level 7
图三、肤色CbCr 机率分布图：(a)为弱光下黄种人肤色CbCr 机率分布图，(b)为弱光下白人肤色CbCr 机率分布图。
2007年06月12日 00点06分
2
level 7
图四、肤色CbCr 机率分布图：(a)为弱光下黄种人肤色CbCr 机率分布图，(b)为弱光下黑人肤色CbCr 机率分布图。2.1参数式(Parametric)肤色模型参数式模型(Parametric)是藉由训练大量肤色样本以建造出一个肤色参数模型，其肤色模型有一般较为常用的有高斯模型(Gaussian Model, GM)、高斯混合模型(Gaussian Mixture Model, GMM)等，因此我们将依序介绍各模型。2.1.1高斯模型(Gaussian Model)由於肤色机率分布可能是为常态分布(Normal Distribution)，所以如果经由单一高斯来逼进其肤色机率分布，即可检测出其肤色机率值。公式(3)为单一高斯机率密度函数，然而这边我们先假设CbCr之N个点的集合为，c为欲求得之肤色机率值；μ表示为平均值，∑表示为共变异矩阵(Covariance Matrix)，其中μ,∑为高斯机率密度函数之参数，是经由大量的肤色样本训练而求得，当然这些参数影响到高斯密度函数的一些特性，如μ为控制高斯函数的位置，∑则为控制高斯函数的宽窄。
2007年06月12日 00点06分
3
level 7
2.1.2高斯混合模型(Gaussian Mixture Model, GMM)然而为了求取更为精确肤色模型来表示肤色的分布，可藉由高斯混合模型(Gaussian Mixture Model, GMM)的优点来改善，由於高斯混合模型的优点是可以趋近任何的机率分布函数，亦是利用多个高斯来趋近於任意形状的肤色分布，因此相较之下，肤色模型的表示用高斯混合模型会比单一高斯机率模型更为正确，其公式(4)为高斯混合模型(Gaussian Mixture Model)。其中M代表高斯混合模型中高斯模型的个数；π表示第i个高斯所占的权重值，所有π值的总和是1，c欲求得之肤色机率值；μ表示第i个高斯分布的平均值，∑表示第i个高斯分布的共变异矩阵(Covariance Matrix)。
2007年06月12日 00点06分
4
level 7
图五、肤色侦测结果，(a)为原始影像，(b)为强光下黄种人肤色侦测之结果。
2007年06月12日 00点06分
8
level 7
图六、肤色侦测结果，(a)为原始影像，(b)为弱光下黄种人肤色侦测之结果。
2007年06月12日 00点06分
9
