快速人臉檢測技術在證件照中的應用與研究

陳史政

(福建廣播電視大學漳州分校理工系，福建漳州 363000)

隨著攝像技術的快速發展，圖像獲取的途徑越來越多、應用越來越普及，對圖像進行自動處理的需求也越來越多，其中人臉作為身份識別的主要特征之一，也成為圖像處理的一個主要研究對象.要對圖像中臉部信息進行分析處理，首先就要解決如何在圖像中自動定位并檢測出人臉的問題，只有正確實現人臉檢測，才能在隨后對人臉進行進一步的分析、對比、追蹤、識別，因此人臉檢測是人臉識別的前提與基礎.另外，在視頻監控與人物追蹤方面也需要應用到人臉檢測技術，因此人臉檢測研究具有很重要的意義［1］.隨著各種研究的深入，許多人臉檢測算法被提出，已經有了不少研究成果［2-3］，如AdaBoost算法、ANN與SVM算法等，不過由于應用范圍的不同及于精度與速度兩個方面的取舍不同，在不同的實際應用范圍中還是存在一些不足之處.

在人臉識別應用中，特別是樣本庫中，經常會應用到個人證件照.與普通圖像不同的是，證件照一般要求為低傾斜度及純色強對比背景的單人正面照片.有些證件照圖像已經接近人臉檢測結果要求，有些可能使用半身照，對于這些證件照的人臉檢測可以不考慮通常情況下的復雜背景，而且證件照的一些共同特征也能在人臉檢測過程中起到很好的輔助判別作用，并不需要進行太過復雜的運算就可以實現檢測.由于人的膚色在色彩空間中所處的位置相對集中，而且不會受到人的表情、人臉位置影響，具有較好的穩定性，本文針對證件照圖像設計了一種基于膚色分割的快速人臉檢測算法，利用證件照的特性取得快速準確的檢測結果.

1 顏色空間

顏色是由于光波本身波長的不同，在不同波長光波混合后，經過人的眼睛感受到的色彩，由于每個人的視覺能力與主觀差異不同，同一種顏色在不同人眼中接受到時會有一定的差異.在計算機中，要實現顏色處理，首先需要有一種能夠表達顏色的方法，已有的常用方法有多種，形成了不同體系的顏色空間.針對不同的顏色空間，用計算機進行數據分析與運算時的處理效果會有明顯的差異.

目前常用的顏色空間包括RGB、CMYK、YUV等，通常計算機圖像采集時得到的證件照圖像屬于RGB顏色空間，即通過由紅色、綠色、藍色三個分量的變化和疊加來實現顏色［4］.通過研究發現人的膚色不僅對色度信息敏感，亮度信息也會產生很大影響，所以要將圖像中的亮度信息與色度信息區分開來.在RGB顏色空間中，亮度信息被混合在三色分量內難以分離，采用RGB方式并不利于處理膚色信息.通過比較，本文選擇采用YCbCr顏色空間，這其實是YUV經過縮放和偏移的翻版，通常也被歸在YUV一類里面，被廣泛應用在圖像處理中，例如JPEG就采用了這一顏色表示方法.YCbCr顏色空間采用三個分量來描述，其中Y、Cb、Cr分別表示亮度信息、藍色色差、紅色色差.由于在YCbCr中亮度信息為獨立分量，可以在膚色處理時主要分析Cb和Cr分量，減少亮度因素帶來的干擾，而且去掉Y分量后，計算復雜度會有較大下降，使算法更簡單、提高了運算速度.另外，已有研究發現，在YCbCr顏色空間中，膚色所處位置較集中，更容易被區分檢測出來.

由于RGB與YCbCr顏色空間的描述方法不同，要將輸入的RGB圖像轉到YCbCr顏色空間需要使用轉換公式:

2 膚色識別

現有研究表明，雖然每個人在不同位置的膚色有差異、不同人之間的膚色也有差異，但是這些膚色在CbCr空間中符合正態分布，可以使用高斯模型描述膚色在CbCr空間中分布情況，并通過這一模型來求取膚色相似度.為了求取膚色相似度，應先求得膚色的數學期望值，在這里使用統計方法求?。?］.從證件照圖像集合手工提取人臉膚色樣本，將其轉換為YCbCr格式的圖像后先進行低通濾波器濾波，再去掉亮度Y，對給定膚色圖形在CbCr空間進行統計處理，求取數學期望值m與協方差C.公式如下:

這里的x為相應點的CbCr值，C為協方差.由于是采用統計學的原理，擬合高斯分布，其實現方法簡單、快速，取得數學期望值m后，再通過高斯模型，可以求得圖像中任一點位置的膚色相似度，相似度的大小可以由以下的公式計算:

通過對圖像中的每個點求取CbCr值的膚色相似度，可以得到一幅相似度圖像，設置一個經驗閾值T實現膚色判別［6］，當膚色相似度大于或等于這個經驗閾值時將該點標為膚色點，小于這個經驗閾值T時將該點標為非膚色點，這樣就實現了對圖像膚色判別的二值化變換.

3 膚色分割與人臉檢測

因為證件照的基本要求是單人純色背景，所以在本文中對人臉檢測主要是找出圖像中一個盡可能小且包含完整人臉的矩形區域.在對證件照圖像求取膚色相似度并進行圖像膚色判別，取得的膚色二值化圖像時，除了人臉膚色區域被找到外，可能還會有其他一些干擾區域被選出，如證件照中人的肩部、手部等皮膚區域或顏色與膚色相近的衣物區域.在證件照圖像中的人臉檢測可以根據證件照的基本共性進行判別，考慮到證件照的基本要求是單人正面低傾斜度及較強對比的純色背景，在垂直方向從上到下，第一個被找到的大面積膚色區域Q可以直接判定為人臉區域.膚色區域Q的頂框線即為所求人臉矩形區域頂框線.

為了找到這個人臉膚色區域Q，首先應在被檢測出來的膚色區域中過濾面積過小的區域，由于膚色二值化圖像是以點陣圖形而不是矢量圖形式存在，要計算一個膚色區域大小，可以采用連通性區域判別方法進行求和.在膚色二值化圖像中按順序找到第1個未標記膚色點生成一個新的面積為1的膚色區域，對圖像點陣中該膚色點周圍的8個方向點進行判別，如果是未標記膚色點則加入該區域并標記，面積加1.對每個新加入的膚色點采用之前方法進行遞歸查找，當區域內所有膚色點都標記完成即可求得一個膚色區域與面積大小，繼續查找下一個未標記點直到整張圖像搜索完成.通過實驗驗證，在證件照中的小面積膚色區域不是人臉膚色區域，通常是肩、手、衣服飾物等，采用經驗閾值可以將這些小膚色區域過濾掉.

在人臉分布中由于眼睛、眉毛的存在，會在人臉膚色區域Q中形成至少一個明顯的孔洞，在垂直方向從上到下逐行掃描到明顯孔洞時，可求得額高h，對從上向下3h范圍內的人臉主要區域求最大寬度，可取得人臉寬度w.取3h范圍內的人臉膚色區域Q的左右框線為所求人臉矩形區域左右框線.已有研究發現人臉高度和寬度存在一個比例范圍，對于正常面型的長寬比應該比較協調，符合三停五眼規律，其黃金比例為:

通過對人臉圖像數據庫內的人臉高度和寬度比例進行統計求得人臉高度和寬度比值在0.8～1.6之間，可以用這個比值來限定人臉區域.由于膚色分割通過閾值實現，人臉膚色區域Q可能會包含人臉以外的區域，特別是衣服與膚色相近時.因此人臉區域矩形區底框線可以先設為人臉膚色區域Q底框線，如果求出的人臉區域高度大于額高與人臉寬度之和，則截掉底下超出部分.

4 算法流程與實驗結果分析

對于證件照圖像實現人臉檢測的具體步驟如下所示:

(1)從證件照圖像數據庫讀取待檢測圖像M，并做預處理.

(2)將圖像M從RGB顏色空間轉換至YCbCr顏色空間，取得圖像M的CbCr點陣集.

(3)采用公式5對點陣集計算膚色相似度，并通過經驗閾值T實現膚色判別的二值化運算.

(4)使用8連通性區域判別求得連通性區域集，并過濾掉小面積連通性區域.

(5)取垂直方向從上到下第一個被找到的大面積膚色區域Q為人臉膚色區域，設置Q的頂框線為人臉矩形區域頂框線.

(6)在區域Q逐行掃描明顯孔洞求得額高h，求出從頂向下3h范圍內區域Q的最大寬度為人臉寬度w.

(7)取區域Q在3h范圍內的左右邊界線為人臉矩形區域左右框線.

(8)設區域Q底框線為人臉矩形區域底框線，如果求出的人臉區域高度大于h+w，則截掉底部大于h+w的部分.

從一個實際在用的考試系統中取得考生報考時提交的證件照圖像1963幅，從中隨機抽取30幅證件照圖像，縮放為統一分辨率后進行人臉檢測，并人工核對檢測結果.經過大量模擬實驗，取得檢出時間t、人臉檢出率S、檢測準確率A如表1所示:

表1 人臉檢測識別率

通過實驗表明，采用這一算法可以快速實現證件照圖像的人臉檢測，并能夠較好地取得檢測準確率.

5 結束語

通過研究與實驗表明，在對個人證件照圖像進行人臉檢測時，考慮證件照的一些固有特征可以在人臉檢測過程中起到很好的輔助判別作用實現快速檢測，并不需要采用較為復雜的算法.本文針對證件照圖像設計了一種基于膚色分割的快速人臉檢測算法，并通過實驗證明，使用該算法能在證件照圖像人臉檢測時取得快速準確的檢測結果.

［1］梁路宏，艾海舟，徐光祐，張鈸.人臉檢測研究綜述［J］.計算機學報，2002(5):449-458.

［2］盧春雨，張長水，聞芳，閻平凡.基于區域特征的快速人臉檢測法［J］.清華大學學報(自然科學版)，1999(1):101-105.

［3］Paul A.Viola，Michael J.Jones.Rapid object detection using a boosted cascade of simple features［J］.Computer Vision and Pattern Recognition-CVPR，2001(1):511-518.

［4］陳鍛生，劉政凱.彩色圖像邊緣特征及其人臉檢測性能評價［J］.軟件學報，2005(5):727-732.

［5］趙明華，游志勝，穆萬軍，呂學斌，余靜.基于膚色分割、數學形態學和幾何方法的人臉檢測［J］.四川大學學報(自然科學版)，2005(3):617-620.

［6］郭聳，顧國昌，蔡則蘇，劉海波，沈晶.膚色相似度和動態閾值相結合的膚色分割技術［J］.計算機工程與應用，2010(18):1-3.