基于彩色人臉模板的人臉檢測(cè)算法

李明，平凱，年福忠

LI Ming,PING Kai,NIAN Fuzhong

蘭州理工大學(xué)計(jì)算機(jī)與通信學(xué)院，蘭州730050

College of Computer and Communication,Lanzhou University of Technology,Lanzhou 730050,China

1 引言

人臉檢測(cè)技術(shù)來(lái)自于人臉識(shí)別中的定位需求，檢測(cè)的準(zhǔn)確與否直接影響到后續(xù)的人臉識(shí)別進(jìn)程。目前，國(guó)內(nèi)外學(xué)者提出了很多有效的人臉檢測(cè)算法[1-3]。其中膚色檢測(cè)算法較為簡(jiǎn)單但易受自然界類膚色的影響，誤檢率比較高，多用于人臉區(qū)域的粗檢。通常在其粗檢得到的區(qū)域中再用其他的方法作進(jìn)一步的驗(yàn)證，以降低誤檢率。驗(yàn)證的方法可分為兩類：一類是根據(jù)人臉區(qū)域存在孔洞、眼睛、唇色等其他特征來(lái)進(jìn)行驗(yàn)證[4-5]，但其不夠精確；另一類是利用如神經(jīng)網(wǎng)絡(luò)，AdaBoost，模糊集等基于統(tǒng)計(jì)的方法進(jìn)行驗(yàn)證[6-8]，此類方法算法較為復(fù)雜。本文通過(guò)整合人臉的細(xì)節(jié)色彩信息，在色彩空間建立人臉模板，并利用此模板來(lái)進(jìn)行驗(yàn)證，其算法復(fù)雜度相對(duì)于基于統(tǒng)計(jì)的方法有所降低?？紤]到該算法對(duì)色彩要求較為嚴(yán)格，因此在預(yù)處理中采用了光線補(bǔ)償?shù)姆椒▉?lái)減少光照對(duì)圖片的影響，進(jìn)一步提高檢測(cè)的準(zhǔn)確性。

2 彩色圖像中人臉候選區(qū)域檢測(cè)

2.1 圖像預(yù)處理

在低光照強(qiáng)度下進(jìn)行膚色分割時(shí)膚色區(qū)域漏識(shí)現(xiàn)象比較明顯，在對(duì)圖像中的膚色進(jìn)行提取之前采用文獻(xiàn)[9]中的光照補(bǔ)償法先對(duì)圖像進(jìn)行預(yù)處理，可以有效減少膚色遺漏現(xiàn)象。其算法步驟是首先將圖像從RGB空間轉(zhuǎn)換到灰度級(jí)為255的灰度圖像空間，然后將灰度圖像中的所有像素按亮度從高到低進(jìn)行排列，取亮度值的前5%像素并將它們對(duì)應(yīng)色彩R、G、B分量值都調(diào)整到最大的255，最后把圖像中其他像素點(diǎn)的色彩值也按該調(diào)整尺度進(jìn)行變換。圖1為光線補(bǔ)償前后膚色提取效果對(duì)比圖。

圖1 光線補(bǔ)償前后膚色提取效果對(duì)比圖

2.2 色彩空間選取及膚色模型建立

2.2.1 色彩空間選取

色彩空間是一個(gè)三維坐標(biāo)系統(tǒng)，每一種顏色由一個(gè)點(diǎn)表示。目前常見(jiàn)的色彩空間有RGB，HIS，YUV以及YCbCr等。其中RGB色彩空間和YCbCr色彩空間的使用比較廣泛。在RGB顏色空間中，紅，綠，藍(lán)是基本元素，三基色（R，G，B）既代表顏色信息，又代表亮度信息，對(duì)光照變化敏感，不適合建立膚色模型。

YCbCr色彩空間是一種具有與人視覺(jué)感知同一性的空間。其中Y是指亮度分量，Cb指藍(lán)色色度分量，而Cr指紅色色度分量。YCbCr的色彩空間將圖像中的色度信息與亮度信息分開(kāi)，能更好地利用皮膚顏色在色彩空間的聚類性。因此本文采用YCbCr色彩空間來(lái)建立膚色模型。YCbCr色彩與RGB色彩的線性關(guān)系如下：

YCbCr色彩格式的圖像可直接由RGB色彩格式圖像通過(guò)空間轉(zhuǎn)化得到。

2.2.2 膚色模型建立

常用的膚色模型有區(qū)域模型，橢圓模型以及高斯模型。區(qū)域模型是一種較簡(jiǎn)單的膚色模型，便于理解和運(yùn)用；橢圓模型是在區(qū)域模型上進(jìn)行的一種改進(jìn)；高斯模型相對(duì)區(qū)域模型能更好地表示膚色分布，膚色檢測(cè)率較高，但其算法比較復(fù)雜。考慮到本文中要提取的顏色較多，對(duì)精度要求不高的特點(diǎn)，為了減輕算法的復(fù)雜度，因此選擇區(qū)域模型來(lái)做膚色模型。

區(qū)域模型是統(tǒng)計(jì)大量膚色樣本分布分析出Cb、Cr的集中分布區(qū)域Cb∈[a，b]，Cr∈[c，d]。由數(shù)學(xué)判斷公式表示人臉的膚色即

式中，P(i，j)表示一張圖像上的橫坐標(biāo)為i，縱坐標(biāo)為j的像素點(diǎn)，a，b為膚色Cb的上限值和下限值，c，d為膚色Cr的上限值和下限值，如果該像素點(diǎn)的Cb和Cr均落在膚色的范圍之內(nèi)，則判定該像素點(diǎn)為膚色，否則就判定其不為膚色。

在選取大量膚色樣本進(jìn)行統(tǒng)計(jì)和實(shí)驗(yàn)后，得到膚色的Cb集中分布在[77，127]范圍內(nèi)，Cr集中分布在[137，177]范圍內(nèi)。

同理得到唇色中的Cb集中分布在[109，150]范圍內(nèi)，Cr集中分布在[152，180]范圍內(nèi)。眼色中的Cb集中分布在[120，145]范圍內(nèi)，Cr集中分布在[130，150]范圍內(nèi)。經(jīng)上述模型提取到的膚色，唇色及眼色如圖2所示。

圖2 各顏色提取效果

2.2.3 膚色分割及人臉候選區(qū)域的確定

上面獲得的經(jīng)膚色分割后得到的二值圖像由于受到噪聲的影響，存在一些孤立的小塊，或者因其他因素（如眼睛、嘴巴等）影響存在漏檢的小孔區(qū)。在進(jìn)一步檢測(cè)之前，需要用膨脹、腐蝕等數(shù)學(xué)形態(tài)學(xué)算子對(duì)其進(jìn)行操作。從而使輸出圖像中的待檢區(qū)邊緣平滑，有助于后續(xù)的人臉候選區(qū)域的選擇。經(jīng)形態(tài)學(xué)處理前后的效果對(duì)比如圖3所示。

圖3 形態(tài)學(xué)處理前后效果對(duì)比圖

經(jīng)過(guò)上述處理之后，仍會(huì)存在較多的候選區(qū)域，這些候選區(qū)域有不同的形狀，大小，有些明顯地區(qū)別于人臉的幾何特征，因此可利用幾何約束首先排除明顯的非人臉的區(qū)域。首先在圖像中人臉區(qū)域具有一定的大小，面積過(guò)小的區(qū)域則不能判定為人臉，因此可以設(shè)定一個(gè)像素點(diǎn)個(gè)數(shù)的閾值，將面積過(guò)小的區(qū)域?yàn)V除；其次標(biāo)準(zhǔn)的正面人臉圖像的高寬比近似為1，太長(zhǎng)或太寬的也均不是人臉，再設(shè)定一個(gè)寬高比的閾值，將太長(zhǎng)或太寬的區(qū)域?yàn)V除；最后對(duì)剩下的每個(gè)區(qū)域建立一個(gè)外接矩形，該矩形即為可能存在人臉的區(qū)域。

3 彩色人臉模板的建立及整體檢測(cè)步驟

采用傳統(tǒng)膚色模型進(jìn)行人臉檢測(cè)的方法，就是將檢測(cè)到的膚色區(qū)域進(jìn)行形態(tài)學(xué)處理和簡(jiǎn)單的幾何約束，滿足條件的膚色區(qū)域均認(rèn)定是人臉，因此導(dǎo)致誤檢率較高。文獻(xiàn)[4]中所采用的方法是在膚色粗檢的區(qū)域里面檢測(cè)是否有人眼存在，再通過(guò)人眼來(lái)進(jìn)行人臉的細(xì)定位，從而在一定程度上降低了誤檢率，檢測(cè)精度也得到提高。本文提出一種建立彩色人臉模板的思想，其實(shí)質(zhì)是把一幅人臉圖像視為一個(gè)整體進(jìn)行考慮，利用五官色彩的分布信息來(lái)進(jìn)行是否為人臉的判斷，通過(guò)將五官的色彩信息模板化，然后利用此模板在膚色粗檢的區(qū)域內(nèi)進(jìn)行搜索比對(duì)，實(shí)現(xiàn)起來(lái)也較為快速，簡(jiǎn)單。

3.1 模板的幾何構(gòu)成

確定一幅圖片中是否存在人臉，關(guān)鍵是要看其中是否有滿足人臉特征的部分，人臉特征中最主要的是膚色和五官特征，而這些特征在一幅彩色圖片中的體現(xiàn)均為色彩信息。如何利用這些色彩信息進(jìn)行是否為人臉的判斷是本節(jié)研究的主要內(nèi)容。

一幅人臉圖像中，除了占大部分的膚色區(qū)域外，在其上面還分布著眼眉、眼睛、鼻子以及嘴巴。人類五官的幾何分布具有一致性，而且各部分的顏色在YCbCr空間中具有很好的聚類性，據(jù)此本文將人臉五官的幾何分布信息與五官的色彩信息相融合，建立一個(gè)彩色人臉模板。模板中除了包含膚色信息以外還選擇容易提取且包含信息量較大的眼睛和嘴唇來(lái)做模板的構(gòu)成元素。模板的整體框架是一個(gè)正方形，邊長(zhǎng)為兩只眼睛外角的距離，正方形的上邊緊貼眼眉的上側(cè)。具體的幾何模板如圖4所示。

圖4 模板效果圖

3.2 模板中色彩的比對(duì)方案

在對(duì)大量的人臉進(jìn)行檢測(cè)統(tǒng)計(jì)后發(fā)現(xiàn)，落在整個(gè)框架內(nèi)的膚色像素占整個(gè)框架內(nèi)像素的85%左右，落在左眼框的眼色像素比例約占整個(gè)框架內(nèi)眼色像素的30%，落在右眼框的眼色像素比例同樣約占整個(gè)框架內(nèi)眼色像素的30%，落在嘴唇框里面的唇色像素占整個(gè)框架內(nèi)唇色像素的40%左右。為了加大模板的冗余度，在進(jìn)行比對(duì)時(shí)應(yīng)適當(dāng)減少各部分所占的百分比，模板的比對(duì)流程如圖5所示。

3.3 搜索方案及整體步驟

為了提高檢測(cè)的準(zhǔn)確性，在膚色分割出的區(qū)域中用模板進(jìn)行搜索比對(duì)時(shí)，不同于傳統(tǒng)的逐層縮小待檢圖像的方法，本文采用大小可變的模板，從小到大按比例縮放，最大不能超過(guò)待檢區(qū)域的大小。從膚色分割出的區(qū)域的左上端開(kāi)始比對(duì)，檢測(cè)完后模板向右移動(dòng)一個(gè)距離，當(dāng)模板的最右端移動(dòng)超出區(qū)域最右端時(shí)為止，然后向下移動(dòng)設(shè)定的距離從最左端開(kāi)始重新搜索，直至整個(gè)區(qū)域搜索完為止。

將建立好的人臉模板比對(duì)和搜索方案嵌入到整個(gè)人臉檢測(cè)過(guò)程中，其整體流程如圖6所示。

圖5 模板比對(duì)流程圖

圖6 人臉檢測(cè)流程圖

4 實(shí)驗(yàn)結(jié)果與分析

本文的測(cè)試環(huán)境為Pentium4 2.93 GHz處理器，512 MB內(nèi)存，操作系統(tǒng)為Windows XP，在Matlab 7.0平臺(tái)上編程實(shí)現(xiàn)。實(shí)驗(yàn)中的人臉圖片主要來(lái)源為AR人臉庫(kù)部分圖片，數(shù)碼相機(jī)拍攝以及Internet上下載的各種不同環(huán)境、不同復(fù)雜背景下的圖片。為作比對(duì)本文設(shè)計(jì)了3組實(shí)驗(yàn)，分別是單一膚色模型人臉檢測(cè)算法，文獻(xiàn)[4]中的人臉檢測(cè)算法，再就是采用本文提出的算法，結(jié)果對(duì)比如表1所示。

由表1可知利用單一的膚色模型檢測(cè)算法的正檢率相對(duì)于文獻(xiàn)[4]算法和本文算法稍高，然而在三種算法中它的誤檢率卻是最高的，從圖7（a）可以很好地看出其原因所在，主要是因?yàn)樗鼘⑺械哪w色區(qū)域和自然界類膚色區(qū)域都判定為人臉；采用文獻(xiàn)[4]的算法對(duì)每個(gè)膚色區(qū)域都進(jìn)行一個(gè)是否存在人眼的判斷，以確定此區(qū)域是否是人臉，在一定程度上降低了誤檢率；本文則利用建構(gòu)的模板來(lái)進(jìn)行比對(duì)，驗(yàn)證其中是否存在人臉，結(jié)果表明經(jīng)模板判定后誤檢率最低且運(yùn)行速度也較快。

表1 實(shí)驗(yàn)結(jié)果對(duì)比

圖7 部分圖像檢測(cè)效果對(duì)比

在人臉檢測(cè)中隨著對(duì)人臉的判定標(biāo)準(zhǔn)的提高，會(huì)造成如表1所示的正檢率的下降。其原因可以通過(guò)圖7（b）進(jìn)行說(shuō)明，文中的模板針對(duì)的是正面人臉，不能有效檢測(cè)出側(cè)面人臉，因此會(huì)存在漏檢的情況。從漏檢率，誤檢率之和這一綜合指標(biāo)來(lái)說(shuō)采用本文算法所得實(shí)驗(yàn)結(jié)果是三種方法里最優(yōu)的。

實(shí)驗(yàn)中還發(fā)現(xiàn)采用本文算法能夠有效解決多個(gè)人臉或人臉與其他部位之間的膚色粘連問(wèn)題，從而使檢測(cè)結(jié)果更加精確，從圖7（c）可以明顯看出，采用本文提出的算法框選出的人臉區(qū)域顯然要更加準(zhǔn)確，從而為后續(xù)的人臉識(shí)別，表情分析的進(jìn)程打下了良好的基礎(chǔ)。

5 結(jié)束語(yǔ)

本文所提出的算法是在膚色粗檢的基礎(chǔ)上利用文中設(shè)計(jì)的彩色人臉模板進(jìn)一步地進(jìn)行比對(duì)判斷以降低誤檢率。彩色人臉模板能夠很好地融合人臉五官的幾何分布信息和五官的色彩信息，而且有效解決了多個(gè)人臉或人臉與其他部位之間的膚色粘連問(wèn)題，由于搜索比對(duì)的過(guò)程是通過(guò)改變模板的大小進(jìn)行的，提高了檢測(cè)的精度。但目前此算法仍存在一些問(wèn)題，如在對(duì)不同姿態(tài)的人臉圖像以及較為模糊的圖像進(jìn)行檢測(cè)時(shí)單一的模板不能夠很好地滿足需求。建立更多姿態(tài)的人臉模板或適應(yīng)性更強(qiáng)的彩色人臉模板將是下一步研究的主要內(nèi)容。

[1] 梁路宏，艾海舟，徐光佑，等.人臉檢測(cè)研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2002，25（5）：449-458.

[2] Viola，Jones.Robust real-time face detection[J].International Journal of Computer Vision，2004，57（2）：137-154.

[3] Sun Hungming.Skin detection for single images using dynamic skin color modeling[J].Pattern Recognition，2010，43（4）：1413-1420.

[4] 俞王新，王志中，莊珺.一種基于膚色模型和眼睛定位的人臉檢測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（26）：21-22.

[5] 齊永鋒，火元蓮.一種基于膚色的人臉檢測(cè)與定位方法[J].計(jì)算機(jī)應(yīng)用，2009，29（3）：785-788.

[6] 齊永鋒，張家樹(shù)，火元蓮.一種基于膚色與改進(jìn)的LBP的人臉檢測(cè)方法[J].光電子·激光，2009，20（6）：816-821.

[7] 曲仕茹，熊波.基于Gabor濾波和神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)方法研究[J].西北工業(yè)大學(xué)學(xué)報(bào)，2011，29（5）：690-694.

[8] Li Gang，Xu Yinping，Wang Jiaying.An improved adaBoost face detection algorithm based on optimizing skin color model[C]//Natural Computation（ICNC），2010：2013-2015.

[9] Sun Yanfeng，Liang Yongtao，Su Shiqian，et al.Face detection based on skin-color model and gravity-center template[J].Journal of Beijing University of Technology，2006，32（5）：467-472.