基于YUV顏色空間的臉部區(qū)域特征點定位方法

宋懷波，齊關鋒，錢 程

(西北農(nóng)林科技大學機械與電子工程學院，陜西楊凌712100)

面部主要特征點的精確定位是判斷面部表情的關鍵，在駕駛員疲勞駕駛［1］、生物特征識別［2－3］、視頻監(jiān)控［4］、信息安全［5］、訪問控制［6］、智能機器人［7］等領域有著廣泛的應用前景。但是，受光線明暗、攝像角度、膚色差異、性別、年齡等因素影響，同一個人在不同地點和時間內(nèi)拍攝到的人臉圖像存在很大的差異。因此，實現(xiàn)不同場景下的面部主要特征點的有效定位成為模式識別研究領域最富挑戰(zhàn)性的研究課題之一，受到了越來越多的關注。

面部主要特征點很多，目前的研究主要集中在眼部與嘴部的精確定位上。在眼部區(qū)域定位研究方面，主要采用模板匹配法［8］、特征臉方法［9］、神經(jīng)網(wǎng)絡法［10］、基于對稱性的方法［11］和 Hough變換方法等。模板匹配方法、特征臉方法以及神經(jīng)網(wǎng)絡方法著重于眼部區(qū)域的整體特征，后兩種方法主要考慮幾何特性。上述方法在光照均勻、背景簡單時可行，但其計算量較大，不利于實時處理，且對光照、旋轉角度等的影響極為敏感，很難實現(xiàn)準確定位。在嘴部區(qū)域定位研究方面，多采用局部梯度算子法［12］、主元特征矢量分析法［13］、積分投影與色度匹配相結合的方法［14］以及色素分布的方法［15］等。上述方法在提取嘴唇形狀時，容易造成非嘴唇邊緣信息的殘留以及嘴唇邊緣不完整等問題［16］，影響嘴部特征點的定位精度。

為了實現(xiàn)不同場景下的人臉面部主要特征點的精確定位，結合YUV顏色空間理論與差分投影技術，在完成人臉區(qū)域定位的基礎上，利用YUV顏色空間中的紅色差分量實現(xiàn)嘴部區(qū)域的提取，利用差分投影技術，并以嘴部區(qū)域的提取結果作為眼部區(qū)域定位的基礎實現(xiàn)眼部區(qū)域的定位。

1 基于直方圖擬合的人臉區(qū)域定位

受各種因素的影響，人臉圖像一般處于一個極度復雜的場景中，實現(xiàn)其準確分割具有一定難度。以往的研究多利用顏色信息進行人臉區(qū)域的分割，分割結果往往不夠準確。本文提出了一種基于直方圖擬合的人臉圖像分割方法，將圖像直方圖擬合出具有多峰特性的效果，以達到抑制噪聲，便于面部目標分割的目的。

1.1 基于最小二乘法的圖像直方圖擬合

1.1.1 曲線擬合的最小二乘法原理

給定一組數(shù)據(jù)(xi，yi)(i=0，1，…，m)，在函數(shù)類φ=(φ1，φ2，…，φn)中尋找一個函數(shù) y= S*(x)，使得誤差平方和最小

式中:S(x)=a0φ0(x)+a1φ1(x)+…+anφn(x) (n＜m)。

用最小二乘法求曲線擬合，就是在S(x)中求一函數(shù)y=S*(x)，使誤差平方和取得最小的問題。通常，函數(shù)類多采用多項式進行，因此，它轉化為求多項式S(x)系數(shù)的極小值點的問題。

1.1.2 基于最小二乘法的直方圖自適應曲線擬合

圖1是拍攝的1幅彩色人臉圖像，圖2是其所對應的灰度圖像的灰度直方圖。由圖2可以看出，其直方圖并不呈現(xiàn)明顯的雙峰狀態(tài)，且存在過多的極值點，很難采用常規(guī)的分割算法進行處理。

圖1 拍攝到的原始人臉圖像Fig.1 O riginal human face image

圖2 圖1的灰度直方圖Fig.2 The histogram of fig.1

為解決這一問題，提出了一種基于最小二乘法的灰度直方圖擬合算法，通過設定一個足夠大的迭代階次N，并分別計算各階次下的擬合誤差，選取擬合誤差最小的擬合階次作為最優(yōu)擬合曲線。擬合后的曲線較好地表達了原始直方圖的灰度分布并呈現(xiàn)出較好的多峰特性，便于圖像的分割。

1.2 人臉位置的檢測

在絕大部分情況下，人臉區(qū)域占整幅圖像的比例有限，不可能占據(jù)直方圖曲線的最大峰值，同時根據(jù)人臉圖像的先驗知識，面部區(qū)域三基色值表現(xiàn)為R＞G＞B，即人臉區(qū)域的像素灰度值偏亮?？紤]到人臉區(qū)域易受光照等因素的影響，本文將大于最大峰值右側的所有區(qū)域均定義為人臉區(qū)域。該方法可以有效地降低算法的復雜度，雖然有可能造成分割準確度的下降，但由于采用YUV顏色空間來進行后續(xù)處理，并不影響主要特征點的定位。圖1的分割結果如圖3所示。由圖3可以看出，利用該方法可以有效地分割出人臉目標區(qū)域。

圖3 人臉分割結果Fig.3 The results of face segmentation

2 基于彩色矢量圖嘴部區(qū)域定位算法

唇色是人臉彩色圖像中數(shù)據(jù)量相對集中且穩(wěn)定的區(qū)域，利用唇色檢測人嘴部區(qū)域具有魯棒性高、簡單易行等特點。研究表明，不同性別、不同年齡、不同膚色的人雖然在彩色空間分布上存在差異，但人類的唇色在彩色空間確實有很好的聚類性，因此可以利用唇色信息實現(xiàn)魯棒的嘴唇定位。

2.1 基于彩色矢量圖的嘴唇區(qū)域定位

相對于RGB模型，YUV顏色模型更符合人眼特性，其轉換公式如下

式中:c1、c2為藍、紅基色色差壓縮系數(shù)，取值分別為c1=0.493，c2=0.877;Y表示顏色的亮度信息，(B－Y)、(R－Y)為色差信號;U、V為相互正交的色度分量;Fm代表彩色的色飽和度;φ代表色調(diào)。

2.2 基于唇色的人臉嘴部區(qū)域提取方法

統(tǒng)計結果表明，嘴部區(qū)域的相角在87°～103°之間［15］，利用相位信息得到的人嘴部區(qū)域結果如圖4(a)所示。去噪后嘴部區(qū)域如圖4(b)所示，標記出的嘴部區(qū)域如圖4(c)所示?？梢钥闯?，利用該方法可以有效地提取出嘴部區(qū)域。

圖4 定位的嘴唇區(qū)域Fig.4 The positioning lips area

3 基于差分投影的眼部區(qū)域定位算法

人的眼部區(qū)域包含大量的不同信息(如睫毛、瞳孔等)，因此眼睛區(qū)域內(nèi)橫縱向灰度變化較大，眼睛區(qū)域的差分投影具有較大值。設人臉圖像為

式中:W和H分別為圖像的寬和高。圖像的水平差分投影P_h(y)、豎直差分投影P_v(x)計算如下

其橫向差分投影如圖5(a)所示，在嘴部縱坐標左右，存在兩個明顯的峰值，代表左右眼睛的縱坐標位置。圖5(b)為其水平差分投影，利用眼睛橫坐標小于嘴部橫坐標這一先驗知識，即可提取出樣布的橫坐標。眼部區(qū)域的定位結果如圖5(c)所示。

圖5 差分投影方法提取眼睛候選區(qū)域Fig.5 Differential projection of eyes candidate region

4 試驗與討論

面部主要特征點的定位實驗主要由圖像采集、結果分析和討論三部分組成。

4.1 人臉圖像數(shù)據(jù)庫的建立

以面部姿態(tài)為主要拍攝部位，共拍攝8位受試者的測試樣本98幅。其中，未發(fā)生視覺分散的樣本10幅，輕度視覺分散32幅，臨界狀態(tài)樣本32幅，嚴重視覺分散樣本24幅，部分樣本示例如圖6所示。

圖6 拍攝到的部分試驗圖像Fig.6 Som e sam p les of experim ental images

4.2 嘴部與臉部特征識別試驗

試驗所使用的樣本統(tǒng)計信息及嘴部、眼部識別結果如表1所示。

表1 特征點定位試驗樣本數(shù)分布及其結果Table 1 Experimental sample distribution and the results

由表1可以看出，采用基于YUV顏色矢量圖的方法對嘴部區(qū)域進行檢測具有很高的魯棒性，但隨著視覺分散的加劇以及遮擋的影響，檢測率會明顯下降。在眼部識別時，具有相似的規(guī)律，由于眼部區(qū)域受到諸多因素的影響，其精度比嘴部區(qū)域的定位效果偏低。

4.3 人面部特征三角形的繪制結果

根據(jù)上述算法，在完成嘴部、眼睛區(qū)域的定位后，繪制的面部特征三角形如圖7所示。從圖7中可以看出，當測試對象發(fā)生姿態(tài)變化時，其特征三角形也發(fā)生了相應的變化，為接下來進行面部姿態(tài)的識別奠定了良好的基礎。

圖7 繪制出的人面部特征三角形實例Fig.7 Facial features triangle exam p les

5 結束語

為了實現(xiàn)面部主要特征點的精確定位，首先采用直方圖擬合的方法并結合先驗知識，實現(xiàn)了一種簡化的臉部區(qū)域提取方法。在此基礎上，提出了一種基于YUV顏色空間與差分投影相結合的人臉區(qū)域主要特征點定位方法，有效地實現(xiàn)了面部主要特征點的精確定位。由于眼部區(qū)域的定位是在嘴部區(qū)域定位的基礎上進行的，因此，當無法準確實現(xiàn)嘴部區(qū)域定位時，本算法的精度會受到較大影響。

［1］彭召意，周玉，朱文球.用于疲勞駕駛檢測的人眼快速跟蹤方法［J］.計算機工程，2010，36(15):191－193.

Peng Zhao－yi，Zhou Yu，Zhu Wen－qiu.Fast human eyes trackingmethod for drowsy driving detection［J］.Computer Engineering，2010，36(15):191－193.

［2］王蘊，朱勇，譚鐵牛.基于虹膜識別的身份鑒別［J］.自動化學報，2002，28(1):1－10.

Wang Yun，Zhou Yu，Tan Tie－niu.Biometrics personal identification based on iris pattern［J］.ACTA Automatica Sinica，2002，28(1):1－10.

［3］嚴嚴，章毓晉.基于視頻的人臉識別研究進展［J］.計算機學報，2009，32(5):878－886.

Yan Yan，Zhang Yu－jin.State of the art on video－based face recognition［J］.Chinese Journal of Computers，2009，32(5):878－886.

［4］Chellappa R，Wilson C，Sirohey S.Human and machine recognition of faces:A survey［J］.Proceedings of the IEEE，1995，83(5):705－740.

［5］Li SZ，Jain A K.Handbook of Face Recognition［M］. New York:Springer，2005.

［6］Zhao W，Chellappa R，Rosenfeld A，et al.Face recognition:A literature survey［J］.ACM Computation Survey，2003，35(4):399－458.

［7］楊佳，黃玉清，陳小寧.基于區(qū)域生長的機器人路標識別方法研究［J］.計算機工程與設計，2008，29 (13):3410－3418.

Yang Jia，Huang Yu－qing，Chen Xiao－ning.Study on robot landmark recognition based on region growing［J］. Computer engineering and design，2008，29(13):3410－3418.

［8］Brunelli R，Poggio T.Face recognition:Features vemus templates［J］.IEEE Trans PAMI，1993，15(10):1042－1052.

［9］Pentland A，Moghaddam B，Starner T.View based and modular eigen spaces for face recognition［C］//Proceedings of the IEEE Conference on CVPR，Seattle，Washington，1994:84－91.

［10］劉艷梅，薛定宇，徐心和.基于人工神經(jīng)網(wǎng)絡的立體視覺定位方法［J］.計算機工程與應用，2005，41 (22):33－35.

Liu Yan－mei，Xue Ding－yu，Xu Xin－h(huán)e.Stereovision measurement method based on neural network［J］. Computer Engineering and Applications，2005，41(22): 33－35.

［11］Reisfeld D，Yeshurun Y.Robust detection of facial features by generalized symmetry［C］//IEEE Proceedings.11th IAPR International Conference，1992:117－120.

［12］靳薇，張建奇，張翔.基于局部梯度算子的嘴部檢測與定位［J］.光電工程，2009，36(10):135－140.

Jin Wei，Zhang Jian－qi，Zhang Xiang.Detection and localization of themouth based on local gradient operator［J］.Opto－Electronic engineering，2009，36(10):135－140.

［13］王琢玉，賀前華.基于主元分析的人臉特征點定位算法的研究［J］.計算機應用，2005，25(11):2581－2583.

Wang Zhuo－yu，He Qian－h(huán)ua.PCA－based location algorithm of human face features［J］.Computer applications，2005，25(11):2581－2583.

［14］陶丹，馮驍宇.一種基于積分投影與色度匹配相結合的快速人眼嘴定位算法［J］.計算機應用研究，2009，26(4):1578－1588.

Tao Dan，F(xiàn)eng Xiao－yu.Fast eye and mouth location algorithm based on integral projection and colormatching［J］.Application Research of Computers，2009，26(4): 1578－1588.

［15］Tang C Y，Chen Z，Huang Y P.Automatic detection and tracking of human heads using an active stereo system［J］.International Journal of Pattern Recognition and Artificial Intelligence，2000，14(2):137－166.

［16］Shan SG，Cao B，Gao W.Extended fisherface for face recognition from a single example image person［J］. IEEE International Symposium on Circuits and Systems，2002，(2):81－84.