人臉位置判斷數(shù)學(xué)模型算法研究

摘要：為了人臉識(shí)別技術(shù)進(jìn)一步快速定位人臉，改善了膚色色彩空間的聚合性多樣復(fù)雜問題。本文提出了一種建立人臉位置的判斷模型的方法，利用膚色色彩空間YCrCb建模，建立膚色高斯模型，進(jìn)而得到黑白二值圖，利用二值圖計(jì)算單個(gè)像素的膚色相似性從而得到一個(gè)灰度圖，較好解決膚色相似問題，縮小范圍后進(jìn)行眼睛、嘴巴精確定位，最終獲得人臉定位。基于實(shí)驗(yàn)結(jié)果，此方法能有效識(shí)別人臉位置，且相較于以往方法更加簡單可行。

關(guān)鍵詞：人臉識(shí)別;膚色建模;五官定位

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）19-0163-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

隨著科技的發(fā)展，人臉識(shí)別技術(shù)在各行各業(yè)逐漸顯露頭角。它的便利性吸引著使用者，方便了人們的生活，擁有很大的隱藏市場(chǎng)。人臉位置判斷是指在圖像中通過分析找到人臉的位置，是人臉識(shí)別等研究的首要步驟。

目前，國內(nèi)外的人臉識(shí)別技術(shù)一是通過把從圖片上檢測(cè)的人臉圖像獲得分類特征[1，2]，二是通過人臉特征設(shè)計(jì)分類器來對(duì)人臉的分類[3-7]。基于分類特征的方法一般以器官為基點(diǎn)，根據(jù)其位置幾何關(guān)系來檢測(cè)人臉。第二種方法通過利用大量的人臉圖像樣本建立分類器，根據(jù)相似度來判斷人臉是否存在。除這兩大方法以外，有學(xué)者利用色彩來定位人臉位置。[8]基于色彩很多研究者利用膚色確定人臉大體范圍，再通過幾何形狀來判斷人臉位置。[9，10]

基于皮膚色度的建模研究，由于不同人的皮膚色度差異大，判斷中計(jì)算量大，從而降低了判斷速度。但無論種族，人的皮膚亮度差異要遠(yuǎn)遠(yuǎn)大于色度上。因此本文采用YCbCr空間可以不用考慮不同的膚色對(duì)膚色模型CbCr中的聚合。減少判斷人臉位置時(shí)的大量計(jì)算過程，加快判別速度。進(jìn)而利用五官定位提高了精確度。

1 人臉位置判斷的數(shù)學(xué)模型建立

1.1膚色建模

皮膚的顏色是人臉識(shí)別檢測(cè)中十分重要的一個(gè)信息，因?yàn)槠つw的顏色不受面部的肌肉變化、面部旋轉(zhuǎn)，五官比例以及首飾飾品遮擋等影響。人的膚色差異在各個(gè)種族、性別上，主要表現(xiàn)在色彩的亮度上。如果要消除亮度的影響就要提高膚色的聚類有效性，可以利用YcrCb空間通過對(duì)膚色建模，獲得高斯模型，建立相似性矩陣，確定膚色的概率Fmod[11]。具體操作是首先獲得矩陣的最大值，然后計(jì)算圖片亮度的平均值。再使每個(gè)矩陣點(diǎn)乘以255，如果這個(gè)值小于亮度平均值，則認(rèn)為這個(gè)點(diǎn)不是皮膚，最后把認(rèn)為是皮膚的點(diǎn)像素值為白色，其余的點(diǎn)設(shè)置為黑色，就獲得了圖片的二值圖。其中圖片色彩轉(zhuǎn)化為YcrCb的公式如式（1），F(xiàn)mod計(jì)算公式如式（2）。

，

經(jīng)過式（3）的顏色替換后，將結(jié)果投影得到二維高斯模型，即得到膚色聚類有效性模型。再根據(jù)模型，計(jì)算其矩陣的最大值，進(jìn)而計(jì)算圖片亮度的相似度灰度值，其灰度值的大小表示圖上某點(diǎn)像素與皮膚顏色的相似度，相似度灰度值愈大是皮膚的可能性也就愈大。最后二值化圖上各點(diǎn)獲得二值圖。二值化就是針對(duì)不同的人臉膚色，設(shè)置不同范圍閾值，從而區(qū)分出皮膚。本文采取使每個(gè)矩陣點(diǎn)乘以255，如果這個(gè)值小于相似度灰度值，則認(rèn)為這個(gè)點(diǎn)不是皮膚，最后把認(rèn)為是皮膚的點(diǎn)像素值為白色，其余的點(diǎn)設(shè)置為黑色。獲得的圖即為二值圖。[12]

1.2人臉五官定位建模

第一步皮膚定位定出了裸露的皮膚，但皮膚區(qū)域并不一定是臉，可能是胳膊、手、脖子等區(qū)域。下面為了進(jìn)一步定位人臉，本文采取五官定位法。首先定位區(qū)域內(nèi)是否有眼睛的存在。根據(jù)人臉的構(gòu)造，左眼檢測(cè)方法為距離左邊邊界0.08-0.36個(gè)寬度，距離下邊界0.58-0.78個(gè)長度的方框里檢測(cè)左眼;右眼的檢測(cè)方法為距離左邊邊界0.64-0.92個(gè)寬度，下邊界與左眼數(shù)據(jù)相同的方框里檢測(cè)右眼。檢測(cè)方法與膚色檢測(cè)方法原理類似，也是根據(jù)亮度進(jìn)行判斷。在這兩個(gè)方框里尋找亮度小于閾值的像素點(diǎn)，當(dāng)存在時(shí)，則大于這個(gè)閾值的區(qū)域內(nèi)存在眼睛，這個(gè)區(qū)域?yàn)闄z測(cè)到的人臉區(qū)域，否則不是，繼而刪除這個(gè)區(qū)域。[13-16]

色度因?yàn)闀?huì)有意外情況例如皮膚黑色素沉積等，使得檢測(cè)不準(zhǔn)確。本文通過眼部嘴部雙定位來解決這個(gè)問題。選擇嘴巴和眼睛是因?yàn)樵诿娌课骞僦醒劬妥彀妥顬轱@著且有位置規(guī)律。把其連線形成的等腰三角形的重心當(dāng)作人臉模板的中心來定位。因此首先要找到眼睛中心，方法為由于眼睛映射由色度與亮度有關(guān)，把二者結(jié)合起來就可以找到眼睛中心。眼睛的色度映射計(jì)算如式（4），亮度映射計(jì)算如式（5）。眼睛中心最終確定如式（6），即將式（4）與（5）結(jié)合。

式（8）中，Mo為嘴的中心。

通過嘴的映射再進(jìn)行類似于眼部原理的去離散點(diǎn)操作，得到嘴部中心。將左眼右眼中心與嘴巴中心生成一個(gè)等腰三角形，其重心作為臉部的中心點(diǎn)，用框?qū)⑷四槝?biāo)定出來。

2 人臉位置判斷的數(shù)學(xué)模型建立步驟

3 結(jié)語

本文選用YcbCr色彩空間，使不同的膚色具有相同的二維高斯模型。簡化了模型CbCr中不同的膚色的聚合問題。將復(fù)雜的問題簡單化，降低了圖像的維數(shù)但沒有消除主要的辨別信號(hào)，進(jìn)而降低了問題的復(fù)雜程度。

參考文獻(xiàn)：

[1] Morimoto C H，F(xiàn)lickner M.Real-time multiple face detectionusing active illumination[C]//Proceedings Fourth lEEE Interna-tional Conference on Automatic Face and Gesture Recognition（Cat.No.PR00580），Grenoble， France. lEEE Comput. Soc，2000：8-13.

[2] Miao J，Yin B C，Wang K Q，et aI.A hierarchical multiscale andmultiangle system for human face detection in a complex back-ground using gravity-center template[J]. Pattern Recognition，1999，32（7）：1237-1248.

[3] Rowley H A，Baluja S，Kanade T.Neural network-based face de-tection[J].IEEE Transactions on Pattern Analysis and MachineIntelligence， 1998，20（1）：23-38.

[4] Sung K K，Poggio T.Example-based leaming for view-basedhuman face detection[J].lEEE Transactions on Pattern Analy-sis and Machine Intelligence， 1998，20（1）：39-51.

[5] Osuna E，F(xiàn)reund R，Girosit F.Training support vector machines：an application to face detection[C]//Proceedings of IEEE Com-puter Society Conference on Computer Vision and Pattern Rec-ognition， San Juan， Puerto Rico. lEEE Comput. Soc， 1997：130-136.

[6]劉明寶，人臉檢測(cè)與跟蹤的研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)。1997.

[7] Penev P S，Atick J J.Local feature analysis：a general statisticaltheory for object representation[J]. Network： Computation inNeural Systems， 1996，7（3）：477-500.

[8] Dai Y，Nakano Y.Face-texture model based on SGLD and itsapplication in face detection in a color scene[J].Pattern Recog-nition， 1996，29（6）：1007-1017.

[9] Sobottka K，Pitas l.A novel method for automatic face segmen-tation， facial feature extraction and tracking[J]. Signal Process-ing：lmage Communication， 1998，12（3）：263-281.

[10] Sun Q B，Huang W M，Wu J K.Face detection based on colorand local symmetry information[Cl//Proceedings Third lEEEInternational Conference on Automatic Face and Gesture Rec-ognition，Nara， Japan. IEEE Comput. Soc，1998：130-135.

[11] Eleftheriadis A，Jacquin A.Automatic face location detectionand tracking for model-assisted coding of video teleconferenc-ing sequences at low bit-rates[Jl.Signal Processing：lmage Com-munication， 1995，7（3）：231-248.

[12]沈常宇，許潘園.膚色建模和膚色分割的人臉定位研究[Jl_光電工程，2007，34（9）：103-107.

[13]宋重鋼，高鑫，孫光澤，等.基于2D頭部圖像的3D建模及優(yōu)化[J].南開大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，44（6）：5 7-61.

[14]俞玉蓮.視頻圖像序列中的人臉跟蹤算法[D].上海：上海師范大學(xué)，2005.

[15] Li X B，Roeder N.Face contour extraction from front-view im-ages[J].Pattern Recognition，1995，28（8）：1167-1179.

[16]張洪明，高文.基于膚色模型、神經(jīng)網(wǎng)絡(luò)和人臉結(jié)構(gòu)模型的平面旋轉(zhuǎn)人臉檢測(cè)[Jl.計(jì)算機(jī)學(xué)報(bào)，2002，25（11）：1250-1256.

【通聯(lián)編輯：唐一東】

收稿日期：2020-03-15

作者簡介：陳藝（1998-），女，山東科技大學(xué)學(xué)士在讀，研究方向?yàn)榘踩こ獭?/p>