基于形狀特征的人臉檢測技術

張慧寧

（黃河水利職業(yè)技術學院，河南 開封 475004）

基于形狀特征的人臉檢測技術

張慧寧

（黃河水利職業(yè)技術學院，河南 開封 475004）

人臉識別具有其他生物特征識別技術所無法比擬的直接、友好、方便等優(yōu)點。論述了人臉檢測的概念和研究現狀，分析了人臉檢測系統(tǒng)中圖像灰度化、圖像增強、圖像二值化濾波等圖像預處理技術，探討了基于形狀特征的人臉檢測技術的應用前景。

形狀特征；人臉檢測；灰度變換；圖像增強；二值化濾波

0 引言

在社會信息安全問題備受關注的環(huán)境下，自身安全和個人隱私保護成為這個時代的熱門話題。基于鑰匙、密碼、個人身份識別碼、磁卡、IC卡等的傳統(tǒng)的安全措施已不能完全滿足社會要求。人們把目光投向了生物特征識別技術，即利用人體固有的生理特征或行為特征來進行身份的鑒別或確認?；谏锾卣鞯娜四樧R別是一種更直接、更方便、更友好、更容易被人們接受的非侵犯性識別方法，其在安全驗證系統(tǒng)、信用卡驗證、醫(yī)學、檔案管理、視頻會議、人機交互、罪犯識別等方面具有巨大的應用前景，越來越成為當前模式識別和人工智能領域的一個研究熱點。作為人臉自動識別系統(tǒng)的先決條件，人臉檢測技術有著十分重要的作用。人臉檢測是將人臉從圖像背景中檢測出來，它是人臉識別、視點跟蹤和人臉圖像壓縮等技術應用中的重要環(huán)節(jié)。由于受圖像背景、亮度變化及人的頭部姿勢等因素的影響，使得人臉檢測成為一項復雜的、具有挑戰(zhàn)性的研究課題。筆者在此主要探討基于形狀特征的人臉檢測技術的應用。

1 人臉檢測技術的概念及研究現狀

1．1 人臉檢測技術的概念

人臉檢測問題最初來源于人臉識別（Face Recognition），它是對于給定的靜態(tài)圖像或動態(tài)圖像先進行判斷，看是否存在人臉，如果存在，則進一步給出每個人臉的位置、大小以及各個面部器官的位置信息。人臉檢測技術是一種在遠距離、用戶非配合狀態(tài)下的快速身份識別技術，同時能夠滿足在實際應用場景下進行多個人臉的分揀、判斷及識別，并與人臉數據庫進行實時比對，完成快速的身份識別，實現智能預警的目的。

1.2 人臉檢測技術的研究現狀

國外關于人臉檢測問題的研究學者和機構有很多，比較著名的有MIT，CMU等［1］；國內有清華大學、中國科學院等單位的人員進行相關研究。人臉檢測的應用也不再局限于人臉識別系統(tǒng)，已經開始應用到車輛安全駕駛和照相機去紅眼等系統(tǒng)，同時也廣泛應用于全新的人機界面、安全訪問、視頻檢測等領域。目前，應用人臉檢測技術最多的領域有：（1）國際會議場所、奧運會運動場館，甚至重要設施的工地和港口等需要對大量的人員進行身份認證與安全防護的領域。（2）通過人臉的表情變化和互換產生大量娛樂互動效果的虛擬領域。（3）基于人臉圖像檢測技術的搜索分類引擎。

2 人臉檢測系統(tǒng)的設計

人臉檢測是實時人臉識別和表情識別的基礎，只有將人臉檢測得準確，人臉識別和表情識別才能得以實現。

在人臉檢測系統(tǒng)中，由于原始圖像在尺寸、角度方面不合要求，或者是由于室外光照不均勻等原因，會造成圖像質量不高。所以，需要按照一定的要求對原始圖像進行預處理，以利于用戶提取感興趣的信息。

圖像預處理的主要目的是消除圖像中無關的信息，濾除干擾、噪聲，恢復有用的真實信息，增強有關信息的可檢測性和最大限度地簡化數據。從而改進特征抽取的可靠性，為人臉準確檢測和定位提供保障。圖像處理過程如圖1所示。

圖1 圖像處理過程Fig.1 Image processing

2．1 圖像灰度化

圖像的灰度變換是通過建立灰度映射來調整源圖像的灰度，從而達到圖像增強的目的。其操作步驟為：（1）對原始圖像坐標軸放大，得到臉部信息。（2）調整圖像的像素值，也可以改變對比度和顏色，或調節(jié)灰度圖像的亮度或彩色。（3）調用imadjust函數，根據所用的圖像及想得到的結果，經過試驗，確定函數中的［low_in high_in low_out high_out］參數。（4）經過灰度的線性變換得到有用信息。圖2為圖像灰度變換前后的變化。

2．2 圖像增強

在曝光不足或過度情況下，圖像灰度局限在很窄的范圍內，造成圖像中的像素灰度沒有層次，圖像看起來比較模糊。直方圖突出我們感興趣的灰度范圍，進而對圖像做修正、增強，使圖像質量得到改善。

由圖3（a）顯示的原始圖像及圖3（c）原始直方圖可知，這幅圖像最為突出的特點是較暗，且動態(tài)范圍較低。相對于整個灰度范圍來說，直方圖的寬度非常狹窄，圖像質量比較差，地物可分性較差。經過灰度變換和直方圖均衡化后，圖像的對比度及平均亮度明顯提高，直方圖在整個亮度標度上顯著擴展，圖像質量提高（如圖3（c）和圖3（d）所示）。

圖2 圖像灰度變換Fig.2 Image gradation transformation

2．3 圖像二值化濾波

圖像的噪聲（如敏感元件、傳輸通道等引起的噪聲）多半是隨機的，它們對某一像素的影響可以看作是孤立的。因此，與鄰近各點相比，該點灰度值將有顯著的不同。采用領域平均值方法可以消除噪聲。即，把圖像分成若干個N×N的窗口，對每個窗口內像素組成的點集進行加平均，然后輸出。鄰域平均值的平均作用會引起模糊現象，模糊程度與領域半徑成正比。其處理辦法是取超限等領域平均值。如果某個像素的灰度值大于其鄰域像素的平均值，且達到一定水平，則判斷該像素為噪聲，繼而用領域像素的均值取代這一像素。如圖4所示，原始圖像中加入椒鹽噪聲來模擬圖像的噪聲，經過中值濾波和模板二值濾波后，能有效地去除椒鹽噪聲。但是，模板濾波會引起模糊現象。使用3×3的模板能有效地去除噪聲，且不會引起模糊現象，效果較好。

圖3 圖像增強Fig.3 Image intensification

圖4 圖像二值化濾波Fig.4 Image binaryzation smoothing

2.4 基于形狀特征的人臉檢測技術的應用

人臉檢測是指在輸入圖像中確定所有人臉 （如果存在）的位置、大小和位姿的過程。在大多數場合中，由于場景較復雜，人臉的位置是預先不知道的，因而首先必須確定場景中是否存在人臉，如果存在人臉，再確定其位置。基于形狀的檢測方法是利用人臉五官形狀的信息，用一些形狀模式在數字圖像中匹配人臉，進而進行人臉檢測。如圖5所示，對原始圖像進行灰度變換、濾波、二值化處理后，減小背景區(qū)域，并圈出人臉的位置。為減小背景區(qū)域，可將圖像部分邊緣區(qū)域設置為黑色。

圖5 形狀特征的人臉檢測Fig.5 Face detection of shape feature

3 結語

基于形狀特征的人臉檢測雖然精確度較高，能夠圈出人臉部位，但是圖片里包含了一部分背景圖像區(qū)域，會影響對人臉的高精度檢測和人臉部位的精確定位。此外，在動態(tài)環(huán)境下，人臉檢測技術還可能會出現以下問題，從而影響檢測的正確性［2］：（1）不同個體之間的區(qū)別不大，所有人臉的結構都相似，甚至人臉器官的結構外形都很相似，這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區(qū)分人類個體是不利的。（2）人臉的外形很不穩(wěn)定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大。（3）人臉檢測還受光照條件（例如白天和夜晚，室內和室外、迎光和背光等）、人臉的諸多遮蓋物（例如口罩、墨鏡、頭發(fā)、胡須等）、年齡等多方面因素的影響。

雖然人臉檢測技術經過幾十年的發(fā)展已經有了很大的突破，其意義也遠遠超出了過去產生的指紋檢測、掌紋檢測、視網膜檢測、骨骼檢測、心跳檢測等技術，但是由于它對人體的生物特征有精確把握，如果使用不當，極易形成對個人隱私的永久性損害［3］。因此，如何有效地解決這些問題，是今后人臉檢測技術發(fā)展中需要著力解決的問題。

在計算機技術、網絡技術和人工智能技術高速發(fā)展的今天，人臉檢測技術將會有更廣闊的空間來展現其價值。也許就在明天，人臉就成為我們電子生活中的重要名片和標簽，“刷臉”成為一種生活習慣。以人臉檢測為基礎的人臉識別將不斷改變著我們的生活，改變著我們的生活方式。

［1］ 梁路宏，艾海舟，徐光祐，等．人臉檢測研究綜述［J］．計算機學報，2002，25（5）：449-459．

［2］ 中國報告大廳．2014-2020年中國人臉識別市場調研與發(fā)展趨勢預測報告 ［EB／OL］．［2016-11-20］www．chinabgao．com／report／print661263．html．

［3］ 田鐳．人臉檢測技術研究［D］．上海：上海交通大學，2007．

[責任編輯 胡修池]

TN915．〔43〕

B

10．13681／j．cnki．cn41-1282／tv．2017．02．012

2017-01-12

黃河水利職業(yè)技術學院校內青年基金項目：人臉識別在校園門禁系統(tǒng)中的應用（2015QNKY008）。

張慧寧（1981-），女，河南三門峽人，講師，碩士，從事高校電氣自動化技術教學與研究工作，研究方向：控制理論與控制工程專業(yè)。