快速人臉檢測系統的綜合研究

侯智卿，李仰軍，王高

（中北大學 儀器科學與動態測試教育部重點實驗室 山西省太原市尖草坪區030051）

0 引言

人臉檢測是人臉信息處理中的一項關鍵技術。人臉檢測是指使用計算機對任意一幅給定的圖像，采用一定的策略對其進行搜索確定其中是否含有人臉，如果有則返回臉的位置、大小和姿態。人臉檢測問題的研究主要分為4類方法：基于知識的方法、特征不變量方法、模板匹配方法、基于表象的方法。雖然這些方法已經取得較高精度，但算法都需要復雜的訓練，運算量大，在實時性要求嚴格的場合速度很難滿足要求，因此，尋求精度和速度的平衡檢測方法是人臉檢測系統實現的關鍵。

實現人臉檢測主要包括5個模塊：圖像的預處理、人臉區域檢測、眼睛的檢測與定位、人嘴的檢測與定位、人臉及主要特征的標定。本文采用Ycbcr膚色模型檢測出圖像的膚色部分，然后對膚色部分進行膨脹、腐蝕，去除非人臉區域，而后檢測與定位人臉的眼睛和嘴，最終定位出人臉區域，提高了人臉檢測的速度，實驗結果顯示該方法獲得良好的效果。

1 膚色分割

膚色分割就是在合適的顏色空間中，建立膚色模型，提取膚色信息。通過直接定義膚色區域的方法，實現快速人臉分割。

1.1 顏色空間轉換

因為在RGB色彩空間中，三基色(R，G，B)既代表顏色信息，還代表亮度信息。且RGB色彩空間3個變量建立的膚色模型將使相應的人臉檢測系統非常復雜，會影響檢測的速度和精確度。所以選用YcrCb空間作為膚色分布統計的映射空間，該空間受亮度變化的影響較小，而且是二維獨立分布，能較好的限制膚色分布區域。在YcrCb顏色模型中，Cr和Cb分量分別表示紅色和藍色的色度。從相關性較高的RGB格式線性變換到顏色分量互不相關的YcrCb顏色空間，其轉化公式如下：

1.2 膚色建模

雖然不同人的皮膚顏色可能差異很大，但他們在色度上的差異小于亮度上的差異，也就是說，不同人的膚色在色度上往往相近，只是在亮度上差異大，不同的膚質有相同的2D Gaussian模型

通過建立膚色模型，將彩色圖像轉換為二值圖像（見圖1），用O，1分別表示非皮膚區域與皮膚區域。

圖1 膚色建模

2 去除非人臉區域

在得到的二值圖像難免會有一些類似于膚色區域或者雖是膚色區域但不是人臉區域的部分，如面部以外的其他裸露在外的人體皮膚，這部分區域會給后面的匹配檢測帶來很多不必要的工作量，所以我們有比較將其去除，去除時首先要進行膚色區域的膨脹腐蝕，之后再根據人臉區域的特征進行非人臉區域的去除。

2.1 膨脹腐蝕

對分割出來的皮膚區域進行腐蝕或膨脹操作，是為了除去被誤判為膚色的孤立點或小塊孤立區域和由于人臉局部區域如眼睛、嘴唇等非膚色區域而導致的整個人臉區域非完全填充對膚色分割的影響，如圖2所示。

圖2 膨脹腐蝕

2.2 去掉非人臉區域

對分割出來的皮膚區域進行腐蝕或膨脹后，然后通過人臉膚色區域的統計特征分析，得到最為可能的人臉區域，如圖3所示。

處理步驟可以表示為：

（1）人臉區域存在眼睛嘴巴眉毛等非膚色區域，因此在人臉區域中會存在多個孔。首先檢測出有孔區域的尺寸大小求出平均值，得到整幅圖像人臉的大小，根據該值剔除尺寸過大或過小的膚色區域。

（2）通過計算膚色區域的方差，可以進一步剔除其中胳膊和手等非人臉區域。人臉區域由于存在眼睛嘴巴眉毛等非膚色區域，其方差比統一的手和胳膊等非人臉區域要大。

（3）對于可能的人臉區域來說，相對于水平方向的旋轉角度在45°～135°之間，因此可以判斷旋轉角度小于45°或大于135°的區域為非人臉區域

（4）對余下的膚色區域做進一步處理，對人臉來說，其長寬之比一般為1左右。首先求出膚色區域的質心及其偏離垂直方向角度A，并將膚色旋轉A使其垂直于水平方向，計算此區域的長寬比。

圖3 去除非人臉區域

3 面部特征提取

人臉包括很多不同的面部特征，但是，在人臉檢測系統中最常用到的是眼睛和嘴，通過對眼睛和嘴的檢測與定位，就可以標出可能的人臉區域。

3.1 眼睛與嘴的檢測與定位

眼睛的檢測與定位主要由眼睛的匹配，去掉非眼睛區域，眼睛的膨脹，獲取眼睛中心幾部分處理組成。關于眼睛色度匹配，根據先驗知識，參考Cr,Cb的值分別143和120，通過設定門限選取門限內的像素點為目標區域。關于眼睛亮度匹配，設定亮度空間為120～160之間。經過雙重匹配后的人眼提取圖像不可避免的包含其他區域，利用人臉檢測定位區域進行去掉非眼睛區域處理。眼睛區域定位條件即標定出雙眼中心點的位置，根據提取出眼睛的區域，計算出各區域中心的位置，滿足一定條件即為雙眼中心，如圖4所示。

人嘴的檢測與定位主要由嘴的匹配，嘴的區域腐蝕，去除嘴區域離散點，定位最中心及部分組成。同樣根據先驗知識，參考Cr,Cb的值分別157和118.由嘴的區域中心作為嘴中心，如圖5所示。

圖4 眼睛的定位

圖5 嘴的定位

3.2 人臉主要特征的標定結果

根據人臉的幾何特征，很容易發現，正面人臉圖像中，人的雙眼和嘴能形成一個三角形對應的三頂點。那么根據三角形的這一特征，就可以確定人的雙眼和嘴的位置，可能的人臉也就能被確定下來。對前面提取的人臉區域，人眼的中心和嘴巴的中心在原始圖上進行標注。將人臉區域用矩形框標出，并將雙眼中心和嘴巴中心用三角形連接，如圖6所示。

圖6 人臉定位結果

4 實驗結果

為了檢測這種基于膚色建模知識進行人臉檢測的方法，我們對50張不同光照條件、不同格式、不同大小、不同來源的單人臉和多人臉圖像進行了檢測，結果除1張由于膚色變化太大，未能定位出眼睛外，其他檢測全部成功，成功率達98%。以上6張圖片是針對50張圖像中的1張圖像（見圖7）所做的圖像處理的實驗結果。

圖7 所用實驗原圖

實驗結果可以說明，利用預先設定的膚色建模知識進行人臉區域檢測及區域標定的方法是可行的，有效的，同時本文所提出的方法避免了復雜的矩陣運算，可以有效地提高檢測速度，從而實現了速度與精度的平衡。

[1]齊永鋒，火元蓮.一種基于膚色的人臉檢測與定位方法[J].計算機應用,2009.29(3):785-788.

[2]李宏偉，陶亮.復雜背景不同光照條件下彩色圖像中人臉檢測[J].計算機技術與發展,2009,19(2):52-57.

[3]張立剛， 何東健.基于膚色模型和區域特征的人臉檢測方法[J].計算機工程,2008,34(19):209-211.

[4]潘翔，王萬森，黃遠鳴.彩色靜態圖像的人臉檢測研究[J].計算機工程與設計，2009，30(11):2785-2787.

[5]楊宏梅.人臉檢測算法的研究與實現[D].蘭州：蘭州理工大學,2009:7-24.

[6]伍杰華，陳有青.一種基于灰度圖像的人臉檢測及眼睛定位算法[J].計算機與數字工程，2009,37(1)：118-120.

[7]徐峰， 越懷勛.人臉檢測方法研究[J].電腦知識與技術，2009，5(9):2438-2439.

[8]俞王新.計算機人臉檢測與識別方法的研究[D].上海:上海交通大學,2009:17-22.