势,预测受损帧人脸的位置,根据先验知识知道人脸内
的眼眉区域和嘴部的纹理方向是水平的,所以对于人脸
内五官区域的宏块采用双线性水平方向插值,对于背景
区域宏块采用自适应多方向插值算法.
根据正确接受帧预测受损帧人脸区域的示意图(如图1):
1.1 视频序列人脸区域定位算法
首先遇到的问题是如何在视频中检测出人脸并把
它从背景中分离出来,这是人脸识别问题,也是图像识
别中一项富有挑战性的难题.本文采用皮肤颜色分割[4]
图1 受损帧人脸区域预测
Research&Development
信息通信技术20
结合Adaboost算法[5]
检测实现对视频序列的人脸实时检
测,图2是本文所采用的脸部区域定位流程.
1.1.1 肤色分割
肤色特征具有不依赖于面部细节,对于旋转,表情
变化等不敏感等特点,且具有相对的稳定性,并且和大
多数背景物体的颜色都能够相互区别,所以在人脸检测
的过程中常常成为辅助的人脸定位的手段.本文提取人
脸候选区是在YCbCr色度空间中进行的,在YCbCr色
彩空间中,用Cb、Cr来表示颜色的二维平面上,肤色
区域相对很集中,可以用高斯分布来描述这种分布.计
算彩色图像中的各个像素属于肤色的可能性大小,即相
似度大小,其取值范围为[0,1].在计算各像素的肤色
相似度时,相似度模型的建立,本文采用的是二维正态
的联合分布率,利用了公式(1).
)]()(5.0exp[),( 1
MxCMxCCP T
rb = (1)
其中 , ,
=
46.29914.12
14.1213.160
C
计算完毕后,我们对其进行了统计,并且对所
求得的每个P(Cb,Cr)值进行了归一化处理,即将每个
P(Cb,Cr)值除以该图像中最大的P(Cb,Cr)值,这样就使
得各像素的相似度值在[0,1]之间.该值越大,表示属
于肤色的可能性也越大,反之即越小.
设经过相似度计算后的图像为F(x,y),其每个像素

上一页下一页