基于膚色和幾何特征的人臉檢測(cè)與識(shí)別方法

摘 要：基于膚色模型、唇色模型和幾何特征的人臉檢測(cè)確定方法，在機(jī)器視覺(jué)、智能人機(jī)交互系統(tǒng)、以及圖文排版與校對(duì)等領(lǐng)域發(fā)揮著重要的作用。

關(guān)鍵詞：人臉檢測(cè)與識(shí)別；膚色模型；幾何特征

人臉檢測(cè)與識(shí)別是模式識(shí)別和機(jī)器智能領(lǐng)域的一項(xiàng)具有挑戰(zhàn)性的研究課題，在機(jī)器視覺(jué)、智能人機(jī)交互系統(tǒng)、以及圖文排版與校對(duì)等領(lǐng)域發(fā)揮著重要的作用，是人臉識(shí)別、人臉跟蹤、人臉確認(rèn)、人臉修正等研究的基礎(chǔ)工作。本文采用高斯模型的膚色檢測(cè)的方法，首先定位出圖像中的膚色區(qū)域作為候選人臉。然后在候選人臉上使用高斯模型的唇色檢測(cè)，定位出唇色區(qū)域，然后使用人臉的幾何特征來(lái)精確定位人臉，并可以引來(lái)達(dá)到對(duì)人臉為主的圖像的確定與修正。

1 算法流程

我們首先在整幅圖像上用膚色高斯模型進(jìn)行膚色區(qū)域的分割，然后用特征三角形定位眼睛，最后用橢圓特征精確定位人臉。

1.1 膚色檢測(cè)

本文所采用的方法主要是利用人體的膚色，主要是臉部的膚色在YCbCr色彩空間中分布穩(wěn)定聚類的特性，通過(guò)形成彩色空間的膚色高斯模型，從而達(dá)到人體的膚色與人體所在背景的分離來(lái)實(shí)現(xiàn)。實(shí)踐中我們發(fā)現(xiàn)，基于膚色模型的膚色檢測(cè)與確定方法，受環(huán)境影響的較小，即使復(fù)雜背景也不會(huì)有明顯影響，而且對(duì)個(gè)體或者人較多的情況都可以精確識(shí)別人臉的圖像。這種方法操作也比較簡(jiǎn)單，效率高，而且牽扯到的計(jì)算程序少，對(duì)于人體采用什么姿勢(shì)或者什么狀態(tài)都不會(huì)有影響圖像的質(zhì)量與效果。利用公式2將每一幅膚色樣本由RGB色彩空間轉(zhuǎn)換到Y(jié)CbCr空間，得出每一個(gè)像素點(diǎn)的Cb分量值和Cr分量值。用公式3計(jì)算他們的均值向量m和協(xié)方差矩陣c。

將上面的均值向量m與協(xié)方差矩陣c代入高斯模型G（m，c2）中，就可以建立如圖2.3所示的膚色高斯模型。

1.2 確定人臉候選區(qū)域

一般來(lái)說(shuō)人臉的長(zhǎng)寬比范圍在[0.9，1.2]之間，考慮到膚色檢測(cè)的結(jié)果可能會(huì)將人臉區(qū)域與脖子區(qū)域連通，可以將長(zhǎng)寬比的范圍適當(dāng)放寬，以保證存在人臉的區(qū)域不被錯(cuò)刪。候選區(qū)域的選定要盡量保證所有的包含人臉的區(qū)域都被保留下來(lái)。

1.3 特征三角形定位

人眼的位置總是在人臉對(duì)稱軸的兩側(cè)，國(guó)內(nèi)外學(xué)者對(duì)人臉器官的幾何關(guān)系做了大量的研究，我們通過(guò)實(shí)驗(yàn)和分析發(fā)現(xiàn)，人的兩眼的中心點(diǎn)和人的嘴唇的中心點(diǎn)，通過(guò)連線就可以發(fā)現(xiàn)，正好是一個(gè)等腰三角形。通過(guò)測(cè)量可以確定，兩眼中心的距離基本上是左眼和右眼分別與嘴唇中心的距離，偏差大約是90%～110%波動(dòng)，主要是人的臉形以及臉形形成圖像不同所決定的。事實(shí)上，人臉的圖像受到各種因素影響，包括環(huán)境因素、光線因素、成像角度因素，以及取像的設(shè)備因素，當(dāng)然包括有人為因素、非人為因素等影響，另外傳輸過(guò)程中也會(huì)產(chǎn)生直接的影響，一般來(lái)說(shuō)，存在一定的誤差或偏差是正常的，只要正常范圍內(nèi)就行（允許誤差在25%左右）。在實(shí)際工作中，我們可以注意到，人臉活動(dòng)的幅度對(duì)成像影響很大，包括低臉和仰臉都會(huì)對(duì)成像產(chǎn)生直接而明顯的影響，因此，你人臉的圖像可以把誤差范圍定義在30%左右就可以，而且對(duì)人像有選取采用從左到右、由下往上的的辦法來(lái)i

其中abs 代表絕對(duì)值，D（i，j）代表左眼與嘴部中央的距離；D（i，k）代表兩眼之間的距離；D（j，k）代表嘴部中央與右眼間的距離。

1.4 人臉區(qū)域的定位

把確定的雙眼位置以及嘴唇位置作為畫面的中心，就可以以此來(lái)確定人臉的中心位置即雙眼位置與嘴唇位置構(gòu)成的等腰三角形的位置部分。我們把人臉中心位置即等腰三角形部分為中心，畫一個(gè)橢圓形，作為人臉的外面邊界部分。這樣，人臉的中心正好是我們自己廟宇的橢圓的中心部分，人臉中心和嘴唇中心的連線所在的直線為橢圓長(zhǎng)軸所在直線，嘴唇中心點(diǎn)和它關(guān)于橢圓中心的對(duì)稱點(diǎn)為橢圓的焦點(diǎn)。為了簡(jiǎn)化計(jì)算，在生成橢圓時(shí)我們?cè)O(shè)定橢圓的短半軸d的大小為兩倍的焦距，橢圓的長(zhǎng)半軸可以在[d，2d]之間變化，這樣生成一系列的橢圓。將一系列橢圓與人臉圖像的Canny邊緣圖像做與運(yùn)算，與圖像邊緣重合最多的橢圓就是最優(yōu)的表示人臉大小和方向的橢圓，

2 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)數(shù)據(jù)庫(kù)里一共有188張圖片，包含212張人臉，這些圖像的采集條件各異（光照條件，背景，攝像機(jī)參數(shù)等），圖像大小質(zhì)量各異。采用檢測(cè)率，誤檢率這兩個(gè)參數(shù)評(píng)價(jià)人臉檢測(cè)與識(shí)別算法的性能。檢測(cè)率是指能正確被檢測(cè)出來(lái)的人臉占總?cè)四様?shù)目的百分比。誤檢率指檢測(cè)錯(cuò)誤的人臉占總?cè)四様?shù)目的百分比，所謂檢測(cè)錯(cuò)誤的人臉是指不是人臉區(qū)域被錯(cuò)誤當(dāng)成人臉區(qū)域檢測(cè)出來(lái)。

這種方法在一定的條件下具有魯棒性和較高的檢測(cè)率。但是由于算法基于人臉五官的先驗(yàn)信息，所以當(dāng)人臉被其他物體遮擋，某些檢測(cè)需要的特征消失，我們的算法將無(wú)法檢測(cè)出這種情況下的人臉。這也是未來(lái)我們需要改進(jìn)的地方。

參考文獻(xiàn)：

[1]G Yang and T S Huang. Human Face Detection in Complex Background [J].Pattern Recognition，2014，27（1）：53-63.

[2]陳鍛生，劉政凱.膚色檢測(cè)技術(shù)綜述[J].計(jì)算機(jī)學(xué)報(bào)，2016，29（2）：194-207.

作者簡(jiǎn)介：秦琴（1979-），女，山東昌樂(lè)人，本科，助理工程師。