基于膚色模型與模板匹配的人臉檢測(cè)探究

潘廣全,王 偉

（1.山東中煙工業(yè)有限責(zé)任公司青州卷煙廠，青州,262500；2.山東正晨科技股份有限公司企業(yè)技術(shù)中心，濟(jì)南,250101）

一個(gè)完整的人臉自動(dòng)識(shí)別系統(tǒng)包括人臉檢測(cè)定位和人臉識(shí)別兩個(gè)主要的技術(shù)環(huán)節(jié)，其中人臉的檢測(cè)定位是人臉識(shí)別的前提和關(guān)鍵。近年來由于在安全控制、視覺檢測(cè)、身份驗(yàn)證和新一代人機(jī)界面等領(lǐng)域的應(yīng)用，人臉檢測(cè)得到了廣泛的研究，并提出了很多解決方案。大體可分為3 類：基于知識(shí)規(guī)則的方法、基于可視特征的方法和基于模板的方法。基于知識(shí)規(guī)則的方法是使用源于研究者關(guān)于人臉的先驗(yàn)知識(shí)規(guī)則對(duì)人臉檢測(cè)?；诳梢曁卣鞣椒ㄊ抢萌四樀姆植?、顏色、紋理等可見特征來作為人臉的檢測(cè)特征。模板匹配方法是通過計(jì)算模板和圖像之間的相關(guān)性來實(shí)現(xiàn)人臉的檢測(cè)。

1 色彩空間選擇

在視覺圖像處理與建模中，RGB 色彩空間經(jīng)常被使用，然而RGB 色彩空間容易受光線強(qiáng)度的影響，各個(gè)參數(shù)分量之間的耦合性強(qiáng)，進(jìn)行圖像建模比較困難，但YCbCr 色彩空間不易受光線強(qiáng)度的影響，膚色分布區(qū)域能很好的得到控制，有很好的聚類特性 ，可將RGB 色彩空間轉(zhuǎn)換到Y(jié)CbCr 色彩空間進(jìn)行膚色的提取，兩個(gè)色彩空間可以通過如下公式進(jìn)行轉(zhuǎn)換：

2 YCbCr 色彩空間的膚色模型

從200 幅人臉照片中手工裁剪下350 個(gè)皮膚圖像樣本，圖像主要來源于互聯(lián)網(wǎng)，圖像中人物的年齡、性別各不相同，圖像的明暗度、尺寸大小以及分辨率等均不相同。膚色樣本從RGB 空間轉(zhuǎn)換到Y(jié)CbCr 空間進(jìn)行建模，通過計(jì)算可得到膚色面積上的像素點(diǎn)色度值(Cb，Cr)，統(tǒng)計(jì)分析在CbCr 空間中得到的色度值，可得到膚色像素在CbCr 區(qū)域中的分布圖1。

由圖1 可以看出，在CbCr 空間中膚色像素聚集在一定的區(qū)域內(nèi)，該區(qū)域大體取值情況如下：Cb

圖1 膚色聚類性分布圖

為[80，130]，Cr 為[120，180]，這說明膚色在該空間區(qū)域內(nèi)具有較好的聚類性。該樣本膚色的分布可以用高斯模型

來進(jìn)行數(shù)據(jù)擬合描述。膚色像素的Cb、Cr 值為高斯模型的輸入，膚色像素的概率值為輸出。其計(jì)算公式如下：

式中：m 為x 的均值，C 為協(xié)方差矩陣。通過對(duì)350 個(gè)膚色樣本進(jìn)行統(tǒng)計(jì)得到均值m 以及協(xié)方差矩陣C，公式如（3）（4）：

3 膚色分割

在膚色建模完成之后，進(jìn)行膚色分割，下面是待檢圖片膚色分割算法的過程（如圖2 所示）：

(1)首先將待檢圖片由RGB 空間轉(zhuǎn)換到Y(jié)CbCr 空間。由建立的高斯膚色模型，計(jì)算 (Cr，Cb)值所對(duì)應(yīng)的膚色概率值，由膚色概率值得到膚色似然圖(如圖3 所示)。

(2)選取適當(dāng)?shù)拈撝祵⒒叶葓D像二值化，分割出圖像里面為膚色的區(qū)域。二值化中閾值的選取很重要，對(duì)于不同種族的膚色, 沒有一個(gè)固定的閾值可適用于所有圖像。自適應(yīng)閾值被認(rèn)為是一種可能對(duì)多數(shù)圖像分割都適用的處理技術(shù),這里采用自適應(yīng)閾值分割法進(jìn)行的，應(yīng)用最大類間方差法進(jìn)行膚色分割處理。最大類間方差法就是以灰度為閾值，將直方圖分成兩類，計(jì)算兩類的方差值，分成的兩類的方差最大時(shí)，對(duì)應(yīng)的灰度值就是閾值分割圖像灰度值。膚色分割后的二值化圖像如圖4 所示。

圖2 原圖

圖3 膚色似然圖

圖4 膚色分割圖

4 基于數(shù)學(xué)形態(tài)學(xué)的處理

集合論包含腐蝕、膨脹、開運(yùn)算和閉運(yùn)算，腐蝕使圖像邊界收縮，消除小的物體，膨脹使圖像邊界外擴(kuò)，可填補(bǔ)其中的空洞，開運(yùn)算可在纖細(xì)點(diǎn)處分離圖像，平滑圖像邊界，閉運(yùn)算可填充圖像細(xì)小空洞，還可以連接鄰近物體平滑邊界。

開運(yùn)算的定義為：

閉運(yùn)算的定義為：

公式中A 是待檢圖像二值化運(yùn)算后的圖像，B 是進(jìn)行腐蝕與膨脹運(yùn)算的結(jié)構(gòu)元素（值為1 或0）。

在本實(shí)驗(yàn)中，使用3x3 的、2x2的結(jié)構(gòu)元素分別對(duì)二值圖像進(jìn)行開運(yùn)算和閉運(yùn)算。效果圖如圖5 所示。

5 候選區(qū)域的篩選

圖5 形態(tài)學(xué)的處理

含有小噪聲與小毛刺的圖像經(jīng)形態(tài)學(xué)處理后，大部分噪聲與毛刺被去除，可能有小部分非膚色區(qū)域存在。為了消除除非人臉區(qū)域，根據(jù)人臉的特征，使用先驗(yàn)知識(shí)對(duì)二值化圖像進(jìn)行分析，確定膚色區(qū)域的個(gè)數(shù)，在本實(shí)驗(yàn)中,采用八連通標(biāo)記，連接相同的成份為同一標(biāo)號(hào)，否則為其分配不同的標(biāo)號(hào)。人臉可采用如下三種人臉先驗(yàn)知識(shí)進(jìn)行篩選。

（1）確定區(qū)域內(nèi)孔洞數(shù)目

經(jīng)大量實(shí)驗(yàn)證明，人臉皮膚區(qū)域由于眼睛、嘴巴、眉毛等非膚色區(qū)域的存在，使二值圖像中存在多個(gè)孔洞。采用歐拉數(shù)方法計(jì)算每一塊膚色區(qū)域中的孔洞數(shù)。歐拉數(shù)是連通成分?jǐn)?shù)減去孔洞數(shù)，即

（2）區(qū)域的長(zhǎng)寬比例

大部分情況下，人臉有一定傾斜，利用坐標(biāo)定位判斷不在合理。我們可以對(duì)該區(qū)域邊界的所有點(diǎn)的坐標(biāo)值進(jìn)行統(tǒng)計(jì)分析并提取構(gòu)成，分別記錄x 軸和y 軸上最小分量、最大分量的坐標(biāo)值為人臉的長(zhǎng)寬參數(shù)，令B、S 分別等于其較大者和較小者，求B 與S 的比值 就是所求的區(qū)域長(zhǎng)寬比。經(jīng)經(jīng)科研機(jī)大量的人臉圖像統(tǒng)計(jì)分析可知，人臉來長(zhǎng)寬之比約為1。圖像中可能有側(cè)臉，或著有的頸部和人臉相互連接，為防止正確的分割區(qū)域產(chǎn)生誤判，將長(zhǎng)寬比率放寬以排除很明顯就不是人臉的區(qū)域。取 為人臉長(zhǎng)寬比，對(duì)大于和小于這種比例關(guān)系的，直接去除該區(qū)域。可去除掉某些手、手臂等身體部分，以及類似膚色的區(qū)域。

（3）區(qū)域的面積

人的面部為橢圓形，在長(zhǎng)度與寬度上存在一定的比例，但是在特殊的情況下，膚色區(qū)域也出現(xiàn)這種情況，例如人手攥成拳頭時(shí)，就呈橢圓形，這可以通過區(qū)域的面積進(jìn)行排除，區(qū)域的長(zhǎng)度與寬度確定好了之后，區(qū)域的面積為其像素點(diǎn)的個(gè)數(shù)，公式表達(dá)如下：

6 模板匹配

通過空間建模，膚色分割、形態(tài)學(xué)處理，在一定程度上排除了噪聲影響，使用人臉模板匹配的方法檢測(cè)得到的多個(gè)人臉區(qū)域，最終確定是不是人臉。出于檢測(cè)速度的考慮，只使用一個(gè)模板。本實(shí)驗(yàn)中所用的人臉模板如下圖6 所示。此模板是通過200 幅男性和女性的正面臉確定的。它的操作過程如下：首先在200 幅圖像中手工截取人臉區(qū)域作為人臉樣本，由手工標(biāo)定人眼的位置，以保證人眼在圖像中位置是固定的。然后對(duì)每一個(gè)人臉樣本作大小和灰度的標(biāo)準(zhǔn)化。對(duì)所得到的200 幅標(biāo)準(zhǔn)化圖像求平均值作為臉部模板。

圖6 模板臉

圖7 模板匹配與人臉定位圖

7 實(shí)驗(yàn)仿真結(jié)果

本實(shí)驗(yàn)利用MATLAB 進(jìn)行仿真，運(yùn)行結(jié)果如圖8 所示，本文所提出的算法可適合各種人群，各種場(chǎng)合，準(zhǔn)確率比較高，同樣適合于人臉有一定角度旋轉(zhuǎn)的情況。

圖8 實(shí)驗(yàn)結(jié)果

8 結(jié)束語(yǔ)

本文提出了一種基于膚色和模板匹配相結(jié)合進(jìn)行人臉檢測(cè)方法。MATLAB 仿真實(shí)驗(yàn)證明，在復(fù)雜背景下人臉檢測(cè)的準(zhǔn)確度較好，速度較快，對(duì)圖像中存在多個(gè)人臉和有眼鏡遮擋的人臉檢測(cè)也同樣有效。但是,該方法還存在著一些問題。對(duì)于待檢測(cè)的圖像中存在傾斜角度較大的臉臉部區(qū)域例如側(cè)臉，漏檢率較高。該算法在這些方面還有待改進(jìn)。

[1] 段錦. 人臉自動(dòng)機(jī)器識(shí)別[M]，北京：科學(xué)出版社，2009:18-21

[2] 劉喜榮.田啟川.基于膚色模型和模板匹配的人臉檢測(cè)方法研究,太原科技大學(xué)學(xué)報(bào)[J],2010,31(5)；373-377.

[3] HSU R-L,ABDEL-MOTTALEB M,JAIN A K. Face detection in color images[J].IEEE Transactions on Patten Analysis and Machine Intelligence,2002,24(5):696 - 707.

[4] 馬艷.基于顏色與模板匹配的人臉檢測(cè)方法[D].大連：大連理工大學(xué),2006

[5] 全星慧.張磊.基于膚色模型與眼睛定位的人臉檢測(cè)方法[J],科學(xué)技術(shù)與工程,,2010,10(31)；7822-7824

[6] 柳映輝.任德華.陳少杰.基于高斯膚色模型和圖像分割的人臉檢測(cè), 天津科技大學(xué)學(xué)報(bào)[J],2010,25(5):64-67

[7] 趙麗紅.孫曉琳.王宇飛.徐心和.基于膚色的人臉檢測(cè),工程圖學(xué)學(xué)報(bào)[J] ,2005(3)；84-88

[8] 高成.Matlab 圖像處理與應(yīng)用[M],北京：國(guó)防工業(yè)出版社，2007:185-215