为基本颜色空间用于视频显示的各种应用程序,因为添加剂财产被认为是计算实际系统。RGB颜色模型的缺点,这些非用于规范和对象识别的颜色。很难确定具体颜色RGB模型。RGB颜色模型的应用计算机图形学,图像处理、分析、存储。 HSV implementation over RGB is that unlike RGB, HSV separates luma, or the image intensity, from chroma or the colour information [7]. This is very useful in many applications. While performing histogram equalization of a colour image, for not getting strange colours it will separate the intensity component from colour components. HSV is often used simply because the code for converting between RGB and HSV is widely available and can also be easily implemented. HSV is often used simply because the code for converting between RGB and HSV is widely available and can also be easily implemented. While HSL, HSV, and related spaces serve well enough to, for instance, choose a single colour, they ignore much of the complexity of colour appearance. Essentially, they trade off perceptual relevance for computation speed, from a time in computing history when more sophisticated models would have been too computationally expensive. Application areas of HSV colour model are Human visual perception, Computer graphics, processing, Computer Vision, Image Analysis, design image, Human vision, Image editing software, Video editor. YCbCr is not an absolute colour space rather it is a way of encoding RGB information. The actual colour displayed depends on the actual RGB primaries used to display the signal. Therefore a value expressed as YCbCr is predictable only if standard RGB primary chromaticities are used. The YCbCr colour space is widely used in digital video, image processing etc.

在这种格式中,亮度信息是由一个单独的组件Y和颜色信息存储两个色差组件,Cb和Cr。这种方法在图像压缩是完美的。用于保存图像文件格式的图像。Y亮度可分别用于存储在高分辨率和色度分量分别治疗改善性能[8]。这颜色模型的缺点,彩色电视图像的色彩范围受到限制,因为所需的信息压缩图像显示。

结果和讨论

皮肤检测输出的RGB颜色空间技术

无花果(我)演示了web即捕获的图像。,input image which is given as the input for the pre-processing stage so that the skin detected image is obtained.

无花果(我,B)说明了图像预处理和检测后皮肤像素阈值和突出显示人类的皮肤和non-skin像素之间的区别。

无花果(我,C)说明了脸识别图像从皮肤检测得到图像和一个边界框的矩形是安装在脸上。

皮肤检测HSV颜色空间技术的输出

图(二)说明了脸识别图像HSV颜色空间技术。这张脸识别图像将从输入图像中获得更多皮肤像素的数量。

图(2 B)说明皮肤检测前处理后图像使用HSV颜色空间技术和形态学操作。

皮肤检测到YCbCr色彩空间技术的输出

无花果(iii)说明了从摄像头输入图像捕获,然后给出进一步预处理块,使用YCbCr图像分割技术。

无花果(三世,B)说明了肤色检测图像使用YCbCr空间技术。发现了这里,皮肤像素和non-skin像素没有检测到。

无花果(三世,C)说明了脸识别图像从皮肤检测图像这表明面对地区。脸检测完成哪里有更多的人体皮肤的像素数量。

肤色检测技术的比较

结论

因此从结果分析,我们可以说YCbCr给出了一个有效的输出与RGB和HSV肤色检测方法。之后,HSV高效最后RGB模型。RGB是容易的,可以申请更没有。的图像,但精度更少。正如我们前面所讨论的,RGB模型是不太有效的实时输入和检测类似彩色图像皮肤区域。检索图像所需的时间使用HSV颜色空间超过所需的时间检索的图像使用YCbCr色彩空间。

数据乍一看


图1	图2	图3	图4

图5	图6	图7	图8

引用

Kakumanu, P。,Makrogiannis, S., &Bourbakis, N., "A survey of skin-colourmodelling and Detection methods", Pattern Recognition, Vol. 40, pp. 1106 – 1122, 2007
拉斐尔·c·冈萨雷斯,理查德·e·伍兹。“数字图像处理”,第三版。2009年。
Rein-lien许Mohamed Abdel-Mottaleb& Anil k。耆那教徒,(2008)“彩色图像人脸检测”,IEEE模式分析与机器智能,第5期,第五,pp696 - 706, 2006。
r . m . Jusoh:兄弟,m . h . Marhaban和n·m·a .别名“皮肤检测基于RGB阈值和色相组件,“在IEEE工业电子&应用研讨会上,槟城,马来西亚,515 - 517年,2010页。
Che-Yen温、周Chun-Ming“彩色图像模型及其应用程序文档检查”,法医科学杂志。23 - 32 .Vol页。3 (1)。2004年。
d柴和k . n .颜”,面对可视电话应用程序,使用肤色分割图”IEEE反式。CSVT, 9卷,不。4,页551 -564年,1999年6月。
大肠Hjelmas和b . k .低,“人脸检测:一项调查,”计算机视觉和图像理解,83卷,没有。3、236 - 274年,2001页。
n Bojic和k·k·庞适应性皮头肩视频序列分割,“学报VCIP”, 2000年6月在2000年,澳大利亚珀斯。