膚色與唇色信息相結(jié)合的人臉檢測(cè)

韓征彬++張景++黃鑫悅++李宛瑾++吳冰

摘 要：人臉識(shí)別一直是圖像處理研究的熱門(mén)領(lǐng)域，現(xiàn)在社會(huì)中的應(yīng)用更是越來(lái)越廣泛，可用于安防、案件偵查和移動(dòng)支付等領(lǐng)域，其中，人臉檢測(cè)是人臉識(shí)別的前提。通常的人臉檢測(cè)技術(shù)有基于膚色、模板匹配和AdaBoost等檢測(cè)方法。該文采用膚色和唇色信息相結(jié)合的人臉檢測(cè)技術(shù)，可以較好的檢測(cè)出圖像中的人臉位置。

關(guān)鍵詞：人臉檢測(cè) 膚色 唇色 彩色均衡

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2017）06（c）-0001-02

在人臉檢測(cè)領(lǐng)域，人臉特征的選取是基礎(chǔ)與核心[1]。人臉檢測(cè)技術(shù)主要分為基于特征和基于統(tǒng)計(jì)兩種方法，兩種方法各有優(yōu)缺點(diǎn)?；谔卣鞯姆椒ㄈ菀资艿搅炼取⒏蓴_等影響，但對(duì)人臉角度變化，范圍較大的圖像檢測(cè)具有優(yōu)勢(shì)；而基于統(tǒng)計(jì)方法雖然不易受到噪聲背景等的影響，但一般計(jì)算復(fù)雜，存在樣本量大，訓(xùn)練困難等問(wèn)題。

該文采用膚色模型的人臉檢測(cè)，并結(jié)合唇色檢測(cè)，并對(duì)其進(jìn)行優(yōu)化。解決思路為將圖像進(jìn)行增強(qiáng)處理，突出感興趣區(qū)域（ROI），減少噪聲和其他干擾，結(jié)合膚色高斯概率模型，計(jì)算屬于膚色的概率，然后根據(jù)對(duì)人臉的先驗(yàn)知識(shí)，排除一些較為明顯的干擾。根據(jù)唇色特征再判斷屬于膚色區(qū)域中是否存在嘴唇，如果存在，則判定此區(qū)域含有人臉。

1 圖像預(yù)處理

受光照和其他因素的影響，采集的人臉圖像存在其他干擾，所以要先進(jìn)行圖像預(yù)處理，增強(qiáng)圖像中感興趣區(qū)域的特征，主要有光照預(yù)處理和圖像增強(qiáng)等。

光線(xiàn)預(yù)處理采用GrayWorld算法的彩色均衡法，分別計(jì)算圖像R、G、B3個(gè)顏色分量的平均值，并且需要求得圖像的平均灰度值，然后分別調(diào)整每個(gè)像素的R、G、B值，使得調(diào)整后圖像的3個(gè)顏色分量的平均值都近似于平均灰度值。

人臉圖像增強(qiáng)主要是去除噪聲， 在獲取的圖像中，由于設(shè)備或環(huán)境的影響，圖像中會(huì)有噪聲的存在，噪聲的存在對(duì)于圖像處理和識(shí)別都會(huì)造成影響。中值濾波是把局部區(qū)域的像素按色彩亮度進(jìn)行排序，取該領(lǐng)域中色彩亮度的中值作為當(dāng)前像素的值。因?yàn)橹兄禐V波并不是簡(jiǎn)單的取均值，因而它不會(huì)產(chǎn)生很多模糊部位，對(duì)人臉圖像檢測(cè)不會(huì)產(chǎn)生很多影響。

2 基于YCbCr色彩空間的膚色模型

2.1 色彩空間

皮膚的顏色是人體的一個(gè)重要特征，也是識(shí)別人臉的首要特征。膚色檢測(cè)是檢測(cè)人臉的第一步。基于膚色特征檢測(cè)人臉，主要是構(gòu)造人臉的膚色模型[2]，使用數(shù)學(xué)模型進(jìn)行檢測(cè)，判斷各個(gè)像素點(diǎn)屬于膚色的概率。

顏色模型是指利用三維空間一點(diǎn)坐標(biāo)去描述可見(jiàn)光的顏色，常見(jiàn)的顏色模型有RGB、CMYK、HSL、HSB、YCbCr等模型。YCbCr顏色模型中的Y為亮度信息，Cb、Cr分別表示藍(lán)色和紅色，YCbCr顏色空間和人的視覺(jué)系統(tǒng)很相似，而且具有非常好的聚類(lèi)性，適合用于膚色模型的構(gòu)建中。

2.2 膚色模型

經(jīng)過(guò)統(tǒng)計(jì)學(xué)研究，膚色是符合正態(tài)分布的隨機(jī)樣本，即也滿(mǎn)足高斯分布。膚色模型就是利用統(tǒng)計(jì)學(xué)原理，使用數(shù)學(xué)方法來(lái)表示某一像素屬于膚色的概率，其中簡(jiǎn)單高斯模型是一種常見(jiàn)的模型表示方法，其表達(dá)形式簡(jiǎn)單、直觀(guān)。高斯模型通過(guò)計(jì)算像素的概率值構(gòu)成連續(xù)的數(shù)據(jù)信息并得到一個(gè)膚色概率圖，根據(jù)數(shù)據(jù)的大小完成膚色的確認(rèn)[3]。

二維高斯型函數(shù)：

通過(guò)采集大量的膚色樣本計(jì)算他們的統(tǒng)計(jì)特征，可以求得C和M的值為：

2.3 圖像二值化

將圖像中的每一個(gè)像素點(diǎn)帶入膚色模型函數(shù)，可以得到每一點(diǎn)屬于膚色的概率，即膚色似然度。再將每一點(diǎn)的值除以圖像上最大的似然度值，然后進(jìn)行歸一化，即乘上255，得到的灰度圖就是類(lèi)膚色圖像[4]，灰度值越高表明屬于膚色的概率就越大。

得到類(lèi)膚色灰度圖后，需要對(duì)其進(jìn)行二值化，分割膚色區(qū)域，該文采用閾值分割法對(duì)灰度圖進(jìn)行分割，閾值分割法選擇直方圖法。二值化圖像后進(jìn)行形態(tài)學(xué)處理，腐蝕、膨脹。對(duì)連通區(qū)進(jìn)行標(biāo)記。圖1為原始圖像，圖2為標(biāo)記后的二值化圖像，可以看出除了膚色區(qū)域被標(biāo)記，還有背景中一些類(lèi)膚色區(qū)域也被標(biāo)記。根據(jù)經(jīng)驗(yàn)可知，人臉的長(zhǎng)寬比例在一定范圍內(nèi)，因此可以根據(jù)這個(gè)范圍排除一些干擾，圖3為去除掉一些大小、長(zhǎng)寬比例不在范圍內(nèi)的連通區(qū)。

3 唇部檢測(cè)

利用唇部的色度差，即RGB分量在唇部的分布差異，可以檢測(cè)出唇部的位置和大小。唇部檢測(cè)算法有Wark等提出的 Chromatic Feature Extraction（CFE）[5]和Lewis等提出的RedExclusion（RE）[6]。該文利用Wark等提出的CFE算法。CFE算法認(rèn)為唇色和膚色的差別是紅色和綠色分量，他得出的判別式為：L≤≤U，即唇部的紅色分量與藍(lán)色分量的比值在一定的范圍內(nèi)，經(jīng)過(guò)研究計(jì)算，Wark得出L=1.5，U=2.2。

根據(jù)上述準(zhǔn)則，在膚色檢測(cè)結(jié)果的連通區(qū)內(nèi)判別是否存在唇部區(qū)域，圖4為檢測(cè)結(jié)果，圖中存在一些類(lèi)膚色，類(lèi)唇色區(qū)域的干擾。因?yàn)榇讲克既四樏娣e的比例具有一定范圍，可以去除不符合比例范圍的類(lèi)唇色干擾區(qū)。圖5為最終人臉檢測(cè)結(jié)果。

該文主要基于膚色和唇色信息，運(yùn)用彩色平衡，圖像增強(qiáng)等技術(shù)，實(shí)現(xiàn)了人臉檢測(cè)的功能，同時(shí)結(jié)合唇部、人臉區(qū)域的面積及比例信息，可以去除干擾區(qū)域，得到比較準(zhǔn)確的檢測(cè)結(jié)果。

參考文獻(xiàn)

[1] 李智勇.基于光照預(yù)處理的人臉檢測(cè)研究[D].陜西師范大學(xué)， 2006.

[2] 李智勇，田貞.基于膚色模型的人臉檢測(cè)研究[J].現(xiàn)代電子技術(shù)，2011，34（3）：131-133.

[3] 程艦.人臉識(shí)別技術(shù)在期貨軟件登錄中的應(yīng)用研究[D].大連海事大學(xué)，2014.

[4] 肖明坤，王厚大.一種基于膚色分割的彩色圖像人臉檢測(cè)算法[J].信息化研究，2007，33（3）：40-42.

[5] Wark T，Sridharan S，Chandran V.An Approach to Statistical Lip Modelling for Speaker Identification via Chromatic Feature Extraction[A].International Conference on Pattern Recognition[C].IEEE Computer Society， 1998：123.

[6] Lewis T W，Powers D M W.Lip Feature Extraction Using Red Exclusion[A].Pan-Sydney Workshop Visualization[C].2002：61-67.