一種快速的證件照片人臉檢測(cè)方法

文/張洲 張悅

1 引言

現(xiàn)今很多場(chǎng)合都需要身份信息的檢測(cè)與識(shí)別，如火車(chē)站進(jìn)站、銀行提款等，人臉輪廓以及器官成為了識(shí)別一個(gè)人的重要依據(jù)。在人臉比對(duì)過(guò)程中，需要首先將證件照片的人臉區(qū)域，及其中的眼睛、嘴巴等面部器官區(qū)域準(zhǔn)確檢測(cè)出來(lái)，進(jìn)而提取面部輪廓、器官特征，然后與實(shí)際采集的人臉信息進(jìn)行比對(duì)。并且基于證件照片的人臉檢測(cè)系統(tǒng)和指紋識(shí)別系統(tǒng)、DNA檢測(cè)等其他身份信息驗(yàn)證方法相比較，不需要與檢測(cè)設(shè)備相接觸，更加方便快捷。因此研究基于證件照片的快速準(zhǔn)確的人臉檢測(cè)算法具有很大的實(shí)際意義和廣闊的發(fā)展前景。

2 系統(tǒng)總體流程

本系統(tǒng)主要實(shí)現(xiàn)證件照片的人臉區(qū)域檢測(cè)，同時(shí)確定眼睛和嘴巴的位置，總體方案流程圖如圖1所示。系統(tǒng)實(shí)現(xiàn)主要分兩大部分：人臉區(qū)域檢測(cè)和面部器官定位。

人臉區(qū)域檢測(cè)采取的關(guān)鍵技術(shù)包括：

（1）空間轉(zhuǎn)換：主要根據(jù)證件照片的背景顏色、人臉膚色的聚類(lèi)特性等因素綜合考慮，本文將證件照片原始RGB空間轉(zhuǎn)換為YCbCr空間。

（2）膚色分割：色彩空間轉(zhuǎn)換后，利用本文的橢圓膚色模型使圖像中的人臉區(qū)域和背景區(qū)域進(jìn)行分離；分離結(jié)果由黑白兩色區(qū)分，其中白色區(qū)域?yàn)槟w色區(qū)域，黑色區(qū)域?yàn)楸尘皡^(qū)域。

面部器官定位的關(guān)鍵技術(shù)包括：

（1）眼睛定位：在檢測(cè)到人臉區(qū)域上，采用水平和垂直投影技術(shù)快速定位眼睛的位置，并用矩形框標(biāo)記顯示。

（2）嘴巴定位：疊加橢圓膚色模型和CbCr通道模型的檢測(cè)結(jié)果，最終用矩形框標(biāo)記顯示。

圖1：總體方案流程圖

圖2：橢圓模型處理后的二值照片

圖3：人臉區(qū)域檢測(cè)結(jié)果

圖4：人臉區(qū)域灰度圖像垂直投影曲線

圖5：灰度圖像水平投影曲線

3 人臉區(qū)域的檢測(cè)

人臉區(qū)域檢測(cè)的目的是將人臉?biāo)趨^(qū)域從整幅證件照片中提取分割出來(lái)。利用人臉膚色與照片背景顏色的不同，區(qū)分出膚色區(qū)域并用矩形框截取出該部分圖像，然后在人臉圖像上進(jìn)一步定位面部器官，這樣做可以大大降低運(yùn)算量，并且提高器官的定位精度。

3.1 照片色彩空間轉(zhuǎn)換

原始證件照片成像的色彩空間是日常生活中最常用的RGB空間，但是相對(duì)YCbCr空間，該空間對(duì)光線的變化比較敏感，同時(shí)不同的照片拍攝設(shè)備也可能導(dǎo)致拍攝照片的顏色偏差，這些都有可能導(dǎo)致不同環(huán)境下拍攝到的證件照片中的人臉皮膚的顏色各不相同，并且與人臉本身的膚色顏色像素值產(chǎn)生偏差，而由此產(chǎn)生的偏差不利于依靠膚色區(qū)分人臉與其它區(qū)域。因此為了隨后的人臉區(qū)域檢測(cè)的準(zhǔn)確性，本文首先對(duì)證件照片圖像進(jìn)行色度空間的轉(zhuǎn)換。RGB（24位）色彩空間與YCbCr（256級(jí)）色彩空間的轉(zhuǎn)換公式如式（1）所示：

式中變量R，G，B分別代表RGB空間的紅、綠、藍(lán)三個(gè)通道，變量Y，Cb，Cr為YCbCr空間的三個(gè)通道，分別代表顏色的亮度、藍(lán)色和紅色濃度偏移量。

3.2 膚色分割

在YCbCr色彩空間下，根據(jù)人臉膚色的聚類(lèi)特性，本文采用橢圓膚色模型分割圖像，初步定位人臉，再利用形態(tài)學(xué)方法進(jìn)一步處理該區(qū)域，將膚色區(qū)域從整幅證件照片中分割出來(lái)，以便后續(xù)處理。

具體步驟如下：由于人臉皮膚顏色在CbCr面上基本集中在一個(gè)近似橢圓的區(qū)域內(nèi)，因此如公式（2）所示，首先建立橢圓模型方程，然后依次讀取證件照片中的每個(gè)像素點(diǎn)Pi，根據(jù)公式（3）判斷其在Cb和Cr通道的數(shù)值是否落在公式（2）生成的橢圓區(qū)域內(nèi)，如果Pi在橢圓區(qū)域內(nèi)，則標(biāo)記為“1”，并判定該像素點(diǎn)屬于人臉區(qū)域，反之，Pi(x,y)在橢圓區(qū)域外，則標(biāo)記為“0”，判定該像素點(diǎn)屬于非人臉區(qū)域。

式中變量Cb，Cr分別代表像素點(diǎn)Pi在Cb和Cr通道的數(shù)值；并且針對(duì)證件照片的人臉特點(diǎn)進(jìn)行實(shí)驗(yàn)測(cè)試，本文確定公式（2）和公式（3）中參數(shù)取值如下：橢圓的長(zhǎng)半徑a=26.39，短半徑 b=14.03，ecx=1.6，ecy=2.4，cx=109.38，cy=152.02，θ=2.53。

經(jīng)橢圓模型處理后，本文得到一個(gè)二值矩陣M，對(duì)應(yīng)的二值圖像如圖2所示。求取二值矩陣M中的連通區(qū)域，采用形態(tài)學(xué)腐蝕膨脹算法，確定連通域包含的矩形區(qū)域，這些矩形區(qū)域即為可能的人臉區(qū)域。最后，根據(jù)證件照片分辨率，設(shè)定人臉區(qū)域面積和所處位置兩個(gè)閾值，對(duì)所有可能是人臉區(qū)域的備選矩形進(jìn)行面積和位置條件篩選，最終確定證件照片中的人臉區(qū)域，并用矩形框標(biāo)定出來(lái)，分割結(jié)果如圖3所示。

圖6：眼睛區(qū)域定位結(jié)果

圖7：橢圓模型檢測(cè)到的嘴巴區(qū)域

圖8：CbCr通道模型檢測(cè)到的嘴巴區(qū)域

圖9：嘴巴區(qū)域定位結(jié)果

4 面部器官的定位

4.1 眼睛定位

首先提取出上文檢測(cè)到的人臉區(qū)域，并將其轉(zhuǎn)換為灰度圖像。由于在人臉區(qū)域的灰度圖像中，眼睛的顏色和皮膚顏色相比，存在比較大的灰度差異。因此本文根據(jù)這一特點(diǎn)，采用投影方法定位出眼睛所在區(qū)域。統(tǒng)計(jì)分析表明證件照片中人臉及器官所處位置相對(duì)整幅照片基本固定，綜合位置信息和投影曲線可以比較準(zhǔn)確的定位出眼睛區(qū)域。

圖4為人臉區(qū)域灰度圖像的垂直投影曲線，垂直投影曲線中波峰對(duì)應(yīng)區(qū)域?yàn)檠劬^(qū)域，結(jié)合眼睛在標(biāo)準(zhǔn)證件中的大致范圍和對(duì)稱(chēng)性，可以確定出眼睛區(qū)域的豎向外側(cè)邊界；而眼睛區(qū)域的豎向內(nèi)側(cè)邊界則由投影曲線的極值點(diǎn)確定。根據(jù)眼睛區(qū)域的豎向外邊界，對(duì)人臉區(qū)域灰度圖像僅豎向截取包含眼睛的部分，再進(jìn)行水平投影（投影結(jié)果如圖5所示），圖中菱形標(biāo)記點(diǎn)為曲線的極值點(diǎn)。圖中第一個(gè)極大值和極小值對(duì)應(yīng)區(qū)域?yàn)槊济笾聟^(qū)域，第二個(gè)和第三個(gè)極大值對(duì)應(yīng)區(qū)域?yàn)檠劬Υ笾聟^(qū)域，第二個(gè)極小值大約為眼睛中線，結(jié)合位置信息，最終可確定眼睛區(qū)域的水平邊界。結(jié)合水平投影和垂直投影結(jié)果，最終用矩形框標(biāo)定定位結(jié)果，如圖6所示。

4.2 嘴巴定位

嘴巴和膚色比較，顏色較為鮮艷，但單純基于某個(gè)色彩空間的圖像不足以準(zhǔn)確地定位，因此本文分別采用橢圓模型和CbCr通道模型對(duì)照片圖像進(jìn)行處理，兩種方法分割出的嘴巴區(qū)域疊加，做為最終的嘴巴區(qū)域。

證件照片采用橢圓模型生成的二值圖像如圖2所示，圖像黑白數(shù)值反轉(zhuǎn)并找出二值圖像中所有的白色連通域，經(jīng)過(guò)位置和面積篩選確定出嘴巴區(qū)域（圖7中矩形框）。

CbCr通道模型的公式如下：

圖像變換后結(jié)果如圖8（a）所示，再采用閾值分割算法分割出嘴巴區(qū)域，如圖8（b）所示。根據(jù)兩個(gè)模型的疊加結(jié)果如圖9（a）所示，其中橢圓模型確定的嘴巴區(qū)域用虛線矩形框標(biāo)記，CbCr通道模型確定的嘴巴區(qū)域用實(shí)線矩形框標(biāo)記，最終在彩色證件照片定位出的嘴巴區(qū)域如圖9（b）所示。

5 結(jié)論

標(biāo)準(zhǔn)證件照片的人臉區(qū)域檢測(cè)和面部器官定位可用于各類(lèi)證件與持證人實(shí)時(shí)人臉采集信息的核對(duì)，在公安、檔案管理、門(mén)禁系統(tǒng)安全驗(yàn)證、機(jī)器人視覺(jué)等方面有廣泛的應(yīng)用前景。本文采用的人臉區(qū)域檢測(cè)和面部器官定位算法簡(jiǎn)單易行，大量實(shí)驗(yàn)證明該算法不僅準(zhǔn)確率高，而且運(yùn)行時(shí)間具有實(shí)時(shí)性，能夠?yàn)楹罄m(xù)的人臉比對(duì)提供便利。

參考文獻(xiàn)

[1]張文彬.人臉識(shí)別技術(shù)在互聯(lián)網(wǎng)金融行業(yè)中的應(yīng)用[J].電子技術(shù)與軟件工程,2017(01):156-157.

[2]鄒香玲.智能視頻監(jiān)控系統(tǒng)中的人臉識(shí)別技術(shù)之研究[J].電子技術(shù)與軟件工程,2017(03):91-92.

[3]阮琳琳.基于人臉識(shí)別的會(huì)所智能監(jiān)控系統(tǒng)的研究[D].南京理工大學(xué),2013.

[4]譚軍一.基于人臉識(shí)別的智能門(mén)禁系統(tǒng)設(shè)計(jì)[D].成都理工大學(xué),2016.

[5]王偉,奚傳立.證件照片感興趣區(qū)域的提取[J].信息技術(shù),2015(10):195-197,205.

[6]黃禹馨,黃山,張洪斌.基于膚色和器官定位的實(shí)時(shí)人臉檢測(cè)[J].計(jì)算機(jī)工程與科學(xué),2014,36(05):936-940.

[7]Golammoazzam M,Muntarina K,Sultana N, et al.An efficient method for eye detection in color images using morphological operations[J].International Journal of Computer Applications,2014,95(02):23-27.

[8]孫慧.基于色彩恒常及膚色信息的人臉檢測(cè)算法研究[D].江西理工大學(xué),2013.