摘要：本文首先对YCbCr色彩空间进行非线性分段色彩变换，得到YCb’Cr’空间对应的解析表达式子，然后分析了利用椭圆高斯模型对TSL空间肤色相似度进行计算的方法，最后将YCbCr 与TSL空间的优点，以肤色为一致性属性进行肤色分割，实验结果表明该算法提高了基于肤色的区域分割算法的有效性。
关键词: TSL、YCbCr、非线性色彩变换、椭圆高斯模型
人脸检测技术作为视频检测与监控、人机界面、人类情感研究系统的重要组成部分得到了广泛的应用，近年来已经作为独立的课题受到越来越多研究者的重视。人脸检测来源于人脸识别，它是人脸自动识别与表情识别系统中的一个重要环节，其目的是检测图像中的人脸并将其从背景中分割出来。为了提高人脸检测的效率，至关重要的一步就是肤色分割，也就是将肤色与非肤色区域分开。
一 基于YCbCr空间模型的肤色分割
YCbCr色彩空间是直接由RGB彩色空间线性变换而来的，所以其亮度分量并不是完全独立于色度信息而存在，肤色的聚类区域也是随Y的不同而呈非线性变化的趋势[1]。简单地排除Y的影响，在CbCr空间中寻找肤色聚类的区域是不可靠的。为了改善肤色模型的鲁棒性，在YCbCr色彩窄间中做一些变换。用4个边界来限制聚类区域可以很好地适应亮度过明或过暗的区域，从而使肤色模型的鲁棒性大大提高。非线性变换的过程[2][3]，如下：
；
；
和分别为和坐标系中肤色区域的中轴线，，。
;
表示坐标系中肤色区域的宽度，其中代表或，，，，，,。
；
；
表示在非线性色彩变换后新坐标系中的值，代表或，YCb’Cr’空间建立。它的解析表达式为：
，此式表示一椭圆，椭圆内的数值对应着肤色象素点，以此作为图象二值化的标准对图像进行分割。
其中
，，，，，，，。
二 基于TSL空间模型的肤色分割
采用椭圆高斯模型[4][5]表示在T-S坐标系上肤色分布概率的大小，即：
,
是描述皮肤的类，是肤色集的协方差矩阵，
，是从向量到肤色平均向量的马氏距离，即，把作为相似度来计算输入图像相对于肤色中心的相似度图。然后对相似度图进行均值滤波[6]，消除噪声，即可二值化相似度图。利用并行区域分割技术标记肤色区域。
三 结合YCbCr和TSL模型优点的肤色分割算法
利用以上俩种空间对彩色图像进行肤色分割时，TSL空间模型虽然具有良好的分割效果，但在黄色背景下，分割效果很差。YCbCr空间模型虽然能分割黄色背景，但很多类似于肤色的背景色也被划分为肤色区域。因此结合俩种空间模型的优点，得到一种新的肤色分割算法。其算法流程如下：
实验条件为：CPU P4 2.0GHz，内存2G，MATLAB6.5。实验结果表明该算法在简单背景、复杂背景下均具有良好的分割效果。
图1 待检测的图片与肤色分割二值图
参考文献
[1]Chiunhsiun Lin,Face detection in complicated backgrounds and different illumination conditions by using YCbCr color space and neuralnetwork,PatternRecognitionLetters, vo1.28, pp. 2190-2200, 2007.
[2]Karlekar J,Desai U B.Finding faces in color images using wavelet Transform.Proc.IEEE
Conf.on Image Analysis and Processing，Venice,Italy,1999,1085-1088.
[3]R.L.Hsu，M.A.Mottaleb，and A.k.Jain,Face detection in color images．IEEE Trans．Pattern
Analysis Machine Intelligence，2002，24(5);696-706．
[4]Julien M,Vlad P, Thiran J.P, Face detection with boosted Gaussian features, ICIP"2006 IEEE Computer Society, pp:473-478, 2006.
[5] Begard J, Allezard N, SaydP, Real-time human detectioninurban scenes: Localdescreptorsandclassifiersselection with AdaBoost-like algorithms,CVPR 2008,pp:674-680,2008.
[6]唐伟,陈兆乾,吴建鑫,周志华.静态图像中的人脸检测方法综述. 计算机科学，2002年02期