基于視頻圖像的人臉識別與跟蹤

文/劉俊 王巖 韓為選

1 人臉識別概述

就目前來說，人臉識別技術已經(jīng)慢慢的趨于成熟，識別算法層出不窮，諸如基于特定人臉子空間的人臉識別算法，基于SV 的Kernel判別分析方法，基于AdaBoost 的Gabor 特征選擇等等。我們身處互聯(lián)網(wǎng)時代，更是在互聯(lián)網(wǎng)+的時代。所以在這個大前提下，人臉識別這一塊將更加的智能化，這也是現(xiàn)在眾多的互聯(lián)網(wǎng)企業(yè)和公司都會研究的一項大的工程，因此就目前來看，人臉識別技術將迎來更大規(guī)模的發(fā)展，跟廣泛地應用空間和前景。

2 人臉檢測和跟蹤

人臉檢測對于計算機視覺領域來說一直是一個重要的挑戰(zhàn)，所以至今也有狠多的方法問世，像幾何特征的人臉識別方法，基于特征臉的人臉識別方法，神經(jīng)網(wǎng)絡的人臉識別方法，彈性圖匹配的識別法，線段距離的識別方法，還有支持向量機（SVM）的人臉實時別方法。以前的人臉識別的研究方向主要是將其中的多個方法融合，以此提高識別率，現(xiàn)在的識別算法相差不多，只是在性能和精度方面有了很大的提高。

3 基于膚色模型單圖片的人臉檢測

3.1 基于膚色的人臉定位

膚色是人臉的特有屬性，而視頻是由許多幀的圖像組合而成，對視頻中人臉的識別關鍵點在于對每一幀圖像的處理，因此只要掌握了膚色的色彩組成，然后與人體后面的背景相比較，這兩者的區(qū)別肯定是很大的，這樣的話人臉識別系統(tǒng)就可以區(qū)分出到底哪一塊是應該識別出的區(qū)域，，然后根據(jù)識別算法把人的臉部劃分出來，吧人臉區(qū)域和背景區(qū)域分離開了之后，接下來進行的就是一個批處理的過程，把每一幀都進行這樣的處理，就可以實時的把人臉是別在整個系統(tǒng)界面顯示出來。

3.2 RGB到YCrCb色彩模型的轉換

YCrCb 色彩模型也被稱為YUV 色彩空間表示，為什么要進行色彩模式的轉換，在上面我們提到過，為了減少背景顏色和人臉部顏色其他屬性對識別過程的干擾，它的實質也是實現(xiàn)對色彩的亮度，色調，還有飽和度的組成，更好的創(chuàng)造一個識別環(huán)境這樣可以提高不少成功率和準確率。這種以色彩的表示方法就是YUV 色彩空間表示。采用YUV 色彩空間的重要性是它的亮度信號Y 和色度信號U、V是分離的。如果只有 Y 信號分量而沒有U、V信號分量，那么這樣表示的圖像就是黑白灰度圖像。YCrCb 主要有以下幾個轉換。

上面的第一式中Y 表示光的強度，r，g，b 分別表示三個顏色分量上的系數(shù)，這三個參數(shù)的和是一個常數(shù)，一般我們將其和表示為1.以這樣的一個標準來衡量三個分量在YCrCb色彩模型下的比例，Cr 是色調，Cb 是飽和度，我們主要用到Cr，Cb 這兩個變量，消除了這兩個變量對圖片種顏色的影響，一般經(jīng)過數(shù)字化的采樣格式之后三者的比例成為了4:1:1 或者2:1:1，這樣的變化對人眼來說效果是不明顯的，但是在機器式的人臉識別的人臉識別系統(tǒng)來說，效果就會變得比較明顯，因為具有一定的差異性，在識別中環(huán)境因素的影響將會降低到最小。

3.3 人臉膚色模型和二值化處理

通過YCrCb 的側才模型的轉化之后，我們將膚色給提取了出來，但是然提其他部位的膚色如果在單真圖片中，也是會被顯示出來，因此我們還要進一步的判斷，通過什么來區(qū)別人臉區(qū)域和非人臉區(qū)域呢，我們通常會進行的操作一般是閾值處理，但是如何選取閾值，他的范圍怎么確定，這是一個需要解決的問題。其實我們只要實現(xiàn)YCrCb 的高斯模型，里面包含了Cr，Cb 兩個分量，再我們之前進行的特征點的模型，將兩者這結合進行圖像的二值化處理，達到排除其他膚色的效果。主要的二值化處理一般有三種方法：

3.3.1 雙峰直方圖閾值分割法

雙峰直方圖閾值分割法，這種方法主要是找到圖像的兩個最高的峰，然后把閾值定義為兩個最高峰之間的一個最低峰，這種方法相比第三種更為精確，但是也有誤差，當直方圖的區(qū)間取的相對較大時，誤差就會偏大，只有精確到每一個像素點，針對每一個像素點來進行二值處理，偏差可以降到最低。

3.3.2 平均灰度法

計算每一個像素點像素的平均值，取這個像素平均值為S，當像素點比S 大的像素點的像素值設為255，即為白色，比S 曉得像素點的像素值設為0，即為黑色。這種操作的好處是考慮到了大部分的操作點，相比規(guī)定在中間值而言要精確。

3.3.3 中間值法

設立一個中間值，像素高于127 的為1，像素低于127 的為0。這種方法并不推薦使用，雖然運算量小，速度快。但是如果有的像素點偏離127 這個標準很遠，那樣誤差很大，這樣的結果用在人臉識別上并不妥當。

3.4 后處理

經(jīng)過了圖像的二值化的過程后，單幀圖片中剩余的是白色和黑色兩部分，由于二值化處理過程中誤差的存在和一些人體之外的復雜背景的影響，除人臉之外肯定還會有部分除了人臉的膚色之外，還有其他的部位的膚色影響檢測，所以要獲取更為準確的效果，下一步的操作就是要進行圖片的膨脹腐蝕，膨脹，甚至有的還要進行細化操作。在這里不對腐蝕膨脹的具體操作進行講解，他們都是在二值化圖像的基礎之上的操作，膨脹簡言之就是一個放大操作，通過膨脹操作能把圖像邊緣變得圓滿，減少突出部分；腐蝕則剛好相反，通過腐蝕能夠把零散的像素點清除，達到縮小或者細化的目的。細化過程需要對圖片的像素點進行兩次遍歷，得到的結果大概是整個圖片像素點的邊緣輪廓，這種可以直接忽略很多的不必要的像素點。