基于Adaboost 與卷積神經(jīng)網(wǎng)絡(luò)的人臉定位研究＊

王文智，羅安飛，廖清靜

（貴州警察學(xué)院，貴州貴陽 550000）

人臉定位是動(dòng)態(tài)人臉識(shí)別過程中的一項(xiàng)關(guān)鍵技術(shù)，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(shí)的方法、基于學(xué)習(xí)的方法。

基于知識(shí)的方法有：①文獻(xiàn)[1-2]采用YCgCr 色彩空間的人臉膚色模型，對(duì)圖像進(jìn)行膚色分割，利用人臉的幾何特征篩選出人臉區(qū)域；②文獻(xiàn)[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(xiàn)[4]從不同視角下統(tǒng)計(jì)若干關(guān)鍵人臉特征點(diǎn)位置；④文獻(xiàn)[5-6]通過Haar 濾波分解面部特征的輪廓，實(shí)時(shí)進(jìn)行人臉關(guān)鍵點(diǎn)定位。

基于學(xué)習(xí)的方法有：①文獻(xiàn)[7-10]通過編碼人臉特征，自適應(yīng)定點(diǎn)優(yōu)化Adaboost 算法特征匹配進(jìn)行有效的定位；②文獻(xiàn)[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(jī)和CNN 來定位人臉；③文獻(xiàn)[13-17]借助卷積神經(jīng)網(wǎng)絡(luò)（CNN）的強(qiáng)大特征學(xué)習(xí)能力，提出利用級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（MTCNN）實(shí)現(xiàn)快速人臉檢測和人臉對(duì)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(qū)域被定位為人臉區(qū)域，而且在定位人臉過程中每次都是對(duì)整幅圖像的全部像素進(jìn)行搜索和定位，在空間上會(huì)消耗大量的處理時(shí)間，因此，本文提出了Adaboost 與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的人臉定位方法。

1 Adaboost 與CNN 相結(jié)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(wǎng)絡(luò)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(gè)參數(shù)模板的加權(quán)和，再經(jīng)過一個(gè)偏置參數(shù)及激活函數(shù)后得到的一張?zhí)卣鲌D，卷積表達(dá)式如下：

采樣層是為了減少網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，采樣層中有采樣函數(shù)down（·）、權(quán)值參數(shù)β及偏置b，采樣層的表達(dá)式如下：

1.2 CNN 算法人臉訓(xùn)練

1.2.1 傳統(tǒng)CNN 結(jié)構(gòu)

通常用于人臉檢測的傳統(tǒng)字符CNN 結(jié)構(gòu)如圖1 所示，輸入層為32×32 的圖像，經(jīng)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(gè)5×5 的卷積核卷積所得，C3 層的特征圖大小為10×10；S4 是對(duì)C3 層特征圖像進(jìn)行采樣得到，其大小為5×5；C5 層由120 個(gè)5×5 的卷積核卷積S4 層的特征圖，得到1×1 的特征圖120 個(gè)，并把C5 層的這120 個(gè)1×1 的特征作為全連接層的輸入；F6 是含有84 個(gè)節(jié)點(diǎn)的隱含層；輸出層為10 個(gè)節(jié)點(diǎn)。

圖1 CNN 結(jié)構(gòu)

1.2.2 人臉與非人臉圖像的存儲(chǔ)形式

CNN 是二維圖像識(shí)別的網(wǎng)絡(luò)，其輸入層為二維的圖像數(shù)據(jù)，具體數(shù)據(jù)如下：假設(shè)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(chǔ)形式可以表示為如圖2 所示的形式。

圖2 圖像的存儲(chǔ)形式

圖2中人臉與非人臉數(shù)據(jù)的矩陣大小為（m×n+2）×（n1+n2），上面的數(shù)據(jù)矩陣中的每一列表示一張圖像的數(shù)據(jù)及類別，每一列的前m×n個(gè)數(shù)據(jù)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(gè)數(shù)據(jù)代表圖像的類別，比如人臉圖像的后兩個(gè)數(shù)據(jù)是用1 和0來表示，非人臉圖像則用0 和1 表示。

1.2.3 權(quán)重初始化

卷積層是通過對(duì)人臉圖像進(jìn)行卷積后得到的特征圖像，每一個(gè)卷積有一個(gè)卷積核和一個(gè)偏置參數(shù)，初始化卷積核公式如下：

式中：kerl，i為第l層網(wǎng)絡(luò)的第i個(gè)特征圖的卷積核矩陣；rand（5）為任意生成大小為5×5 的隨機(jī)矩陣；fan_in為上一層（l－1）特征圖與卷積核kerl，i的連接個(gè)數(shù)，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(gè)數(shù)，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(duì)于第l層網(wǎng)絡(luò)的第i個(gè)特征圖bl，i設(shè)置為0。采樣層中的參數(shù)只有塊采樣權(quán)值參數(shù)βl，i及一個(gè)偏置bl，i，一般情況下，采樣層中選取2×2 的圖像塊進(jìn)行均值采樣、最大值采樣、像素點(diǎn)概率采樣。采樣層的目的是保持圖像中旋轉(zhuǎn)、平穩(wěn)、伸縮等的不變性，如均值采樣的參數(shù)，初始化偏置b仍設(shè)置為0。

在全連接層中，第l層的權(quán)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(jī)矩陣。

1.2.4 前向傳播計(jì)算誤差

假設(shè)CNN 有L層，網(wǎng)絡(luò)中第l層為卷積層或者采樣層時(shí)設(shè)第l層的特征圖數(shù)目為outmapsl張，在網(wǎng)絡(luò)中若第l層為全連接層的節(jié)點(diǎn)個(gè)數(shù)設(shè)outmapsl，則網(wǎng)絡(luò)進(jìn)行前向傳播時(shí)，按如下代碼進(jìn)行操作：

1.2.5 反向傳播修改權(quán)重

由前向傳播可計(jì)算出網(wǎng)絡(luò)的誤差，所以利用傳統(tǒng)BP 算法的反向方法修改各參數(shù)，則網(wǎng)絡(luò)進(jìn)行反向傳播按如下代碼進(jìn)行操作：

即，權(quán)重更新如下：

1.3 建立高斯混合模型背景，提取運(yùn)動(dòng)目標(biāo)

混合高斯模型是一種圖像背景建模方法，其利用時(shí)間序列對(duì)每一點(diǎn)像素建立背景，故在t時(shí)刻圖像中某點(diǎn)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(diǎn)t時(shí)刻的像素值；K為高斯個(gè)數(shù)，一般為3～5，本文取4；ω(i，t，k)為i位置t時(shí)刻的第k個(gè)高斯分布的權(quán)重，且有為第k個(gè)高斯分布的均值；δ(i，t，k)為第k個(gè)高斯分布的方差。

建立好背景后就可以進(jìn)行運(yùn)動(dòng)目標(biāo)檢測了，假設(shè)t時(shí)刻i點(diǎn)的像素值為I(i，t)，則二值化的運(yùn)動(dòng)目標(biāo)區(qū)域D(i，t)表示為：

式中：T1為根據(jù)場景設(shè)置的一個(gè)經(jīng)驗(yàn)值（本文T1=30）。

1.4 運(yùn)用Adaboost 與CNN 在運(yùn)動(dòng)目標(biāo)區(qū)域內(nèi)定位人臉

Adaboost 是一種將多個(gè)弱分類器級(jí)聯(lián)在一起形成強(qiáng)分類器來定位特定目標(biāo)的算法，表達(dá)式如下：

式中：T為弱分類器的個(gè)數(shù)；αt為第t個(gè)弱分類器在強(qiáng)分類器中所占權(quán)重的數(shù)值；ht（x）為樣本x的第t個(gè)弱分類器。

當(dāng)使用級(jí)聯(lián)分類器進(jìn)行人臉定位時(shí)，由于運(yùn)動(dòng)目標(biāo)區(qū)域的背景與目標(biāo)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(shí)，可能定位到虛假的人臉，因此，還需要再次判別人臉區(qū)域。再次定位人臉區(qū)域就是將Adaboost 算法定位到的人臉再一次輸入到1.2.1 節(jié)訓(xùn)練好的CNN 網(wǎng)絡(luò)中，判別是否為人臉，若CNN 網(wǎng)絡(luò)判別的圖像為人臉時(shí)，則一定為人臉，否則所定位到的圖像就不是人臉。

2 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文所提的方法，對(duì)視頻序列圖像進(jìn)行分類實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)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(jìn)行的人臉定位結(jié)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(tǒng)中用來定位人臉的當(dāng)前幀圖像，第二列為運(yùn)用混合高斯模型所建立的背景與當(dāng)前幀圖像做差后得到的二值化運(yùn)動(dòng)目標(biāo)區(qū)域，第三列為在運(yùn)動(dòng)目標(biāo)區(qū)域使用Adaboost 算法進(jìn)行人臉粗定位，第四列為利用粗定位的人臉區(qū)域圖像再次進(jìn)行精確判斷得出的精定位人臉區(qū)。

由圖3 可以看出，雖然第二列二值化目標(biāo)出現(xiàn)了空洞現(xiàn)象，但是也不影響Adaboost 算法與CNN 算法在目標(biāo)圖像區(qū)域中對(duì)人臉定位的準(zhǔn)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(zhǔn)確，容易產(chǎn)生多框和虛框的現(xiàn)象。然而再次經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)的細(xì)定位人臉第四列中，則可以消除Adaboost 算法所產(chǎn)生的不足，藍(lán)色框表示CNN 判別為非人臉區(qū)域，紅色框?yàn)槿四槄^(qū)域。從圖3的結(jié)果可以看出，Adaboost 算法不能解決虛假人臉時(shí)，使用本文的方法則可以排除虛假人臉檢測。

3 結(jié)論

本文首先利用高斯背景提取運(yùn)動(dòng)目標(biāo)區(qū)域，然后再通過Adaboost 算法粗定位人臉，最后再使用訓(xùn)練好的CNN 網(wǎng)絡(luò)對(duì)粗定位人臉區(qū)域進(jìn)一步精定位；方法中通過高斯背景提取目標(biāo)區(qū)域，大大減小了Adaboost 算法對(duì)全圖搜索粗定位人臉的時(shí)間。此外，再利用CNN網(wǎng)絡(luò)進(jìn)一步定位人臉區(qū)域，克服了Adaboost 算法在定位時(shí)多框及虛框等不足的現(xiàn)象。實(shí)驗(yàn)結(jié)果表明，本文的方法可以定位到準(zhǔn)確的人臉區(qū)域，對(duì)后續(xù)的人臉識(shí)別等工作具有一定的指導(dǎo)意義。