1. Introduction:

做這個專題的目的是在於發展出一套人臉偵測系統；利用"Bayes Decision Rule"的原理，再加上skin color 、non-skin color色彩分佈，應用在人臉偵測上，再針對效果不彰的部分做改進。

首先，收集有關skin color 和non-skin color的資料，建立skin color 及non skin color的conditional density probability function，再利用這些資訊和"Bayes Decision Rule"來做人臉偵測。接下來，便是找出圖中各個connected component，對於這些connected component 做篩選，淘汰不可能為人臉的部分。

2. Algorithm:

1. Setup face database.
2. Face localization with "Bayes Decision Rule".
3. Improvement.

"Bayes Decision Rule"可簡單由下式表示：

下圖為利用"Bayes Decision Rule"定位人臉的範例：

單單利用色彩的分佈，得到的結果並不精準。一但背景部分出現和膚色相似或相同的色彩時，得到的效果更差。為了改善這個缺點，我想以區域的形狀來刪除不正確的判斷：

1. 首先，我先將使用Bayes Decision Rule後得到的資訊，使用Connected Component找出一個個相鄰的區塊，再判斷之。
2. 利用connected component的形狀來刪除不正確的判斷 找出每個connected component的左界及右界，以其左界右界形成一矩形，若此矩形長和寬的比率不介於0.5~3間，那麼此connected component 非人臉區域。同時，在此矩形內skin color的比率要超過50%才行。
3. 利用connected component 的數量來刪除不正確的判斷 由於人臉必定是許多skin color點所聚集成的一大塊區域，因此，若某一個connected component 內所含的點個數不夠多，那此connected component極有可能不是人臉區域，故刪除之。

3. Experimental results:

4. Difficulties:

在做這項專題時，所遇到的困難包括：

1. 這個方法並非適用於所有圖片，假設圖片中人物身穿類膚色的衣服，此方法將無法正確地找出人臉所在， 這是由於人物衣服會和人臉相連，形成同一個connected component，因此，我們利用connected component的形狀及大小來判斷就無法得到良好的結果。
2. 背景的處理方面，也面臨著和前面同樣的問題，背景出現和膚色類似的色彩時，若出現的區域和人臉並無相接，則此方法可順利地將此區域刪除；但若出現的區域和人臉相接，則此時，人臉的判斷將無法順利進行。
   

5. References:

[1] Douglas Chai , Son Lam Phung ,Abdesselan Bouzerdoum ,“Skin Color Detection For Face Localization in Human-Machine Communications,” IEEE International Symposium on Signal Processing & Its Applications (ISSPA'2001), Kuala Lumpur, Aug. 2001.

[2] D. Chai and A. Bouzerdoum ,”A Bayesian Approach to Skin Color Classification in YCbCr Color Space” IEEE Region Ten Conference (TENCON’2000) ,Kuala Lumpur,Malaysia,vol.II,pp.421-424,Sep.2000.

[3] D. Chai and K. N. Ngan,”Locating facial region of a head-and-shoulders color image”, in Third IEEE International Conference on Automatic Face and Gesture Recognition, Nara, Japan, pp.124-129,Apr 1998.

[4] L. G. Shapiro and G. C. Stockman, Computer Vision, Prentice Hall, 2001.Computer Vision: A Modern Approach by D. A. Forsyth and J. Ponce, Prentice Hall, 2002.