基于膚色的人臉檢測算法研究

胡曉燕， 張 宇

（成都航空職業(yè)技術(shù)學(xué)院計算機(jī)工程系，四川成都 610021）

0 引 言

人臉檢測是指對于給定的圖像，采用一定的策略對其進(jìn)行搜索以確定其中是否含有人臉，如果是，則返回人臉的位置與大小。檢測與定位人臉通常是一個完整的人臉識別系統(tǒng)的第1步工作。目前，在人臉檢測領(lǐng)域，研究比較成功的系統(tǒng)有基于形狀的系統(tǒng)［1］、基于臉部特征的系統(tǒng)［2－3］、基于模板匹配的系統(tǒng)［4－5］、基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)［6－7］和基于顏色的系統(tǒng)［8］等5類，它們各有優(yōu)缺點［9］。

由于人臉在空間分布的復(fù)雜性，要建立人臉在高維空間的精確分布模型有相當(dāng)?shù)碾y度。因此，解決人臉檢測問題切實可行的途徑是多種方法的綜合運用。

1 基于膚色的人臉檢測算法

檢測系統(tǒng)按照圖像輸入預(yù)處理、算法實現(xiàn)、圖像輸出的順序來執(zhí)行，先后經(jīng)過打開位圖讀取數(shù)據(jù)、尺寸歸一化、光線補(bǔ)償、二值化、開閉運算處理、區(qū)域統(tǒng)計及去除假區(qū)域等步驟，最后標(biāo)記出人臉區(qū)域。

1.1 尺寸歸一化

為使檢測后的人臉識別工作所用的圖像更加規(guī)范化，也為方便圖像的操作，有必要對輸入圖像先進(jìn)行尺寸歸一化。算法為：用定值m去除以圖像的縱向像素點數(shù)l與橫向像素點數(shù)w的乘積，并對其開算術(shù)平方根求得歸一化系數(shù)C，再對圖像按此系數(shù)有比例地縮放。

1.2 光線補(bǔ)償

由于光源和圖像采集設(shè)備的原因，可能會造成輸入圖像在整體上發(fā)生色彩偏離。采用光線補(bǔ)償可以解決這類輸入圖像中存在的色彩偏差問題。其算法是將輸入圖像中所有像素以亮度由高到低進(jìn)行排列，首先取其前面5%的像素，并以其亮度作為“參考白”。然后，將它們的R、G、B色彩分量值均調(diào)整到最大值255。再與前5%像素亮度的平均值除以255后就得到了光線補(bǔ)償系數(shù)，圖像中其他像素點的亮度值均按此系數(shù)進(jìn)行線性放大。

實驗證明，光線補(bǔ)償系數(shù)過大時，光線補(bǔ)償可能會造成膚色在色彩分量上發(fā)生過度的偏移，因此，采用自適應(yīng)的光線補(bǔ)償算法。通過實驗獲取一個門限值（m＝1.008），將其與計算出的光線補(bǔ)償系數(shù)相比較，若系數(shù)值不在規(guī)則限定的條件范圍內(nèi)，則不進(jìn)行光線補(bǔ)償，這樣有效避免因不恰當(dāng)?shù)难a(bǔ)償而造成膚色在色彩分量上發(fā)生過度的偏移。

1.3 膚色模型

系統(tǒng)選擇了YCbCr色彩空間的高斯膚色模型和RGB色彩空間的膚色模型。優(yōu)點是可將亮度分量分離又可從RGB色彩空間線性變化得到。轉(zhuǎn)換公式為：

實驗證明，不同膚色的區(qū)別主要表現(xiàn)在亮度的差異上，在色度上差異較小，具有相同的2D Gaussian模型G（m，V2），公式為：

1.4 相似度計算

膚色模型建立后，彩色圖像隨之被轉(zhuǎn)換為灰度圖像，如圖1所示。根據(jù)所有像素點距高斯分布中心的距離可以得到一個和膚色的相似度，相似度計算公式為：

由（6）式可以得到一個基于原始圖像的灰度圖像。

圖1 相似度計算

1.5 平滑去噪

對圖像進(jìn)行平滑去噪處理，一般情況下，在空間域內(nèi)可以用鄰域平均來減少噪聲；在頻率域內(nèi)，由于噪聲頻譜通常多在高頻段，因此可以采用低通濾波來減少噪聲。

平滑線性空間濾波器（均值濾波器）的輸出（響應(yīng)）是包含在濾波掩模鄰域內(nèi)像素的簡單平均值。它用濾波掩模確定的鄰域內(nèi)像素的平均灰度值代替圖像每個像素點的值，這種處理減小了圖像灰度的“尖銳”變化。由于典型的隨機(jī)噪聲由灰度級的尖銳變化組成，因此，平滑處理的目的就是減噪。

對圖像中的任一點（x，y）進(jìn)行m×n掩模處理得到的響應(yīng)R可表示為：

其中，w為掩模系數(shù)；z為與該系數(shù)對應(yīng)的灰度值，一個m×n掩模應(yīng)有等于1／mn的歸一化常數(shù)。

本系統(tǒng)采用3×3掩模的平滑濾波算法，即對灰度圖像中每個像素的灰度值和它鄰近8個像素的灰度值求和，再求平均作為新的圖像中該像素的灰度值，即

采用（8）式和平滑濾波算法，可得濾波前后的對比圖像如圖2所示。

圖2 平滑去噪

1.6 二值化

二值圖像可由灰度圖像選取適當(dāng)?shù)拈T限值后進(jìn)一步轉(zhuǎn)變而來，其中皮膚和非皮膚區(qū)域分別用0和1表示。算法在二值化時采用了雙門限值。定義：

當(dāng)Y值在一定范圍內(nèi)時，則該區(qū)域可能是頭發(fā)；該區(qū)域可能為皮膚的條件為：

所以原來的圖像被劃為頭發(fā)、皮膚和背景3種區(qū)域，如果某一區(qū)域的面積足夠大，并且上面是頭發(fā)，下面是皮膚，則該區(qū)域可能就是人臉區(qū)域。系統(tǒng)對圖像二值化算法框圖如圖3所示。

原來的圖像進(jìn)行二值化后的實驗結(jié)果如圖4所示。

圖3 二值化算法框圖

圖4 二值化圖像

1.7 膨脹與腐蝕

系統(tǒng)采用四方向膨脹和腐蝕。先腐蝕后膨脹提取骨干信息、平滑去噪，如圖5所示。先膨脹后腐蝕將2個鄰近的目標(biāo)連接起來，如圖6所示。算法先判斷圖像中是否存在過多的較小區(qū)域，如果存在就執(zhí)行開運算，不存在就執(zhí)行閉運算。

圖5 開運算的圖像

圖6 閉運算的圖像

1.8 去除假區(qū)域

膚色建?？赡馨逊悄槻康哪w色區(qū)域或其他近似膚色的區(qū)域也包含進(jìn)去，因此，有必要進(jìn)一步用算法來去除假區(qū)域。系統(tǒng)此處使用了遞歸算法，對執(zhí)行開或閉運算后的二值化圖像進(jìn)行統(tǒng)計，尋找可能是人臉的區(qū)域，接著對其逐一用多種方法進(jìn)一步判別真假，如計算區(qū)域的外接矩形的填充率、長寬比、大小以及判斷區(qū)域上方是否存在頭發(fā)等。算法執(zhí)行后的圖像如圖7所示，可以明顯看到已經(jīng)去除了手臂區(qū)域。

圖7 去除假區(qū)域后的圖像

1.9 標(biāo)記人臉區(qū)域

對輸入圖像中的每個人臉進(jìn)行標(biāo)記的算法是：計算區(qū)域中每列含有的白色像素點數(shù)，定位最大值所在的列，并以其為中心向兩側(cè)分別找尋人臉的左右邊界。進(jìn)而在左右邊界與區(qū)域邊界劃定的范圍內(nèi)找尋人臉的上部邊界。最后，根據(jù)人臉長寬比經(jīng)驗值來確定下部邊界。最后標(biāo)記的人臉區(qū)域如圖8所示。

圖8 標(biāo)記人臉區(qū)域

2 實驗結(jié)果分析

2.1 檢測結(jié)果分析

實驗抽取了多幅含有人臉及假區(qū)域的圖像，共89個人臉區(qū)域和386個假區(qū)域，對這些圖像的檢測結(jié)果見表1所列。

表1 實驗結(jié)果統(tǒng)計表 %

由表1可看出，光線補(bǔ)償和雙門限技術(shù)有利于提高檢測率。95%的假區(qū)域通過使用判定因素被排除了，但也存在誤檢現(xiàn)象。

2.2 去除假區(qū)域分析

實驗中，抽取了多副包含人臉的圖像，每個圖像中又有多個人臉區(qū)域，以及更多的假區(qū)域，總共89個人臉區(qū)域和近386個假區(qū)域。通過統(tǒng)計這些區(qū)域的空間特性以及排除的假區(qū)域的數(shù)量、比例，得到結(jié)果見表2所列。

表2 去除假區(qū)域結(jié)果統(tǒng)計表 個

由表2看出，以上各種因素都有誤判存在，所以每種因素都不是判定非人臉區(qū)域的充分條件，而只是在概率上加大或減弱了這種可能性?？紤]到這種特性，系統(tǒng)采用多種判斷因素去除假區(qū)域的算法，判斷因素主要有：

（1）區(qū)域填充率。對于二值化后的一個連通區(qū)域，系統(tǒng)中使用該區(qū)域的像素數(shù)與外接矩形的像素數(shù)的比值來表征該區(qū)域的空間屬性。根據(jù)實踐中的觀察結(jié)果發(fā)現(xiàn)通過考查該屬性，可有效去除與水平方向成一定角度的長條區(qū)域。

（2）相對尺寸。根據(jù)考察大量含有人臉的圖像發(fā)現(xiàn)，人臉區(qū)域和相對尺寸（尺寸歸一化的結(jié)果）具有近似正態(tài)分布的統(tǒng)計特征。過小或過大的區(qū)域尺寸都表明該區(qū)域?qū)儆谌四樀母怕瘦^低。由此可設(shè)定尺寸模板把人臉區(qū)域的尺寸特性限定在一定的范圍之內(nèi)。

（3）長寬比。通過對人臉特征的統(tǒng)計，人臉的長寬比為0.6～1.5?？紤]到人臉區(qū)域和脖子區(qū)域大都是連通的，所以實際處理中將比例修正為0.6～2.8。

（4）頭發(fā)的存在性。由于人臉區(qū)域的頂部多存在頭發(fā)區(qū)域，由表2可知，相對于頭發(fā)的存在性去除假區(qū)域的能力是最強(qiáng)的，但其誤判率也是最高的，這些誤判集中在戴帽、染發(fā)等人臉區(qū)域。為了消除影響，算法采取從區(qū)域的頂部兩側(cè)一定范圍內(nèi)搜索頭發(fā)區(qū)域，如果存在就不排除該區(qū)域。

2.3 其他因素分析

2.3.1 人臉的姿態(tài)

相對于其他人臉檢測方法，基于膚色的算法對人臉姿態(tài)具有強(qiáng)魯棒性。人臉向上旋轉(zhuǎn)、向平面內(nèi)的一側(cè)旋轉(zhuǎn)和向平面外的一側(cè)旋轉(zhuǎn)時的人臉標(biāo)記情況如圖9所示。

圖9 向不同方向旋轉(zhuǎn)的人臉標(biāo)記

2.3.2 環(huán)境光特性

任何攝取圖像的設(shè)備都要通過接受物體表面的反射光線獲取信息。而物體的反射光線又受環(huán)境光線特性、物體本身的反射特性的影響，所以基于膚色的人臉檢測方法也不可避免地受到環(huán)境光的影響。

系統(tǒng)采用了YCbCr色彩空間與RGB色彩空間2個模型。首先，本算法中RGB模型化參數(shù)取得比較寬松，其次，YCbCr色彩空間將亮度信息獨立出來，而膚色模型又是建立在Cb、Cr的二維空間之上的，跟亮度無關(guān)，所以算法對環(huán)境亮度的適應(yīng)能力比較強(qiáng)。

3 結(jié)束語

本文提出的基于膚色的人臉檢測算法，計算量小、抗噪能力強(qiáng)、對姿態(tài)不敏感，但只對彩色圖像有效。由于時間和水平的限制，實驗結(jié)果仍有誤檢和漏檢的情況。今后還需在以下幾方面進(jìn)行更深層次的研究：① 改進(jìn)圖像分割算法，考慮更多的環(huán)境因素，如光照、背景、裝束等。另外可采用特征定位、模板匹配等方法對檢測為人臉的區(qū)域進(jìn)行驗證。②進(jìn)一步改進(jìn)去除假區(qū)域的算法，比如增加判定規(guī)則并分配權(quán)重。③ 引入動態(tài)處理。④ 考慮系統(tǒng)對多人種的適應(yīng)性。⑤ 進(jìn)一步研究不同成像設(shè)備對膚色色度的影響，從而建立起自適應(yīng)的膚色模型。

［1］ 趙海濤，於東軍，金 忠，等.基于形狀和紋理的人臉自動識別［J］.計算機(jī)研究與發(fā)展，2003，40（4）：538－543.

［2］ 李傳林，魯秀青.人臉照片的特征提取與查詢［J］.計算機(jī)應(yīng)用研究，2002，19（7）：110－111.

［3］ 焦 峰，山世光，崔國勤，等.基于局部特征分析的人臉識別方法［J］.計算機(jī)輔助設(shè)計與圖形學(xué)報，2003，15（1）：53－58.

［4］ 丁 嶸，蘇光大，林行剛.使用部件信息改進(jìn)彈性匹配人臉識別［J］.光電子·激光，2002，13（8）：831－833.

［5］ 朱俊青，王林泉，葛 元.基于模板匹配的快速人臉定位［J］.計算機(jī)工程，2002，28（9）：77－79.

［6］ 張宏林.數(shù)字圖像模式識別技術(shù)及工程實踐［M］.北京：人民郵電出版社，2003：17－40.

［7］ 胡 恬.利用幾何分析法和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識別研究［J］.計算機(jī)工程與設(shè)計，2002，23（9）：18－21.

［8］ 周志勇，周激流，劉智明，等.基于彩色和投影的人臉檢測和跟蹤算法［J］.貴州工業(yè)大學(xué)學(xué)報：自然科學(xué)版，2003，32（3）：46－49.

［9］ 王 偉，張佑生，方 芳，等.人臉檢測與識別技術(shù)綜述［J］.合肥工業(yè)大學(xué)學(xué)報：自然科學(xué)版：2006，29（2）：158－163.