基于Adaboost 與卷積神經網絡的人臉定位研究＊

王文智，羅安飛，廖清靜

（貴州警察學院，貴州貴陽 550000）

人臉定位是動態人臉識別過程中的一項關鍵技術，能夠定位視頻圖像序列中是否存在人臉、人臉位置及其在圖像中人臉的大小。目前，人臉定位的方法比較多，大致可以分為基于知識的方法、基于學習的方法。

基于知識的方法有：①文獻[1-2]采用YCgCr 色彩空間的人臉膚色模型，對圖像進行膚色分割，利用人臉的幾何特征篩選出人臉區域；②文獻[3]提出了一種彩色圖像序列中的人臉定位和跟蹤的方法；③文獻[4]從不同視角下統計若干關鍵人臉特征點位置；④文獻[5-6]通過Haar 濾波分解面部特征的輪廓，實時進行人臉關鍵點定位。

基于學習的方法有：①文獻[7-10]通過編碼人臉特征，自適應定點優化Adaboost 算法特征匹配進行有效的定位；②文獻[11-12]通過Adaboost 算法提取人臉和非人臉的特征，利用支持向量機和CNN 來定位人臉；③文獻[13-17]借助卷積神經網絡（CNN）的強大特征學習能力，提出利用級聯卷積神經網絡（MTCNN）實現快速人臉檢測和人臉對齊。

這些方法在人臉定位上取得了較好的效果，但是仍然有一些類人臉區域被定位為人臉區域，而且在定位人臉過程中每次都是對整幅圖像的全部像素進行搜索和定位，在空間上會消耗大量的處理時間，因此，本文提出了Adaboost 與卷積神經網絡相結合的人臉定位方法。

1 Adaboost 與CNN 相結合的人臉定位方法

1.1 CNN 算法概述

CNN 是一種多層感知器，網絡包括3 層，即輸入層、特征層、輸出層，特征層中含卷積層和采樣層。

卷積層是特征提取層，是用上一層的圖像和一個參數模板的加權和，再經過一個偏置參數及激活函數后得到的一張特征圖，卷積表達式如下：

采樣層是為了減少網絡的拓撲結構，采樣層中有采樣函數down（·）、權值參數β及偏置b，采樣層的表達式如下：

1.2 CNN 算法人臉訓練

1.2.1 傳統CNN 結構

通常用于人臉檢測的傳統字符CNN 結構如圖1 所示，輸入層為32×32 的圖像，經過5×5 卷積核卷積得到C1 層的特征圖像，C1 層的圖像大小為28×28；S2層是采樣層，用2×2 的塊采樣得到14×14 特征圖；C3層是卷積層，由16 個5×5 的卷積核卷積所得，C3 層的特征圖大小為10×10；S4 是對C3 層特征圖像進行采樣得到，其大小為5×5；C5 層由120 個5×5 的卷積核卷積S4 層的特征圖，得到1×1 的特征圖120 個，并把C5 層的這120 個1×1 的特征作為全連接層的輸入；F6 是含有84 個節點的隱含層；輸出層為10 個節點。

圖1 CNN 結構

1.2.2 人臉與非人臉圖像的存儲形式

CNN 是二維圖像識別的網絡，其輸入層為二維的圖像數據，具體數據如下：假設有人臉和非人臉各為n1與n2張灰度圖像，圖像尺寸歸一化為m×n，則人臉與非人臉圖像的存儲形式可以表示為如圖2 所示的形式。

圖2 圖像的存儲形式

圖2中人臉與非人臉數據的矩陣大小為（m×n+2）×（n1+n2），上面的數據矩陣中的每一列表示一張圖像的數據及類別，每一列的前m×n個數據就是用一張圖像的每一行首尾相連接組成的，每一列的后2 個數據代表圖像的類別，比如人臉圖像的后兩個數據是用1 和0來表示，非人臉圖像則用0 和1 表示。

1.2.3 權重初始化

卷積層是通過對人臉圖像進行卷積后得到的特征圖像，每一個卷積有一個卷積核和一個偏置參數，初始化卷積核公式如下：

式中：kerl，i為第l層網絡的第i個特征圖的卷積核矩陣；rand（5）為任意生成大小為5×5 的隨機矩陣；fan_in為上一層（l－1）特征圖與卷積核kerl，i的連接個數，即fan_in=inmapsl×25，inmapsl=outmapsl-1；fan_out為這一層l的特征圖與卷積核kerl，i的連接個數，即fan_out=outmapsl×25，inmapsl、outmapsl分別為第l層的輸入特征圖與輸出特征圖。

對于第l層網絡的第i個特征圖bl，i設置為0。采樣層中的參數只有塊采樣權值參數βl，i及一個偏置bl，i，一般情況下，采樣層中選取2×2 的圖像塊進行均值采樣、最大值采樣、像素點概率采樣。采樣層的目的是保持圖像中旋轉、平穩、伸縮等的不變性，如均值采樣的參數，初始化偏置b仍設置為0。

在全連接層中，第l層的權值矩陣初始化公式如下：

式中：t_outl為生成大小為inmapsl×outmapsl的（0～1）任意值的隨機矩陣。

1.2.4 前向傳播計算誤差

假設CNN 有L層，網絡中第l層為卷積層或者采樣層時設第l層的特征圖數目為outmapsl張，在網絡中若第l層為全連接層的節點個數設outmapsl，則網絡進行前向傳播時，按如下代碼進行操作：

1.2.5 反向傳播修改權重

由前向傳播可計算出網絡的誤差，所以利用傳統BP 算法的反向方法修改各參數，則網絡進行反向傳播按如下代碼進行操作：

即，權重更新如下：

1.3 建立高斯混合模型背景，提取運動目標

混合高斯模型是一種圖像背景建模方法，其利用時間序列對每一點像素建立背景，故在t時刻圖像中某點i的像素值I(i，t)的混合高斯模型定義如下：

式中：I(i，t)為i點t時刻的像素值；K為高斯個數，一般為3～5，本文取4；ω(i，t，k)為i位置t時刻的第k個高斯分布的權重，且有為第k個高斯分布的均值；δ(i，t，k)為第k個高斯分布的方差。

建立好背景后就可以進行運動目標檢測了，假設t時刻i點的像素值為I(i，t)，則二值化的運動目標區域D(i，t)表示為：

式中：T1為根據場景設置的一個經驗值（本文T1=30）。

1.4 運用Adaboost 與CNN 在運動目標區域內定位人臉

Adaboost 是一種將多個弱分類器級聯在一起形成強分類器來定位特定目標的算法，表達式如下：

式中：T為弱分類器的個數；αt為第t個弱分類器在強分類器中所占權重的數值；ht（x）為樣本x的第t個弱分類器。

當使用級聯分類器進行人臉定位時，由于運動目標區域的背景與目標本身都可能存在類似人臉的情況，所以用Adaboost 算法定位人臉時，可能定位到虛假的人臉，因此，還需要再次判別人臉區域。再次定位人臉區域就是將Adaboost 算法定位到的人臉再一次輸入到1.2.1 節訓練好的CNN 網絡中，判別是否為人臉，若CNN 網絡判別的圖像為人臉時，則一定為人臉，否則所定位到的圖像就不是人臉。

2 實驗結果與分析

為了驗證本文所提的方法，對視頻序列圖像進行分類實驗，實驗結果如圖3 所示。

圖3 本文人臉定位過程

圖3是在不同場景下所進行的人臉定位結果圖，第一、第二行為幼兒園小女孩的人臉定位過程，第三、第四行為幼兒園小男孩的人臉定位過程，第五、第六行為中年男子的人臉定位過程，第七、第八行為中年女性的人臉定位過程。

圖3中第一列為人臉定位系統中用來定位人臉的當前幀圖像，第二列為運用混合高斯模型所建立的背景與當前幀圖像做差后得到的二值化運動目標區域，第三列為在運動目標區域使用Adaboost 算法進行人臉粗定位，第四列為利用粗定位的人臉區域圖像再次進行精確判斷得出的精定位人臉區。

由圖3 可以看出，雖然第二列二值化目標出現了空洞現象，但是也不影響Adaboost 算法與CNN 算法在目標圖像區域中對人臉定位的準確度。從第三列Adaboost 算法定位的人臉可以知道，Adaboost 算法定位的人臉不夠準確，容易產生多框和虛框的現象。然而再次經過卷積神經網絡的細定位人臉第四列中，則可以消除Adaboost 算法所產生的不足，藍色框表示CNN 判別為非人臉區域，紅色框為人臉區域。從圖3的結果可以看出，Adaboost 算法不能解決虛假人臉時，使用本文的方法則可以排除虛假人臉檢測。

3 結論

本文首先利用高斯背景提取運動目標區域，然后再通過Adaboost 算法粗定位人臉，最后再使用訓練好的CNN 網絡對粗定位人臉區域進一步精定位；方法中通過高斯背景提取目標區域，大大減小了Adaboost 算法對全圖搜索粗定位人臉的時間。此外，再利用CNN網絡進一步定位人臉區域，克服了Adaboost 算法在定位時多框及虛框等不足的現象。實驗結果表明，本文的方法可以定位到準確的人臉區域，對后續的人臉識別等工作具有一定的指導意義。