技術特征：

1.一種基于膚色分割和小波變換的人臉檢測方法，其特征在于：所述的方法包括按順序進行的下列步驟：

1)輸入圖像膚色分割：對輸入圖像進行光照補償，然后將光照補償后的圖像從RGB彩色空間轉換到YCbCr彩色空間，通過設定閾值區(qū)間對膚色區(qū)域進行分割，然后對分割后的區(qū)域進行去噪處理和連通區(qū)域標記；

2)輸入圖像特征提?。簩斎雸D像進行小波變換，取小波變換后的圖像中水平頻率分量和垂直頻率分量兩個次高頻信息重構圖像的類邊緣特征，然后對該重構圖像進行中值濾波，最終得到低維圖像；

3)變長模板匹配：將步驟1)中得到的連通區(qū)域對步驟2)中得到的低維圖像進行掩模運算，然后通過統(tǒng)計步驟1)中標記的各連通區(qū)域的大小，針對不同連通區(qū)域制作不同大小的模板來對得到的連通區(qū)域進行變長模板匹配，最終通過判斷與模板相關性的大小來完成人臉檢測過程。

2.根據(jù)權利要求1所述基于膚色分割和小波變換的人臉檢測方法，其特征在于：在步驟1)中，所述的輸入圖像膚色分割的具體步驟如下：

(1.1)光照補償

選取輸入圖像亮度的前百分之五的平均值作為亮度補償參考值，利用該值作為系數(shù)與輸入圖像相乘，由此對輸入圖像進行光照補償，其公式為：

其中I_ori表示輸入圖像，sort_0.05(·)表示取輸入圖像前百分之五的亮度成分，mean(·)表示取平均運算，ref為亮度補償參考值，I為光照補償后的圖像；

(1.2)色彩空間轉換和膚色分割

將上述光照補償后的圖像從RGB彩色空間轉換到YCbCr彩色空間，色彩空間轉換公式為：

光照補償后的圖像中每一點的像素點I^(i,j)經(jīng)式(2)轉換后由I_Y^(i,j)I_Cr^(i,j)I_Cb^(i,j)表示，其中i和j表示該像素點所在的行和列，然后通過式(3)將膚色區(qū)域篩選出來并用二值圖像表示，其中黑色表示“0”，白色表示“1”；

由此完成膚色分割；

(1.3)去噪和連通區(qū)域標記

所述的去噪和連通區(qū)域標記方法的具體步驟如下：

1.3.1)填補空洞：將上述分割后的區(qū)域中的小空洞填補好；

1.3.2)開運算去除細小毛刺：本發(fā)明共進行了兩次開運算操作，分別采用5×5和9×9的方形算子作為開運算單元，5×5算子用于去除一些細小的噪聲點，9×9算子用于分割有微弱連接的連通區(qū)域，便于后續(xù)的連通區(qū)域標記；

1.3.3)連通區(qū)域標記：該步驟在整個去噪篩選過程中共使用兩次，第一次連通區(qū)域標記在開運算后，第二次連通區(qū)域標記在完成所有去噪和篩選后作為膚色分割的輸出；

1.3.4)去除長寬比異常的連通區(qū)域：經(jīng)連通區(qū)域標記得到連通區(qū)域Q_i后，計算連通區(qū)域Q_i的最大外接矩形的長l_i和寬w_i；由于人臉的正常長寬比例大約是4:3，通過設置長寬比：

來剔除部分不合理區(qū)域，當長寬比不合理時，可判斷該區(qū)域非人臉，從而剔除該區(qū)域；考慮到脖子與人臉部分常連接在一起，本發(fā)明將T＞3和T＜0.33作為長寬比異常的區(qū)間；

1.3.5)去除面積較小的區(qū)域：計算每個連通區(qū)域的面積S_i＝sum(Q_i)，即統(tǒng)計每個連通區(qū)域像素點的個數(shù)，設置與各連通區(qū)域的平均面積相關的門限來剔除較小的連通區(qū)域；連通區(qū)域的平均面積為：

本發(fā)明采用0.3倍的連通區(qū)域的平均面積S_ave作為剔除小塊區(qū)域的閾值；

1.3.6)去除面積結構不合理的區(qū)域：計算連通區(qū)域的面積S_i與最大外接矩形面積的比值本發(fā)明設置比值r_i的閾值為r_i≥0.5，將結構不合理的區(qū)域剔除，完成篩選；

最終對經(jīng)上述去噪篩選后的連通區(qū)域重新進行標記而得到Q′_i，總的連通區(qū)域面積為：

3.根據(jù)權利要求2所述基于膚色分割和小波變換的人臉檢測方法，其特征在于：在步驟1.3.1)中，所述的填補空洞的步驟為：

1.3.1.1)遍歷二值圖像，將I^(i,j)＝0的像素點值標記為待定點，并標記為Wait；

1.3.1.2)遍歷二值圖像，將靠近邊界的待定點標記為False，即不進行填補操作；

1.3.1.3)循環(huán)遍歷二值圖像，當標記為Wait的待定點的四鄰域點有False的標記時，將此待定點標記為False，直到標記為Wait的待定點不再增加時，結束遍歷；

1.3.1.4)將標記為Wait的待定點置為1，標記為False的靠近邊界的待定點不改變原來的像素值。

4.根據(jù)權利要求2所述基于膚色分割和小波變換的人臉檢測方法，其特征在于：在步驟1.3.3)中，所述的連通區(qū)域標記的步驟為：

1.3.3.1)從左至右，從上到下掃描開運算后的圖像；

1.3.3.2)如果像素點為1，則：

a.若像素點上面點或左面點只有一個標記，則復制該標記；

b.若兩點有相同的標記，則復制該標記；

c.若兩點有不同標記，則復制上面點的標記且將這兩個標記輸入等價表中構成等價標記集；

d.否則給該像素點分配一個新的標記并將這一標記輸入等價表；

1.3.3.3)若考慮更多的點，則回到步驟1.3.3.2)；

1.3.3.4)在等價表的每一等價標記集中找到最低的標記；

1.3.3.5)掃描二值圖像，用等價表中每個等價標記集的最低標記取代每一標記；

經(jīng)連通區(qū)域標記后的各個連通區(qū)域由Q_i表示，其中i為連通區(qū)域的標號，最終標記好的連通區(qū)域個數(shù)為n。

5.根據(jù)權利要求1所述基于膚色分割和小波變換的人臉檢測方法，其特征在于：在步驟2)中，所述的輸入圖像特征提取的方法為：

用Haar小波對輸入圖像I進行小波分解而得到小波圖像，為了便于顯示，將小波圖像的細節(jié)系數(shù)取絕對值并八倍放大；僅利用水平分量和垂直分量完成小波重構，最終得到圖像的類邊緣特征信息，對重構后的圖像進行中值濾波而使圖像模糊化，最后得到低維圖像并記為W。

6.根據(jù)權利要求1所述基于膚色分割和小波變換的人臉檢測方法，其特征在于：在步驟3)中，所述的變長模板匹配的具體步驟如下：

3.1)掩模運算

將步驟1)中膚色分割后得到的連通區(qū)域Q′對步驟2)中得到的低維圖像W進行掩模運算；

3.2)模板匹配

3.2.1)模板制作

具體方法為：在網(wǎng)上選取69張1寸免冠照片，并按照下述規(guī)則截取照片人臉區(qū)域作為模板制作的來源，其規(guī)則為：將兩個外側眼角間的距離作為截取部分的寬，并將長度方向位置固定；截取部分長和寬滿足長寬比4:3，鼻子下邊緣線對應長的0.618的位置，以此來確定寬度方向的位置；最后將截取部分的圖像大小轉換成40×30像素；按照上述規(guī)則，得到了69張大小相同、位置近似的人臉；隨后，將這69張照片進行前述的小波變換和重構，然后將重構后的照片累加，通過中值濾波將相加后的圖像模糊化，隨后進行歸一化，最終得到人臉匹配的模板；

3.2.2)變長模板匹配

變長模板匹配方法是對步驟1)中得到的已標記的多個連通區(qū)域Q_i分別進行自適應滑窗掃描；通過參考標記后各個連通區(qū)域Q_i的長和寬，選擇4種與連通區(qū)域Q_i大小相關的模板進行匹配；本發(fā)明默認一個連通區(qū)域Q_i中只有一個人臉，其步驟為：

3.2.2.1)將標號為i的連通區(qū)域Q′_i置1，其他標號為非i的連通區(qū)域置-100，；

3.2.2.2)計算連通區(qū)域Q′_i的長l_i和寬w_i，并將連通區(qū)域Q_i中上、下、左、右邊界所處的位置記錄下來；

3.2.2.3)取連通區(qū)域Q′_i的長l_i和寬w_i值中的最小值：當取長為最小值時，令寬為長的3/4倍；當取寬為最小值時，令長為寬的4/3倍，使長寬比滿足固定的4:3，最終得到的長和寬為和

3.2.2.4)根據(jù)和將原模板轉換成4種不同尺寸的匹配模板，分別為：

3.2.2.5)從連通區(qū)域Q′_i的起始位置和開始進行滑窗掃描，共執(zhí)行四次，每次掃描都變換一次掃描大小，且大小與步驟3.2.2.4)中的模板大小相同；每一次掃描所掃到的區(qū)域都與變換后相同大小的模板進行相關運算，比較兩者的相似度；最終把四次掃描后相關值ρ_i最大的位置P_i、區(qū)域大小和相關值ρ_i記錄下來，重新跳轉到步驟3.2.2.1)；

相關值ρ值的計算公式為：

其中，μ_A、σ_A和μ_B、σ_B是向量A和向量B的均值和標準差，這里的向量A和向量B是由矩陣形式轉化的；

通過變長模板匹配后，每個連通區(qū)域Q′_i都有一個相關值ρ_i最大的標定區(qū)域，且其面積為相關值為ρ_i；將每一個面積相關值ρ_i都除以其對應子集{ρ_i}的中值得選擇在閾值區(qū)間為內(nèi)的區(qū)域為人臉區(qū)域。