前言：
基于特征的方法是利用人脸的先验知识导出的规则进行人脸检测。
一般来说，常用的特征包括人脸和人脸器官典型的边缘和形状特征（如人脸轮廓、虹膜轮廓、嘴唇轮廓等）、纹理特征（纹理是在图上表现为灰度或颜色分布的某种规律性，这种规律性在不同类别的纹理中有其不同特点，人脸有其特定的纹理特征）、颜色特征（人脸肤色特征，目前主要有RGB，HSV，YCbCr，YIQ，HIS等彩色空间模型被用来表示人脸的肤色，从而进行基于颜色信息的人脸检测方法的研究）。
人脸检测的方法：
- 基于规则/知识方法
– 人脸模式的变化满足一定的规律，所以可以归纳描述人脸特征的规则，如灰度分布、比例关系、纹理信息等
- 基于模板的方法
– 固定模板法，可变形模板法
- 基于不变特征的方法，如彩色信息
– 人脸的肤色在彩色空间中的分布相对比较集中，所以可用来检测和跟踪人脸。
–
- 基于外观学习的方法---目前的主流方法
– 将人脸检测视为区分“非人脸样本”与“人脸样本”的模式识别问题，通过对人脸样本集和非人脸样本集的学习产生分类器
以世纪晟科技人脸识别技术为例，世纪晟科技拥有3D人脸识别算法的核心技术，详解基于肤色特征的检测。
· 多种肤色模型
- J.L.Crowley and F. Berard, “Multi-model tracking of faces for video communications
– 将肤色区域的RGB颜色归一化，用其中的(r,g)值的颜色直方图h(r,g) 获取肤色变量的阈值
- M. H. Yang, N. Ahuja, “Detecting human faces in color images”
– 认为人脸肤色区域的颜色值呈高斯分布，用高斯分布的均值和方差确定肤色变量的阈值
- T. S. Jebara and A. Pentland, “Parameterized structure from motion fro 3D adaptive feedback tracking of faces”
– 认为不同的种族和国家的人的肤色分布不同，在颜色直方图上形成多个聚类，可用高斯混合模型来表示
· 颜色空间
- RGB到“rg”空间.
- RGB到YUV(YCrCb)空间，再转化到“FI”空间
- · 高斯肤色模型
- 一元正态分布肤色模型（以F颜色特征为例）
- 二元正态分布肤色模型（以rg颜色特征为例）
- 提取肤色区域
- 对检测到的肤色区域进行分析
– 接近椭圆形
– 有部分非肤色区域(五官、头发)
关于肤色模型几点提示——
- 肤色模型难以适应各种环境光照变化
对于背景和前景的光照变化，肤色通常不稳定
单纯的肤色信息对于人脸检测通常是不充分的
- 如何适应在不同光照下的人脸跟踪
如果环境光照有变化，原有的肤色模型可能不再适用，如何建立一个自适应的肤色模型需要进一步的研究
原文地址：https://www.cnblogs.com/sjskj/p/9488883.html