基于膚色檢測的人臉驗證系統的研究

貴州師范大學物理與電子科學學院 蔣淵淵 張劭昀

?

基于膚色檢測的人臉驗證系統的研究

貴州師范大學物理與電子科學學院 蔣淵淵 張劭昀

【摘要】人臉檢測是指采用一定的算法或策略對任意的輸入圖像或圖像序列進行搜索遍歷，從而判斷其中是否包含人臉，如果包含人臉，則定位出每個人臉的位置、大小以及姿態[1]。當前，很多的檢測技術都是針對正面的人臉而言的，這就在某種程度上限制了其實用性。在實際生活中，視頻中的人臉不一定就是正對著畫面讓其提取。為了對其進行改進，本文從膚色檢測方面進行入手，確定人臉的候選區再根據臉部特征實現人臉的檢測。本實驗是在VC++6.0環境下實現的。

【關鍵詞】膚色檢測；VC++6.0；人臉檢測；人臉驗證

0　引言

隨著電子世界的發展，人們對視頻的應用逐漸開始廣泛起來。電話會議、監控以及一系列視頻軟件的應用，使得生活中人們每時每刻的活動，都被清清楚楚記錄。要在視頻中將人們辨認，第一步就是要找到視頻中的人臉，再對其進行辨認處理，這就要使用到人臉檢測技術。人臉檢測技術的本質就是確定視頻中是否有人臉的存在，如果有，就通過人臉的一些特征確定出人臉的位置以及人臉的大小，并將其檢測結果輸出。本文是通過膚色檢測來最終實現人臉檢測的，首先通過光線補償來消除圖片中人臉的色度偏差，使得圖像更加容易處理。然后通過相似度的計算來計算出圖像中與膚色相似的像素點，確定出膚色部分，再進行二值化分析將膚色區域和背景區域分離。將處理得到的通過形態學處理可以消除部分噪聲的影響，最后根據人臉的一些基本特征排除不可能為人臉的區域實現人臉驗證。基于膚色檢測的人臉檢測系統具體流程圖如圖1所示：在人臉檢測系統中，利用膚色來進行人臉識別主要的過程就是先確定膚色的區域，然后再根據人臉部的一些主要特征，像人臉的位置主要在整個人的上方以及人臉輪廓的比例大小等等。主要環節包括光線補償、相似度計算、膚色分割以及形態學處理這幾個方面。

圖1　人臉檢測系統框圖

1　光線補償

在采集圖像信息時，由于曝光或者是其他原因使得圖片的色彩偏離了原來照片的真實顏色向另外一個方向移動，就是我們經常所說的色彩偏冷、偏暖等。為了解決這些問題，首先就要對圖片進行光纖補償來消除這種影響，以便于后續的方便處理。光纖補償通常分為亮度補償和色溫補償，也可分為自然適應光補償和參考白補償。本文所使用的是參考白補償這種方法。

參考白補償的方法本質上就是調整圖片像素的RGB值，使得圖片的整體亮度變大。RGB色彩空間的R、G、B三個分量之間的獨立性比較明顯，在其基礎上直接建立膚色模型是存在比較大的困難的，R、G、B色彩空間原理可以用三維立體模型來描述[2]，具體來說是將圖像中的像素按由高到低的順序進行排列，將前5%的像素都取出來，如果在這5%里面的所有像素的數目足夠多，我們就可以將它設置為參考白，同時把這些像素的色彩的R、G、B值都調到255。然后用這些像素亮度的平均值除以255得到的就是光補償系數，整個圖片中的像素的亮度值再都根據得到的光補償系數來進行變換。

2　相似度計算

膚色在人臉檢測和跟蹤中是一種有效的特征[3]，通過對圖像中人的膚色的相似度的計算就可以排除很大一部分與人的膚色不同的區域，得到一定的候選區域。然后再對候選區的圖像進行特征比對，就能將人臉檢測出來。具體做法是把輸入的彩色圖像從RGB空間變換到YCgCr空間，針對YCgCr空間的高斯模型，計算得出每個像素點與膚色的相似度，并將其結果輸出。計算公式為：

3　二值化分析

二值化是光學字符識別（OCR）預處理階段的關鍵技術，其處理效果的好壞直接影響光學字符識別的識別率的高低[4]。對相似度計算所得的圖片進行二值化處理，就可以很清楚的得到膚色部分與非膚色部分，這樣跟利于后續進一步的對人臉的識別。具體的做法就是將與膚色相似度很大的那部分設置成為1代表膚色，對相似度很小的那部分設置成為0代表背景。具體過程可以用公式表示，即：

這種情況下就涉及到閾值T的設定，如果閾值T設定的太大，則會將目標像素點設定為背景；如果將閾值T設定的太小，又會將背景誤歸為目標。閾值設定一般包括全局閾值、自適應閾值以及最佳閾值等等。

全局閾值就是在整個處理過程中都使用同一個閾值，這種方法在背景和目標有明確的區分時適用；在很多情況下，一個圖片中背景和目標不是每一處都是一樣的，所以很難用全局閾值來處理，這種情況下就可以使用自適應閾值的方法。所謂自適應閾值法就是整個圖片中，根據不同的局部特征使用不同的閾值來分別處理，這種方法雖然解決了全局閾值的缺陷，但是加大了其運算量，使其速度變慢。

二值化處理后的效果如圖2所示：

圖2　二值化處理后的效果

4　形態學處理

形態學不進可以作為抽取圖像中區域形狀特征，也經常用于圖像的預處理和后處理[5]，在經過二值化處理后得到的二值圖像很容易區分出膚色區域和非膚色區域，但是像圖2(b)的處理結果一樣，會有手、胳膊等皮膚區域也都會檢測出來，當然還包括噪聲。在這種情況下，怎么樣才能區分出來是人臉還是胳膊和其他的皮膚區域，以及該怎么樣消除噪聲的影響等等，就要用到形態學處理。

形態學處理主要包括腐蝕和膨脹兩個部分，通過腐蝕可以去除掉物體邊界以外的點，讓物體在邊界處往里收縮，可以將小于目標元素的一些點去除掉；而膨脹剛好相反，膨脹是將目標圖像放大，使得一些離得很近的目標點能夠聚集在目標圖像的一個集合里，對圖像中空洞的填補有很大的作用。腐蝕和膨脹處理后的結果如圖3所示：

圖3　腐蝕和膨脹處理后的結果

5　人臉驗證

通過前述的一些處理后，就可以得到一些候選區域，包括手、胳膊等等所有包含膚色的區域。接下來就是要在這些候選區域里通過人臉的一些形狀特征來進行人臉的驗證，例如按人臉的外接矩形的長寬比來確定。人臉的高度和寬度的黃金比例是：

所以按照這個比例來確定人臉也是可以的，如果接近這個比例我們就可以將其判定為人臉部分，否則判定為非人臉區域。也可以根據人臉的形狀來確定，人臉形狀可以看作是近似橢圓的，顯然，一旦能過通過檢測系統獲取了橢圓的上、下、左、右4個點的坐標，橢圓的位置（即臉的位置）就會被發現[6]。如圖4所示：

圖4　候選區域分析及過濾圖

6　結語

電子世界的迅猛發展，使得人臉驗證的應用變得越來越廣泛。本文是從膚色方面入手，克服了在驗證過程中出現由于不是正臉對準從而導致的驗證失敗的問題。通過對圖像中膚色信息的采集以及后續的光照補償、相似度計算、二值化分析和形態學處理實現對圖像中含有膚色的區域進行提取，最后根據人臉的一些面部特征最終實現人臉的檢測。

參考文獻

[1]郭聳.人臉檢測若干關鍵技術研究[D].哈爾濱工程大學,2011.

[2]周虹.YCbCr色彩空間的彩色圖像光線補償方法研究[J].柳州職業技術學院學報,2014,14(3)::50-53.

[3]朱雙燕.基于膚色的人臉檢測與識別方法的研究[D].武漢理工大學,2007

[4]童立靖等.幾種文本圖像二值化方法的對比分析[J].北方工業大學學報,2001,23(1):28-33.

[5]陽天舒等.基于形態學的自適應閾值分割算法[J].電子設計工程,2015,23(13):102-104.

[6]趙媛媛等.基于膚色模型法的人臉定位技術研究[J].數學建模及其應用,2014,3(4):21-26.

蔣淵淵（1990—），男，碩士，現就讀于貴州師范大學，研究方向：語音信號處理。

作者簡介：