3.2 人臉的檢測定位
　　在檢測出運動的目標之后，要判斷目標為人體還是其他動物，這可以通過目標的尺寸及目標的空間特征(如寬高比等)來區分。在確定為人體目標之后，就要確定出人臉的區域。確定人臉區域的方法有多種，本系統采集的是彩色圖像，可以根據膚色進行判別。利用膚色提取色彩信息的方法已被廣泛應用在計算機視覺研究領域中。膚色是人臉的重要信息，不依賴于面部的細節特征，對于旋轉、表情等變化情況都能適用，具有相對的穩定性并且和大多數背景物體的顏色相區別。與其他人臉檢測方法相比，膚色的判斷在速度上具有明顯優勢。因此，將其作為人臉檢測的其他方法的預處理，可以在很大程度上減小人臉檢測的搜索范圍，降低誤報率，進而大大提高人臉檢測算法的整體性能。
　　人臉檢測過程如下：對于彩色圖像首先進行膚色檢測；在檢測出膚色區域后，需要進行區域分隔及形態學運算，通過形態學處理可以過濾由于噪音或者其他原因引起的一些較小的不可能為人臉的類膚色區域，減少候選區域和提高檢測速度，降低誤判的可能性；之后根據它們在色度上的相似性和空間上的相關性分割出可能的人臉區域，同時利用區域的幾何特征及灰度特征驗證是否為人臉，以排除其他色彩類似膚色的物體。
　　用膚色來檢測人臉，要先確定膚色模型。基本的膚色模型有3種：RGB模型、HIS模型和YCbCr模型。這里選用YCbCr模型，原因是圖形采集輸出的格式為YUV，而YUV格式和YCbCr格式在數學上具有一致性，同時對于后期的數據進行MPEG壓縮也很方便。人臉檢測的程序流程如圖4所示。具體過程分析如下：

　　(1)膚色判斷
　　可采用Anil K.Jain的Cb、Cr橢圓聚類方法[7]進行膚色分割，得到膚色區域在CbCr空間中近似于橢圓,可用如下公式表示：

　　若該值小于1，則表示落在橢圓內，是膚色,否則不為膚色。對確定的膚色區域進行平滑、連通、合并處理，構成一個候選區域，待進一步分析以判斷是否為人臉區域。
　　(2)區域分割與處理
　　在確定膚色區域之后，需要根據它們在色度上的相似性和空間上的相關性分割出可能的人臉區域，再利用區域的幾何特征或灰度特征進行是否是人臉的驗證，以排除其他色彩類似膚色的物體。本文采用Sobel算子[-1，-2，-1；0，0，0；1，2，1]來完成邊緣的檢測。經過一系列處理分割出膚色區域，并進行形態學開、閉運算，以消除噪聲或空洞對特征分析的影響。