膚色與唇色信息相結合的人臉檢測

韓征彬++張景++黃鑫悅++李宛瑾++吳冰

摘 要：人臉識別一直是圖像處理研究的熱門領域，現在社會中的應用更是越來越廣泛，可用于安防、案件偵查和移動支付等領域，其中，人臉檢測是人臉識別的前提。通常的人臉檢測技術有基于膚色、模板匹配和AdaBoost等檢測方法。該文采用膚色和唇色信息相結合的人臉檢測技術，可以較好的檢測出圖像中的人臉位置。

關鍵詞：人臉檢測 膚色 唇色 彩色均衡

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2017）06（c）-0001-02

在人臉檢測領域，人臉特征的選取是基礎與核心[1]。人臉檢測技術主要分為基于特征和基于統計兩種方法，兩種方法各有優缺點。基于特征的方法容易受到亮度、干擾等影響，但對人臉角度變化，范圍較大的圖像檢測具有優勢；而基于統計方法雖然不易受到噪聲背景等的影響，但一般計算復雜，存在樣本量大，訓練困難等問題。

該文采用膚色模型的人臉檢測，并結合唇色檢測，并對其進行優化。解決思路為將圖像進行增強處理，突出感興趣區域（ROI），減少噪聲和其他干擾，結合膚色高斯概率模型，計算屬于膚色的概率，然后根據對人臉的先驗知識，排除一些較為明顯的干擾。根據唇色特征再判斷屬于膚色區域中是否存在嘴唇，如果存在，則判定此區域含有人臉。

1 圖像預處理

受光照和其他因素的影響，采集的人臉圖像存在其他干擾，所以要先進行圖像預處理，增強圖像中感興趣區域的特征，主要有光照預處理和圖像增強等。

光線預處理采用GrayWorld算法的彩色均衡法，分別計算圖像R、G、B3個顏色分量的平均值，并且需要求得圖像的平均灰度值，然后分別調整每個像素的R、G、B值，使得調整后圖像的3個顏色分量的平均值都近似于平均灰度值。

人臉圖像增強主要是去除噪聲， 在獲取的圖像中，由于設備或環境的影響，圖像中會有噪聲的存在，噪聲的存在對于圖像處理和識別都會造成影響。中值濾波是把局部區域的像素按色彩亮度進行排序，取該領域中色彩亮度的中值作為當前像素的值。因為中值濾波并不是簡單的取均值，因而它不會產生很多模糊部位，對人臉圖像檢測不會產生很多影響。

2 基于YCbCr色彩空間的膚色模型

2.1 色彩空間

皮膚的顏色是人體的一個重要特征，也是識別人臉的首要特征。膚色檢測是檢測人臉的第一步。基于膚色特征檢測人臉，主要是構造人臉的膚色模型[2]，使用數學模型進行檢測，判斷各個像素點屬于膚色的概率。

顏色模型是指利用三維空間一點坐標去描述可見光的顏色，常見的顏色模型有RGB、CMYK、HSL、HSB、YCbCr等模型。YCbCr顏色模型中的Y為亮度信息，Cb、Cr分別表示藍色和紅色，YCbCr顏色空間和人的視覺系統很相似，而且具有非常好的聚類性，適合用于膚色模型的構建中。

2.2 膚色模型

經過統計學研究，膚色是符合正態分布的隨機樣本，即也滿足高斯分布。膚色模型就是利用統計學原理，使用數學方法來表示某一像素屬于膚色的概率，其中簡單高斯模型是一種常見的模型表示方法，其表達形式簡單、直觀。高斯模型通過計算像素的概率值構成連續的數據信息并得到一個膚色概率圖，根據數據的大小完成膚色的確認[3]。

二維高斯型函數：

通過采集大量的膚色樣本計算他們的統計特征，可以求得C和M的值為：

2.3 圖像二值化

將圖像中的每一個像素點帶入膚色模型函數，可以得到每一點屬于膚色的概率，即膚色似然度。再將每一點的值除以圖像上最大的似然度值，然后進行歸一化，即乘上255，得到的灰度圖就是類膚色圖像[4]，灰度值越高表明屬于膚色的概率就越大。

得到類膚色灰度圖后，需要對其進行二值化，分割膚色區域，該文采用閾值分割法對灰度圖進行分割，閾值分割法選擇直方圖法。二值化圖像后進行形態學處理，腐蝕、膨脹。對連通區進行標記。圖1為原始圖像，圖2為標記后的二值化圖像，可以看出除了膚色區域被標記，還有背景中一些類膚色區域也被標記。根據經驗可知，人臉的長寬比例在一定范圍內，因此可以根據這個范圍排除一些干擾，圖3為去除掉一些大小、長寬比例不在范圍內的連通區。

3 唇部檢測

利用唇部的色度差，即RGB分量在唇部的分布差異，可以檢測出唇部的位置和大小。唇部檢測算法有Wark等提出的 Chromatic Feature Extraction（CFE）[5]和Lewis等提出的RedExclusion（RE）[6]。該文利用Wark等提出的CFE算法。CFE算法認為唇色和膚色的差別是紅色和綠色分量，他得出的判別式為：L≤≤U，即唇部的紅色分量與藍色分量的比值在一定的范圍內，經過研究計算，Wark得出L=1.5，U=2.2。

根據上述準則，在膚色檢測結果的連通區內判別是否存在唇部區域，圖4為檢測結果，圖中存在一些類膚色，類唇色區域的干擾。因為唇部所占人臉面積的比例具有一定范圍，可以去除不符合比例范圍的類唇色干擾區。圖5為最終人臉檢測結果。

該文主要基于膚色和唇色信息，運用彩色平衡，圖像增強等技術，實現了人臉檢測的功能，同時結合唇部、人臉區域的面積及比例信息，可以去除干擾區域，得到比較準確的檢測結果。

參考文獻

[1] 李智勇.基于光照預處理的人臉檢測研究[D].陜西師范大學， 2006.

[2] 李智勇，田貞.基于膚色模型的人臉檢測研究[J].現代電子技術，2011，34（3）：131-133.

[3] 程艦.人臉識別技術在期貨軟件登錄中的應用研究[D].大連海事大學，2014.

[4] 肖明坤，王厚大.一種基于膚色分割的彩色圖像人臉檢測算法[J].信息化研究，2007，33（3）：40-42.

[5] Wark T，Sridharan S，Chandran V.An Approach to Statistical Lip Modelling for Speaker Identification via Chromatic Feature Extraction[A].International Conference on Pattern Recognition[C].IEEE Computer Society， 1998：123.

[6] Lewis T W，Powers D M W.Lip Feature Extraction Using Red Exclusion[A].Pan-Sydney Workshop Visualization[C].2002：61-67.