前言：
基於特征的方法是利用人臉的先驗知識導出的規則進行人臉檢測。
一般來說，常用的特征包括人臉和人臉器官典型的邊緣和形狀特征（如人臉輪廓、虹膜輪廓、嘴唇輪廓等）、紋理特征（紋理是在圖上表現為灰度或顏色分布的某種規律性，這種規律性在不同類別的紋理中有其不同特點，人臉有其特定的紋理特征）、顏色特征（人臉膚色特征，目前主要有RGB，HSV，YCbCr，YIQ，HIS等彩色空間模型被用來表示人臉的膚色，從而進行基於顏色信息的人臉檢測方法的研究）。
人臉檢測的方法：
- 基於規則/知識方法
– 人臉模式的變化滿足一定的規律，所以可以歸納描述人臉特征的規則，如灰度分布、比例關系、紋理信息等
- 基於模板的方法
– 固定模板法，可變形模板法
- 基於不變特征的方法，如彩色信息
– 人臉的膚色在彩色空間中的分布相對比較集中，所以可用來檢測和跟蹤人臉。
–
- 基於外觀學習的方法---目前的主流方法
– 將人臉檢測視為區分“非人臉樣本”與“人臉樣本”的模式識別問題，通過對人臉樣本集和非人臉樣本集的學習產生分類器
以世紀晟科技人臉識別技術為例，世紀晟科技擁有3D人臉識別算法的核心技術，詳解基於膚色特征的檢測。
· 多種膚色模型
- J.L.Crowley and F. Berard, “Multi-model tracking of faces for video communications
– 將膚色區域的RGB顏色歸一化，用其中的(r,g)值的顏色直方圖h(r,g) 獲取膚色變量的閾值
- M. H. Yang, N. Ahuja, “Detecting human faces in color images”
– 認為人臉膚色區域的顏色值呈高斯分布，用高斯分布的均值和方差確定膚色變量的閾值
- T. S. Jebara and A. Pentland, “Parameterized structure from motion fro 3D adaptive feedback tracking of faces”
– 認為不同的種族和國家的人的膚色分布不同，在顏色直方圖上形成多個聚類，可用高斯混合模型來表示
· 顏色空間
- RGB到“rg”空間.
- RGB到YUV(YCrCb)空間，再轉化到“FI”空間
-
· 高斯膚色模型
- 一元正態分布膚色模型（以F顏色特征為例）
- 二元正態分布膚色模型（以rg顏色特征為例）
-
提取膚色區域
- 對檢測到的膚色區域進行分析
– 接近橢圓形
– 有部分非膚色區域(五官、頭發)
關於膚色模型幾點提示——
- 膚色模型難以適應各種環境光照變化
對於背景和前景的光照變化，膚色通常不穩定
單純的膚色信息對於人臉檢測通常是不充分的
- 如何適應在不同光照下的人臉跟蹤
如果環境光照有變化，原有的膚色模型可能不再適用，如何建立一個自適應的膚色模型需要進一步的研究