数字图像识别在人脸检测中的应用摘要：利用数字图像模式识别技术实现了人脸的自动检测及特征定位。对数字图像处理中的颜色模型、肤色建模的原理及在人脸识别中的应用进行了概述，分析了人脸识别过程中存在的困难，展望了人脸识别技术的发展方向。关键词：数字图像；颜色模型；肤色建模；人脸识别；特征定位：TP391文献标志码：A：1006-8228(2012)05-37-02TheapplicationofdigitalimagerecognitioninfacedetectionChenYunping（SchoolofComputerEngineering,HuaiHaiInstituteofTechnology,激angsu,Lianyungang222005,China）Abstract：Focusingontheintroductionofcolormodel,skin-colormodeltheoryapplicationinfacerecognition,theanalyzesthedifficultiesinfacerecognitionandlookintothefuturedevelopmen---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---toffacerecognitiontechnique.Meanwhile,theachievesthegoaloffaceautomaticdetectionandfeaturelocationbasedonthedigitalimagerecognitiontechnique.Keywords：digitalimage；colormodel；skin-colormodel；facerecognition；featurelocation0引言模式识别是利用计算机模仿人的识别能力，根据模式的特性，将其判定为某一模式类的技术。人脸识别检测是指在图像或视频中鉴别人脸是否存在，若存在，确定人脸的位置及大小。人脸识别检测在视频监控、数字视频处理中被广泛应用。将数字图像模式识别技术应用到人脸的自动检测中，运用算法寻优阈值，目的在于提高人脸检测的精度和效率。1图像识别在人脸检测中的应用目前，人脸检测技术主要有三大类：①基于肤色的检测方法。这种方法是利用环境和人脸肤色的颜色反差，将背景环境和人脸肤色区分开来。②基于形状的检测方法。通过人脸和五官的形状信息，在数字图像中用一些形状模式与人脸进行匹配，从而进行人脸检测。③基于统计理论的检测方法。这种方法是利用机器学习和统计分析的方法找出非人脸---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---样本和人脸样本各自的统计特征，再通过各自的特征构建分类器完成人脸检测。1.1人脸识别概述人脸识别涉及计算机图像处理、模式识别、统计学和人工智能等众多学科，具有很高的研究价值。在一个完整的人脸识别系统中，人脸检测和人脸识别是相对独立的两个技术环节。人脸检测是在输入图像中确定人脸（如果存在）的位置、大小等信息[1]。人脸检测系统的输入信息可能不包含人脸的图像，也可能包含人脸的图像，输出是关于图像中是否存在人脸和人脸的大小、位置、表情等信息的参数。通过人脸检测技术，可以将人脸图像从复杂的背景图像中检测出来，并对人脸图像尺寸及位置进行标准化，从而得到标准的人脸图像，为以后的计算机人脸识别处理提供相应的数据。肤色特征是人脸的重要信息，它不依赖于面部的细节特征，对于旋转、表情等变化情况都能适用，具有相对的稳定性，因此它是人脸检测中最常用的一种特征[2]。研究表明：尽管不同种族、不同年龄、不同性别的人的肤色看上去不同，但这种不同主要集中在亮度上。在去除亮度的色度空间里，不同人的肤色---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---分布具有聚类性，可以根据这种聚类性将人脸从背景中分割出来[3]。所以，基于肤色的人脸检测中最为关键的技术是建立肤色模型。1.2颜色空间颜色模型是颜色在三维空间中的排列方式。当前，图像处理中常用的颜色模型有RGB颜色空间、NTSC颜色空间、HSV颜色空间及YCbCr颜色空间等。1.2.1RGB颜色空间RGB颜色空间是彩色中最基本的颜色表示空间。它是通过红（Red）、绿（Green）、蓝(Blue)三种原色混合而产生其他颜色的。其中每种基色的亮度都由0-255表示。任何颜色都可以用红、绿、蓝3种基色来调制。由于R、G、B分量相关性太强，RGB颜色空间不容易直接建立肤色模型；并且亮度和颜色不相互独立，R、G、B三个基色不仅代表颜色，还表示了亮度。而在基于肤色的人脸检测中，为了把肤色区域同非肤色区域分离，需要使用适合不同肤色和不同光照条件的可靠肤色模型。所以，直接利...