基于膚色的圖像人數(shù)統(tǒng)計(jì)識(shí)別算法*

譚艷麗

(太原工業(yè)學(xué)院 電子工程系,山西 太原 030008)

0 引言

圖像的人數(shù)統(tǒng)計(jì)在商業(yè)信息采集和公共安全監(jiān)控方面具有重要意義,對(duì)人數(shù)的準(zhǔn)確統(tǒng)計(jì)有利于高效地管理和組織活動(dòng)的實(shí)施開(kāi)展,還可與第三方軟件系統(tǒng)進(jìn)行集成,為決策提供科學(xué)的數(shù)據(jù)支持。因此,圖像的人數(shù)統(tǒng)計(jì)識(shí)別算法的研究無(wú)論在理論上還是在實(shí)際應(yīng)用領(lǐng)域都有著誘人的發(fā)展前景。

1 常用的人數(shù)統(tǒng)計(jì)方法

人數(shù)統(tǒng)計(jì)的基本思想是在建立生物特征模型的基礎(chǔ)上,比較所有可能的待檢測(cè)區(qū)域與人臉的特征匹配程度,并以此來(lái)判斷并找出可能存在人臉的區(qū)域[1]。對(duì)人數(shù)進(jìn)行統(tǒng)計(jì)之前,需要對(duì)人體的生物特征和外形特征進(jìn)行合適的描述,如膚色、眼、鼻、口等。外形特征有相對(duì)固定的長(zhǎng)寬比、相對(duì)固定的形狀以及面部器官的幾何關(guān)系等。針對(duì)不同的人臉特征描述方式,提出不同的方案。人數(shù)統(tǒng)計(jì)的方法大致可分為以下4類。

1.1 基本圓Hough變換人數(shù)統(tǒng)計(jì)方法

Hough變換是將圖像空間里的像元進(jìn)行聚類,這些像元具有特定的內(nèi)在聯(lián)系,尋找能和這些像元建立起聯(lián)系的參數(shù)空間的累積對(duì)應(yīng)點(diǎn)，從而實(shí)現(xiàn)了從圖像空間到參數(shù)空間的映射轉(zhuǎn)換關(guān)系。

1.2 基于模板匹配的方法

首先設(shè)定一些不同標(biāo)準(zhǔn)的、描述人臉的整體特征或局部特征的模板,然后根據(jù)模板與待檢測(cè)圖像的相似度進(jìn)行匹配檢測(cè)[2]。常用的模板匹配方法有預(yù)定模板匹配法、變形模板法、動(dòng)態(tài)輪廓法。

1.3 基于特征的方法

首先找出人臉的穩(wěn)定特征,再利用其他信息進(jìn)一步檢測(cè)人臉。人臉的穩(wěn)定特征是指在外界環(huán)境有所改變時(shí)相對(duì)不變的特征,比如人的臉部特征、膚色、紋理以及它們的綜合特征等。

1.4 基于神經(jīng)網(wǎng)絡(luò)的方法

人工神經(jīng)網(wǎng)絡(luò)是一種非線性的動(dòng)力系統(tǒng),這種系統(tǒng)可以將若干并不復(fù)雜的神經(jīng)元相互連接起來(lái),并通過(guò)調(diào)整各神經(jīng)元之間相互連接的關(guān)系進(jìn)行信息的處理。這種網(wǎng)絡(luò)算法具有較強(qiáng)的自學(xué)習(xí)和自適應(yīng)能力[3]。

2 基于膚色的圖像人數(shù)統(tǒng)計(jì)識(shí)別算法

不同的色系中,膚色的聚類特性也不同,這種差異性主要反映在亮度上[4]。雖然膚色對(duì)光照強(qiáng)度較敏感,但膚色特征與人臉的細(xì)節(jié)特征相關(guān)性不是很大,因此,可以依據(jù)人的膚色特征進(jìn)行人數(shù)的統(tǒng)計(jì)識(shí)別。在色彩空間中,膚色所占頻帶較窄,膚色與非膚色區(qū)域?qū)?yīng)的顏色信息也相異。膚色檢測(cè)識(shí)別,即通過(guò)尋找圖像中人臉皮膚膚色信息來(lái)篩選、判斷，進(jìn)而統(tǒng)計(jì)識(shí)別人數(shù)的過(guò)程。

2.1 算法思路

首先將圖像轉(zhuǎn)換到Y(jié)CbCr空間中,提取Cb和Cr分量后,通過(guò)計(jì)算所得閾值區(qū)分開(kāi)膚色與非膚色區(qū)域,得到二值圖像。對(duì)所得二值圖像進(jìn)行形態(tài)學(xué)處理,之后進(jìn)行篩選,根據(jù)人體生物特征選取目標(biāo)區(qū)域,對(duì)連通區(qū)域進(jìn)行統(tǒng)計(jì)得出最終的人數(shù)統(tǒng)計(jì)結(jié)果。

2.2 算法步驟

(1) 讀入原始圖像。代碼如下:

I=imread(‘statistics.jpg’);

%讀入圖像

figure,imshow(I);

%顯示圖像

(2) 進(jìn)行顏色空間轉(zhuǎn)換。不同人種的膚色區(qū)別主要受亮度信息影響,受色度信息的影響較小,而膚色在YCbCr空間的分布呈現(xiàn)良好的聚類特性[5]。所以將原圖像從RGB色彩空間轉(zhuǎn)化到Y(jié)CbCr色彩空間,且直接考慮CbCr分量。代碼如下:

I-YCbCr=RGB2YCbCr(I);

%將原圖從RGB色彩空間轉(zhuǎn)換到Y(jié)CbCr空間

I-Cb=I-YCbCr(:,:,2);

%提取Cb分量

I-Cr=I-YCbCr(:,:,3);

%提取Cr分量

(3) 建立膚色模型,提取相應(yīng)人體膚色區(qū)域,生成二值化圖像。利用高斯膚色歸一化概率模型,把靜態(tài)圖像中的每個(gè)像素限定在0至1范圍內(nèi)。利用所得閾值區(qū)分膚色與非膚色區(qū)域,形成二值圖像。代碼如下:

U=(I-cb>=77)&(I-cb<=

127)&(I-cr>=133)&(I-cr<=173);

%提取膚色,得二值圖像

(4) 對(duì)二值化圖像進(jìn)行形態(tài)學(xué)處理。形態(tài)學(xué)的腐蝕操作能夠消除顆粒噪音,使圖像的區(qū)域縮小。開(kāi)運(yùn)算能夠使圖像的輪廓變的更加光滑,可以極大可能地濾除由噪聲或其他原因引入的誤判的膚色區(qū)域,可以為后續(xù)人頭統(tǒng)計(jì)帶來(lái)極大的便利,減少了工作量,提高檢測(cè)速度[6]。代碼如下:

se=strel(‘square’,3);

%構(gòu)造結(jié)構(gòu)元素

U=imopen(U,se);

%開(kāi)運(yùn)算

U=imclose(U,se);

%閉運(yùn)算

U=imfill(U,‘hole’);

%填洞

figure,imshow(U);

%顯示形態(tài)學(xué)處理結(jié)果

se1=strel(‘square’,8);

U=imerode(U,se1);

U=imdilate(U,se1);

%區(qū)域連通

figure,imshow(U);

(5) 基于人頭特征對(duì)連通區(qū)域進(jìn)行篩選。其步驟為：

(ⅰ) 對(duì)二值化圖像進(jìn)行順序標(biāo)記,準(zhǔn)確地標(biāo)記出二值化圖像中各種形狀的連通區(qū)域;

(ⅱ) 計(jì)算出每個(gè)連通區(qū)域的長(zhǎng)和寬;

(ⅲ) 判斷連通區(qū)域邊界處的長(zhǎng)寬之比,根據(jù)人臉的長(zhǎng)寬比(1.2到2.1之間)舍棄不滿足條件的連通區(qū)域；

(ⅳ) 對(duì)滿足條件的連通區(qū)域再次進(jìn)行標(biāo)記,為后續(xù)的再次篩選做鋪墊；

(ⅴ) 對(duì)區(qū)域進(jìn)行二次篩選,通過(guò)區(qū)域面積的大小值,排除不符合目標(biāo)域的較小值[7]。代碼如下:

[L,num]=bwlabel(U,4);

sum=0

for i=1:num;

[r,c]=find(L==i);

r-temp=max(r)-min(r);

%臉部區(qū)域長(zhǎng)度

c-temp=max(c)-min(c);

%臉部區(qū)域?qū)挾?/p>

temp=size(r);

sum=sum+temp;

if(r-temp/c-temp<1.2)|(r-temp/c-temp>2.1);

%判斷是否符合長(zhǎng)寬比范圍

for k=1:temp;

L(r(k),c(k))=0;

%非人臉剔除

end

else

continue;

end

end

figure (1)

imshow(L)

(6) 對(duì)連通區(qū)域進(jìn)行統(tǒng)計(jì)得出最終的人數(shù)統(tǒng)計(jì)結(jié)果。代碼如下:

[l,n]=bwlabel(bw2,8);

figure (3)

imshow(‘face7.jpg’)

title([‘人數(shù)檢測(cè)結(jié)果為’ num2str(n)])

3 仿真結(jié)果

以一副不同膚色的人數(shù)圖像為仿真對(duì)象,依據(jù)本文算法,用Matlab軟件進(jìn)行仿真。首先,對(duì)原始圖像進(jìn)行膚色提取,得二值化圖像,見(jiàn)圖1;接著對(duì)所得二值圖像進(jìn)行開(kāi)運(yùn)算操作,得到閉合連通域圖像,見(jiàn)圖2;再對(duì)閉合連通域圖像進(jìn)行形態(tài)學(xué)處理,得形態(tài)學(xué)處理后圖像,見(jiàn)圖3;接著根據(jù)人體頭部長(zhǎng)寬比特征進(jìn)行一次目標(biāo)篩選,篩選結(jié)果見(jiàn)圖4;再進(jìn)行二次篩選,通過(guò)對(duì)連通域面積的大小進(jìn)行篩選,排除不符合目標(biāo)域的較小的值,選出目標(biāo)區(qū)域,篩選結(jié)果見(jiàn)圖5;最后統(tǒng)計(jì)圖像中目標(biāo)連通域的個(gè)數(shù),得出最終人數(shù)統(tǒng)計(jì)結(jié)果,如圖6所示。

圖1 膚色提取后的二值化圖

圖2 形成閉合的連通域

圖3 形態(tài)學(xué)處理結(jié)果

圖4 生物特征篩選結(jié)果

圖5 二次篩選結(jié)果

圖6 人數(shù)統(tǒng)計(jì)結(jié)果

4 結(jié)束語(yǔ)

本文提出了基于膚色的圖像人數(shù)統(tǒng)計(jì)識(shí)別算法。仿真結(jié)果表明,該算法在YCbCr模型中,能夠很好地區(qū)分膚色與非膚色的區(qū)域,最終實(shí)現(xiàn)了圖像的人數(shù)自動(dòng)統(tǒng)計(jì)識(shí)別。本算法運(yùn)算速度快,具有較好的實(shí)時(shí)性。

參考文獻(xiàn):

[1] SCHOFER J, USHPIZ A, POLUS A. Pedestrian flow and level of service[J]. Journal of Transportation Engineering, 2010, 109(1): 46-56.

[2] KAYO O. Locally linear embedding algorithm: extensions and applications[D]. Oulu: University of Oulu, 2006.

[3] BELKIN M, NIYOGI P. Laplacian eigenmaps for dimensionality reduction and data representation[J]. Neural Computation, 2003, 15(6): 1373-1396.

[4] 楊帆,趙春暉,梅小丹,等.數(shù)字圖像處理與分析[M].北京:北京航空航天大學(xué)出版社,2010:92-142.

[5] 林慶,羅敏.基于顏色和幾何關(guān)系的人臉檢測(cè)方法[J].計(jì)算機(jī)工程與設(shè)計(jì),2008,29(7):3396-3398.

[6] 李尚國(guó).基于膚色和人臉特征的人臉檢測(cè)和人眼定位方法研究[D].重慶:重慶師范大學(xué),2010.

[7] 王映輝.人臉識(shí)別原理、方法與技術(shù)[M].北京:科學(xué)出版社，2010.