一種有效提升識(shí)別率的面部圖像預(yù)處理方法

譚 陽(yáng)，賀 璐

(湖南網(wǎng)絡(luò)工程職業(yè)學(xué)院，湖南長(zhǎng)沙 410004)

一種有效提升識(shí)別率的面部圖像預(yù)處理方法

譚 陽(yáng)，賀 璐*

(湖南網(wǎng)絡(luò)工程職業(yè)學(xué)院，湖南長(zhǎng)沙 410004)

面部關(guān)鍵特征點(diǎn)的定位和取樣直接關(guān)系到面部識(shí)別率的高低，本文提出了一種對(duì)人類(lèi)面部圖像進(jìn)行細(xì)節(jié)提取，并進(jìn)行了方向場(chǎng)化突出，最后將其特征2值化的預(yù)處理的方法，有效地抑制了面部圖像中提取的特征點(diǎn)樣本模糊的現(xiàn)象。實(shí)驗(yàn)證明，通過(guò)這種方法對(duì)面部圖像的預(yù)處理，能夠較好地提升一般面部識(shí)別算法的識(shí)別率。

人臉識(shí)別;表情識(shí)別;關(guān)鍵點(diǎn)定位;特征提取

一、引言

Ekman將人臉表情劃分為6種基本類(lèi)型［1］:高興、悲傷、憤怒、恐懼、驚訝和厭惡。并認(rèn)為這是人類(lèi)所共有的6種基本表情，且不受種族、文化及性別等差異的影響。但是直到目前為止，使用機(jī)器對(duì)人臉表情信息準(zhǔn)確地識(shí)別仍存在一些技術(shù)性困難。

當(dāng)前，絕大多數(shù)關(guān)于人臉識(shí)別算法和人臉表情分析算法在提取人臉特征之前，需要根據(jù)人臉特征點(diǎn)的位置(如眼角，嘴角)對(duì)面部圖像進(jìn)行幾何歸一化處理，所以對(duì)于面部特征點(diǎn)的精確定位是一個(gè)關(guān)鍵的步驟。目前所有面部識(shí)別工具遇到的問(wèn)題是:面部表情的變化是一個(gè)隨時(shí)間變化的動(dòng)態(tài)過(guò)程，即使在已知人臉大概位置的情況下，其面部特征點(diǎn)的位置也時(shí)常處于定位模糊的狀態(tài)，并且這主要是由外部干擾和臉部的形變等不可預(yù)測(cè)的因素所造成的。

二、面部特征點(diǎn)定位的預(yù)處理方法

近年來(lái)，針對(duì)不同個(gè)體、姿態(tài)、光照條件下的人臉表情圖像識(shí)別方面的研究有了新的進(jìn)展［2］－［4］。國(guó)內(nèi)外的學(xué)者們提出先通過(guò)對(duì)關(guān)鍵特征部位(眼角、鼻翼、嘴角)進(jìn)行取樣，然后對(duì)取樣的圖像進(jìn)行歸一化處理并按照一定的方法來(lái)進(jìn)行模式匹配，最后再對(duì)所獲取的表情進(jìn)行分類(lèi)和歸納?？梢钥闯?，對(duì)面部特征點(diǎn)的定位在很大程度上決定了取樣圖像的質(zhì)量;目前較為常見(jiàn)的特征點(diǎn)的確定方法是先隨機(jī)收集面部特征點(diǎn)的樣本(正/負(fù))，并對(duì)樣本進(jìn)行類(lèi)比和對(duì)比后確定。為了進(jìn)一步提高人臉的識(shí)別率，首先必須要能夠較為精確地定位特征信息點(diǎn)的具體位置。為了實(shí)現(xiàn)這一目標(biāo)，本文提出通過(guò)對(duì)人像圖像進(jìn)行預(yù)處理的方式來(lái)提高正負(fù)樣本的差異性，以提高后期算法對(duì)人像表情的識(shí)別率。具體方法步驟如下:

1.圖像規(guī)格處理。通過(guò)感光設(shè)備捕獲的原始圖像中，由于存在各種不確定因素的影響(如光照強(qiáng)度過(guò)少或過(guò)多)，會(huì)使得捕獲圖像中的表情細(xì)節(jié)變得模糊及難以識(shí)別。為了突出原始圖像之間的細(xì)節(jié)差異并為后續(xù)處理提供較為統(tǒng)一的規(guī)格，首先需要對(duì)采集到的圖像進(jìn)行規(guī)格化處理，即統(tǒng)一成灰度基本一致的圖像。這一過(guò)程會(huì)導(dǎo)致部分面部細(xì)節(jié)的丟失，因此需要加強(qiáng)并突出人像中的面部表情關(guān)鍵點(diǎn)及圖像邊緣的特征。Lin等人提出了式(1)所示的特征處理函數(shù)［5］，能夠有效地對(duì)圖像的總體灰度進(jìn)行平衡，為后續(xù)處理步驟提供較為統(tǒng)一的操作前提。并且還能夠有效突出人像中面部表情中的線狀及點(diǎn)狀特征。

其中，I為N×N大小的原始圖像，I(i，j)表示原始圖像中像素點(diǎn)(i，j)的灰度值，G為處理后的圖像。

2.方向場(chǎng)處理。面部圖像中的皮膚和五官在表情表達(dá)的時(shí)候會(huì)具有特定的方向性，這也是對(duì)面部表情進(jìn)行識(shí)別的另一個(gè)主要參考因素，并且這些方向還具有真實(shí)、漸變等特點(diǎn)。對(duì)其進(jìn)行提取的準(zhǔn)確性將直接影響表情的識(shí)別效果。為此，國(guó)內(nèi)外學(xué)者在方向場(chǎng)的計(jì)算提取上提出過(guò)很多種方法，其中由Mehtre提出的鄰域方向模板法［6］是一種計(jì)算簡(jiǎn)單且效果較好的方法。本文采用改進(jìn)的Mehtre方法如式(2)。

圖1 5×5方向處理模板

計(jì)算點(diǎn)方向圖，采用5×5的模板，如圖1所示，以每π/8為一個(gè)計(jì)算方向，計(jì)算每個(gè)像素點(diǎn)在8個(gè)不同方向上的均值A(chǔ)ver［i］和方差 Var［i］。其中，Pdik為方向上的第k個(gè)像素的灰度值。

將計(jì)算得到的8個(gè)Aver［i］值分成4組，1和5一組，2和6一組，3和7一組，4和8一組;并計(jì)算每個(gè)組的Aver［i］值的絕對(duì)差值，并取方差值最大的方向。

3.面部圖像2值化。為了突出圖像中的表情特征信息，本文在Gabor函數(shù)［7］的基礎(chǔ)上進(jìn)行改進(jìn)，并采用改進(jìn)后的函數(shù)作為濾波變換算子對(duì)灰度圖像進(jìn)行2值化處理，為了能更好地突出原始圖像中的特征信息，本文對(duì)Gabor算子進(jìn)行了偶對(duì)稱(chēng)變換，如式(3)所示。

其中θ、f分別為函數(shù)濾波的方向和頻率，人臉圖像的特征紋線(面部皺紋)方向以水平方向?yàn)橹?，差值在±?12之間，所以本文方法將方向θ和頻率f均設(shè)置為0、δi、δj分別為沿X軸及Y軸方向上的高斯包絡(luò)常數(shù)，其不同的取值會(huì)對(duì)處理后的圖像產(chǎn)生不同的影響:取值越大其去噪的能力越強(qiáng)，但對(duì)圖像細(xì)節(jié)的影響也隨之變大。考慮到要保證在不同光照環(huán)境下獲得的人像圖像質(zhì)量，這里將經(jīng)方向場(chǎng)處理完成后圖像的平均灰度值(Average Gray Value，AGV)作為 δi及 δj的參數(shù)。

圖2 本文方法對(duì)人像圖像處理的過(guò)程

圖2中為對(duì)Sadness、Joy兩類(lèi)基本圖像，采用本文3個(gè)處理步驟所得到的圖像。因Gabor算子具有較強(qiáng)的消除圖像中模糊及斷點(diǎn)部分的能力，在保留原函數(shù)良好的頻域選擇和方向選擇特性的同時(shí)，還能夠在頻域的不同尺度及方向上保留相關(guān)的特征信息，且還能較多地保留在時(shí)域與頻域連接處的信息量。

三、對(duì)比及分析

1.正負(fù)樣本對(duì)比。由于篇幅的關(guān)系，本文以左嘴角為例，如圖3所示，對(duì)每張人臉圖片以左嘴角為匹配中心點(diǎn)，割取16×16的嘴角樣本作為正樣本。再以左嘴角為中心，半徑為16個(gè)像素的圓上隨機(jī)選4個(gè)點(diǎn)作為中心點(diǎn)，割取16×16的樣本作為負(fù)樣本。

在圖3中原始Sadness圖像為S圖;原始Joy圖像為J圖。經(jīng)本文方法預(yù)處理后的Sadness圖像為S＇圖，Joy圖像為J＇圖。其中，對(duì)于處理后得到的2值化圖像，為了能有效區(qū)分樣本提取區(qū)域和2值化圖像本身，對(duì)2值化圖像做了80%灰度處理。

截取得到的樣本圖像如下圖4所示，可以看出無(wú)論是對(duì)于正樣本還是負(fù)樣本而言，處理后的圖像對(duì)于面部特征部分都更加充分的凸顯，且對(duì)面部關(guān)鍵特征點(diǎn)的提取更加精確、有效。經(jīng)過(guò)本文方法進(jìn)行預(yù)處理后得到的樣本圖像可以使得面部識(shí)別率得到有效提升，并降低誤判的幾率。

2.常規(guī)面部識(shí)別算法的對(duì)比。Chang［8］等人提出了基于流形的表情分析方法(Manifold Based A-nalysis of Facial Expression，MBAF);Lee［9］等人提出了一種流形學(xué)習(xí)與張量分解相結(jié)合的表情識(shí)別算法(Facial Expression Analysis Using Nonlinear Decomposable Generative Models，NDGAF);Shan［10］等人提出了一種基于監(jiān)督式保局投影(Supervised Locality Preserving Projections，SLPP)的表情識(shí)別方法。本文以上述三種算法作為對(duì)比算法，在Cohn－Kanade和JAFFE人臉庫(kù)［11］上進(jìn)行對(duì)比測(cè)試。使用上述三種標(biāo)準(zhǔn)算法分別對(duì)不經(jīng)處理的面部圖像和按本文提出方法進(jìn)行預(yù)處理后的面部圖像進(jìn)行識(shí)別。

圖3 對(duì)原始圖像及處理圖像的正負(fù)樣本點(diǎn)的提取

圖4 兩種處理方法正/負(fù)樣本的對(duì)比

通過(guò)表1可以看出無(wú)論是對(duì)Cohn－Kanade測(cè)試庫(kù)還是JAFFE測(cè)試庫(kù)，三種面部識(shí)別算法的識(shí)別率均有所提高，這也證明了本文方法的有效性。

四、結(jié)語(yǔ)

本文提出了一種對(duì)人類(lèi)面部圖像進(jìn)行細(xì)節(jié)提取，并進(jìn)行了方向場(chǎng)化突出，最后將其特征2值化的預(yù)處理的方法;有效地抑制了面部圖像中提取的特征點(diǎn)樣本模糊的現(xiàn)象。實(shí)驗(yàn)證明，通過(guò)本文方法對(duì)面部圖像的預(yù)處理，能夠較好地提升一般面部識(shí)別算法的識(shí)別率。

表1 Cohn－Kanade人臉庫(kù)與JAFFE人臉庫(kù)上的人臉和表情識(shí)別率

［1］Ekman P.Emotion in the Human Face.New York:Cambridge University Press，1982.

［2］胡步發(fā)，黃銀成，陳炳興.基于層次分析法語(yǔ)義知識(shí)的人臉表情識(shí)別新方法［J］.中國(guó)圖象圖形學(xué)報(bào)，2011，16(3):420－426.

［3］于真.基于支持向量機(jī)的人臉識(shí)別技術(shù)研究［J］.計(jì)算機(jī)仿真，2011，28(12):296 －299.

［4］黨力，孔凡讓.獨(dú)立子空間下的草圖人臉合成與識(shí)別［J］.中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2012，42(1):60－66.

［5］Lin Hong，Wan Yi－ fei，Anil Jain.Finger print image enhancement algorithm and performance evaluation［J］.IEEE Transactions on Patten analysis and Machine intelligence 1998，20(8):777－789.

［6］趙磊，楊路明，吳建輝.指紋圖像預(yù)處理新方法［J］.計(jì)算機(jī)應(yīng)用2007，27(4):929－931.

［7］雷琳，王壯，粟毅.基于多尺度Gabor濾波器組的不變特征點(diǎn)提取新方法［J］.電子學(xué)報(bào)，2009，37(10):2314－2319.

［8］Chang Y，Hu CB，Turk M.Probabilistic expression analysis on manifolds.In:Proc.of the IEEE Computer Society Conf.on Computer Vision and Pattern Recognition(CVPR 2004)，Vol.2.2004.520 －527.

［9］Elgammal A，Lee CS.Separating style and content on a nonlinear manifold.In:Proc.of the IEEE Computer Society Conf.on Computer Vision and Pattern Recognition(CVPR 2004)，Vol.1.2004.478 －485.

［10］Shan CF，Gong SG，McOwan PW.Dynamic facial expression recognition using a Bayesian temporal manifold model.In:Proc.of the British Machine Vision Conf.(BMVC 2006)，Vol.1.2006.297 －306.

［11］續(xù)爽，賈云得.基于表情相似性的人臉表情流形［J］.軟件學(xué)報(bào)，2009，20(8):2191 －2198.

An Effective Method to Increase the Recognition Rate of Facial－image Preprocessing

TAN Yang，HE Lu

Positioning and sampling of the facial feature points are directly related to the level of facial recognition rate.This paper proposes a new preprocessing method to extract details from human facial image，highlighted by line element field，and finally characterized by two values.It effectively suppresses the blurred sample of feature points in facial image extraction.The experiments show that this method of facial image preprocessing could enhance the recognition rate of the general face－recognition algorithms.

facial recognition;expression recognition;key point positioning;feature extraction

TP391.41

A

1009－5152(2012)03－0060－05

2012－07－02

譚陽(yáng)(1979－ )，男，湖南網(wǎng)絡(luò)工程職業(yè)學(xué)院講師，工程師，計(jì)算數(shù)學(xué)碩士;賀璐(1982－ )，女，湖南網(wǎng)絡(luò)工程職業(yè)學(xué)院講師。