基于MATLAB的人臉檢測定位算法研究*

?

基于MATLAB的人臉檢測定位算法研究*

劉新永1，蔡鳳麗2，王志楊2

(1.中國人民解放軍裝甲兵學(xué)院，安徽 蚌埠 233050；2.安徽電子信息職業(yè)技術(shù)學(xué)院，安徽 蚌埠 233060)

摘要:文章主要研究了人臉識別技術(shù)中的人臉檢測定位算法，提出一種基于圖像點(diǎn)運(yùn)算和人臉模板匹配算法的人臉檢測定位算法，闡述了基本算法原理，并利用MATLAB軟件對算法進(jìn)行了仿真分析.結(jié)果表明，提出的人臉檢測定位算法，可以快速準(zhǔn)確地檢測和定位人臉圖像.

關(guān)鍵詞:人臉識別；人臉定位；圖像點(diǎn)運(yùn)算；模板匹配

1人臉識別系統(tǒng)的基本組成及功能

圖1為人臉識別系統(tǒng)基本框圖.在人臉識別系統(tǒng)中，最重要的是：人臉圖像或圖像序列的采集、人臉圖像的檢測與定位、人臉特征提取和人臉模板匹配、人臉識別等.[3]當(dāng)進(jìn)行人臉識別的時(shí)候，對于采集到的人臉圖像或者圖像序列，首先進(jìn)行人臉檢測與定位，在輸入圖像中分辨是否存在人臉圖像；如果存在人臉圖像，立刻對人臉進(jìn)行檢測定位標(biāo)識，根據(jù)標(biāo)識的人臉位置提取人臉的特征.

圖1　人臉識別系統(tǒng)基本組成框圖

檢測和定位是兩個(gè)過程，對于提取出來的人臉圖像進(jìn)行檢測和對于人臉圖像的定位這兩個(gè)過程一般合并進(jìn)行，檢測的同時(shí)即定位.對提取出來的人臉通過提取特征數(shù)據(jù)來確定該人的身份.定位是計(jì)算機(jī)人臉識別系統(tǒng)中的必需環(huán)節(jié).定位的目的是為人臉特征數(shù)據(jù)的提取和識別預(yù)先做好準(zhǔn)備工作，從而提高有用信息的輸出信噪比，某種意義上，相當(dāng)于減小了噪聲，加強(qiáng)了有用信息的輸出比例.

2人臉檢測定位的算法

人臉檢測定位算法最傳統(tǒng)、最常見的有兩類：基于顯性特征的方法和基于隱性特征的方法.基于顯性特征的方法是根據(jù)人的膚色、臉的輪廓、臉部的結(jié)

構(gòu)特征等直觀的特征，利用肉眼總結(jié)出“人臉”區(qū)別于“非人臉”的特征，判斷被檢測區(qū)域是否有這些“人臉特征”，根據(jù)判斷結(jié)果，判定區(qū)域內(nèi)有沒有“人臉”.基于隱性特征的方法將人臉區(qū)域看成一類模式，采集“人臉”和“非人臉”樣本序列建設(shè)樣本序列庫，利用分類器將采集到的人臉與庫中數(shù)據(jù)進(jìn)行比較，判別采集到的人臉圖像中，是否屬于“人臉模式”來檢測人臉.但是，傳統(tǒng)的兩大類算法均存在檢測速度慢，人臉定位不準(zhǔn)確等缺點(diǎn).

本文中主要研究了一種新的基于圖像點(diǎn)運(yùn)算和人臉模板匹配的人臉檢測定位算法，大大地加快了人臉檢測速度.圖像點(diǎn)運(yùn)算技術(shù)，通過改變所采集的用戶圖像樣本占據(jù)的灰度范圍，使輸入的采集圖像樣本經(jīng)過點(diǎn)運(yùn)算后能輸出新的點(diǎn)運(yùn)算圖像，輸出像素點(diǎn)的灰度值可根據(jù)輸入樣本圖像的像素點(diǎn)的灰度值獲取，點(diǎn)運(yùn)算本質(zhì)上就是輸入的原始樣本圖像的像素到輸出點(diǎn)運(yùn)算圖像像素的映射.[4]

假設(shè)已知輸入的樣本圖像為A(x,y)，輸出圖像為B(x,y)，則點(diǎn)運(yùn)算圖像B(x,y)可表示為：

B(x,y)=f[A(x,y)]

(1)

B(x,y)是關(guān)于f的函數(shù)，f函數(shù)被稱為灰度變換函數(shù)，f函數(shù)表示輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系，點(diǎn)運(yùn)算的確定隨著f函數(shù)的確定隨即也就確定了.

人臉模板匹配算法可以在一幅圖像中找到已知的人臉.所謂人臉模板匹配，是根據(jù)目標(biāo)人臉的特征制作人臉模板，用已知的人臉模板去覆蓋原始圖像中相同的區(qū)域進(jìn)行匹配，利用人臉模板匹配算法進(jìn)行人臉檢測能獲得極快的檢測速度.

將圖像點(diǎn)運(yùn)算與人臉模板匹配算法相結(jié)合進(jìn)行人臉檢測的基本算法如下：

2.1皮膚灰度化算法

首先，采用圖像點(diǎn)運(yùn)算技術(shù)利用式(1)將彩色的原始圖像轉(zhuǎn)化成灰度圖像(即：灰度化算法).

總之，彩超超聲影像學(xué)在婦產(chǎn)科急腹癥的診斷中有著很高的準(zhǔn)確率，在臨床操作中十分快速簡單，并且對患者不會(huì)造成痛苦，是婦產(chǎn)科急腹癥診斷中十分良好的方法，在婦產(chǎn)科急腹癥臨床治療中也有著很強(qiáng)的應(yīng)用性，今后應(yīng)大力推廣。

gray=0.39×R+0.50×G+0.11×B

(2)

式(2)中各變量意義分別為，gray：灰度值，R：紅色分量值，G：綠色分量值，B：藍(lán)色分量值.

均衡化灰度圖像的生成.主要方法：在原像素灰度基礎(chǔ)上乘以縮放因子，最后截至[0,255]，此過程本質(zhì)上就是灰度比例的變換過程.

對于圖像對比度差、圖像細(xì)節(jié)不清楚現(xiàn)象的處理，最直接有效的方法就是線性擴(kuò)展.灰度的線性擴(kuò)展算法如式(3)：

(3)

式(3)中各變量意義分別為，f：原始圖像灰度，g：均衡后灰度.

經(jīng)過變換，把區(qū)間[a,b]的灰度級變換到區(qū)間[c,d]的灰度級.其中，a,b,c,d,f,g都是整數(shù)，且在[0,255]區(qū)間內(nèi).這種線性擴(kuò)展方法能高效提高圖像的質(zhì)量.

2.2濾波去噪算法

對于濾波去噪，我們可以采用高斯平滑法.實(shí)際中，采集圖像過程中隨機(jī)噪聲是不可避免的，隨機(jī)噪聲會(huì)影響采集圖像的質(zhì)量.我們可采用高斯平滑法處理噪聲點(diǎn)，從而在很大程度上降低圖像的視覺噪聲，這樣，低頻成分就能更容易地被識別出來.高斯平滑的截止頻率是由卷積核的大小和卷積系數(shù)決定的.低通濾波器(LBF)就是高斯平滑的卷積核，經(jīng)過卷積，可以獲得曲線平滑的水平投影和孤立點(diǎn)較少的二值化圖像處理效果.[5]這種卷積法實(shí)現(xiàn)的高斯平滑法，常用的卷積核有以下三種：

不同的噪聲采用不同的卷積核.本文使用的是高斯卷積核，即LP3，能去除不同的噪聲干擾.

2.3圖像二值化處理

圖像二值化是一種圖像處理的基本技術(shù)，很多圖像處理過程中都采用了圖像二值化的預(yù)處理過程.只有兩個(gè)灰度級的圖像我們稱之為二值化圖像，這種圖像存儲(chǔ)空間小，處理速度快.在進(jìn)行圖像二值化操作前要對圖像進(jìn)行預(yù)處理，包括彩色圖像灰化和增強(qiáng).常用的灰度均衡實(shí)現(xiàn)算法主要是直方圖均衡化.[6]主要方法是：用灰度直方圖增強(qiáng)圖像對比度，理論依據(jù)是概率論基礎(chǔ).直方圖均衡化是把原始直方圖變換為均勻分布的直方圖，從而使像素灰度值的動(dòng)態(tài)范圍增強(qiáng)，以此達(dá)到增強(qiáng)圖像整體對比度的效果.由于選取閾值需要參照直方圖，因此，一般在圖像進(jìn)行處理后，我們再獲取圖像的直方圖以幫助選取閾值.二值化圖像既保留了原始圖像的主要特征，又在很大程度上壓縮了原始信息量，而且它避免了乘法運(yùn)算，比灰度級圖像更適合符號法表示.

2.4人臉模板匹配算法

采用人臉模板匹配的算法，它的基本思想是，在人臉檢測和人臉定位過程中，預(yù)先制作人臉模板，然后將人臉模板與樣本相匹配，以此來判斷所采集的圖像樣本中是否存在人臉圖像.所設(shè)計(jì)的系統(tǒng)方案的詳細(xì)算法如圖2所示.主要的工作為對圖片的前期預(yù)處理工作，主要包括：灰度處理、平滑濾波處理、二值化處理、人臉模板制作、人臉模板覆蓋，以及對人臉的篩選.

圖2　人臉模板匹配算法流程圖

人臉匹配模板覆蓋、篩選前，首先要進(jìn)行原始人臉圖像模板的制作，基本步驟如下：第一步，獲取多張普通狀態(tài)下的人臉圖像，作為人臉原始圖像樣本；第二步，從原始人臉圖像樣本上將人臉的部分扣挖出來，得到人臉圖像的匹配樣本；第三步，尺度的標(biāo)準(zhǔn)化，即對人臉匹配樣本進(jìn)行量化；第四步，圖像灰度分布標(biāo)準(zhǔn)化；第五步，將灰度圖像進(jìn)行平均處理最終獲得平均人臉圖像，按照比例縮小最終生成原始圖像模板.[7]

原始圖像模板生成后，分別按照不同形狀的人臉，進(jìn)行不同比例的拉伸，再進(jìn)行灰度分布標(biāo)準(zhǔn)化后作為人臉模板.這樣，在圖像采集時(shí)，采用人臉模板覆蓋原始圖像人臉位置就可以從大批量的人臉待測圖像中篩選出匹配性較高的人臉位置，從而進(jìn)行確認(rèn).用于生成模板的人臉樣本必須是一般性的，取最普通條件下的圖像獲取樣本，否則，生成的模板在很大程度上匹配度會(huì)受到限制，當(dāng)進(jìn)行篩選匹配時(shí)，就會(huì)導(dǎo)致大多數(shù)人臉由于匹配度低檢測不出來，因此，本文選取的圖片只是在一般近似散射的光照下拍攝的，其目的就是為了提高檢測率和降低漏檢率.

3人臉檢測定位的MATLAB仿真結(jié)果分析

選用近似散射的光照下拍攝的兒童人臉一般素材，針對本文中所研究的基于圖像點(diǎn)運(yùn)算和人臉模板匹配的人臉檢測定位算法，利用MATLAB軟件進(jìn)行了人臉檢測定位的仿真，仿真結(jié)果如圖3所示(其中，a圖為提供的原始圖像；b圖為皮膚灰度化算法處理后的圖像；c圖為濾波去噪后的圖像；d圖為二值化處理后的圖像；e圖為覆蓋了人臉模板的灰度圖像；f圖為人臉檢測定位的效果圖)，通過對圖3中的仿真結(jié)果進(jìn)行分析，發(fā)現(xiàn)通過本文研究的人臉檢測定位算法可以很好地檢測到人臉并定位面部關(guān)鍵特征點(diǎn)，從而，主要的人臉區(qū)域就可以被裁剪出來.

圖3　人臉檢測定位的實(shí)際檢測效果(MATLAB仿真效果圖)

文章結(jié)合人臉定位技術(shù)的發(fā)展實(shí)際情況，盡量保證低的誤檢率，并快速實(shí)現(xiàn)人臉定位，對人臉定位技術(shù)的研究具有參考作用.我們應(yīng)該在此基礎(chǔ)上進(jìn)一步降低漏檢率，進(jìn)行更高層次的研究.另外，綜合國內(nèi)外的人機(jī)交互技術(shù)發(fā)展情況，人臉檢測定位技術(shù)已成為熱點(diǎn)領(lǐng)域，未來，在這一領(lǐng)域，必將會(huì)研究出更加先進(jìn)的新技術(shù).

參考文獻(xiàn)：

[1]祝磊,朱善安.人臉識別的一種新的特征提取方法[J].計(jì)算機(jī)學(xué)報(bào),2007,34(6).

[2]何國輝,甘俊英.PCA-LDA算法在性別鑒別中的應(yīng)用[J].中國圖像圖形學(xué)報(bào),2006,32(19).

[3]張儉鴿,王世卿，盛光磊.基于小波和DFB-PCA的人臉識別算法研究[J].微計(jì)算機(jī)信息,2007(4).

[4]徐倩,鄧偉.一種融合兩種主成分分析的人臉識別方法[J].計(jì)算機(jī)學(xué)報(bào),2007,43(25).

[5]王蘊(yùn)紅,范偉,譚鐵牛.融合全局與局部特征的子空間人臉識別算法[J].電子學(xué)報(bào),2005,28(10).

[6]莊哲民,張阿妞,李芬蘭.基于優(yōu)化的LDA算法人臉識別研究[J].中國圖像圖形學(xué)報(bào),2007,29(9).

[7]鐘向陽.基于Gabor小波的人臉識別系統(tǒng)的實(shí)現(xiàn)[J].中國圖像圖形學(xué)報(bào),2005,23(3).

(責(zé)任編輯:王前)

中圖分類號：TP391.41

文獻(xiàn)標(biāo)志碼：A

文章編號：1008-7974(2015)06-0011-03

作者簡介：劉新永，男，山東威海人，講師.

基金項(xiàng)目：2013年高校省級優(yōu)秀青年人才基金重點(diǎn)項(xiàng)目“基于特征臉和支持向量機(jī)的人臉檢測識別技術(shù)研究”(2013sqrl104zd)

收稿日期：2015-09-10

DOI:10.13877/j.cnki.cn22-1284.2015.12.004