郝存明,陳宏彩,李 倩,鄧建科

(1.河北省科學(xué)院應(yīng)用數(shù)學(xué)研究所,河北石家莊 050081; 2.石家莊開發(fā)區(qū)冀科雙實(shí)科技有限公司,河北石家莊 050081; 3.保定廣播電視大學(xué),河北保定 071000)

基于膚色統(tǒng)計(jì)矩和Adaboost算法的人臉檢測(cè)研究

郝存明1,2,陳宏彩1,2,李 倩1,2,鄧建科3

(1.河北省科學(xué)院應(yīng)用數(shù)學(xué)研究所,河北石家莊 050081; 2.石家莊開發(fā)區(qū)冀科雙實(shí)科技有限公司,河北石家莊 050081; 3.保定廣播電視大學(xué),河北保定 071000)

采用基于Adaboost的人臉檢測(cè)算法檢測(cè)出彩色圖像中的人臉候選區(qū)域,在此基礎(chǔ)上利用人臉膚色統(tǒng)計(jì)矩剔除非人臉區(qū)域,最終實(shí)現(xiàn)對(duì)人臉的準(zhǔn)確檢測(cè)。由于本算法檢測(cè)速度快、準(zhǔn)確率高可以應(yīng)用于對(duì)實(shí)時(shí)性要求較高的智能監(jiān)控領(lǐng)域。

Adaboost;統(tǒng)計(jì)矩;HSV空間;人臉檢測(cè);智能監(jiān)控

隨著圖像處理、模式識(shí)別和機(jī)器視覺等科學(xué)技術(shù)的發(fā)展,可以利用計(jì)算機(jī)對(duì)采集到的視頻序列進(jìn)行實(shí)時(shí)的目標(biāo)檢測(cè)、識(shí)別和分析,這就為實(shí)現(xiàn)智能化監(jiān)控提供了條件。目前對(duì)人的行為分析、跟蹤、識(shí)別已經(jīng)成為智能監(jiān)控領(lǐng)域研究的主要內(nèi)容之一[1,2]。因?yàn)槿四樚卣魇菂^(qū)分個(gè)體的重要信息,所以實(shí)時(shí)、準(zhǔn)確的人臉檢測(cè)算法已經(jīng)成為智能監(jiān)控領(lǐng)域迫切需要的技術(shù)。

基于統(tǒng)計(jì)模型的方法是解決人臉檢測(cè)問題的有效途徑。Viola和Jones于2001年提出了基于Adaboost算法的方法[5],這種算法是從大量的Haar-like特征中挑選出最優(yōu)的特征并制作成強(qiáng)分類器用于人臉檢測(cè),可以滿足智能監(jiān)控對(duì)人臉實(shí)時(shí)檢測(cè)的要求。但是這些特征只包含了一些人臉灰度分布特征,缺少人臉膚色的信息,這就導(dǎo)致在復(fù)雜場(chǎng)景中把一些非人臉區(qū)域誤判為人臉區(qū)域。鑒于此作者建立了膚色統(tǒng)計(jì)矩模型,把人臉的膚色特征融合到Adaboost人臉檢測(cè)算法當(dāng)中,實(shí)現(xiàn)了對(duì)人臉的實(shí)時(shí)、準(zhǔn)確檢測(cè)。

1 基于Adaboost方法的人臉檢測(cè)算法簡(jiǎn)介

1.1 Haar-like特征

Haar-like特征最早是由Papageo rgiou等人[4]應(yīng)用于人臉表示的,之后Viola等人[5]定義了(圖1中a、b、h、e)4種形式的特征模板,首次提出一種基于 Haar-like特征的穩(wěn)定、實(shí)時(shí)的人臉檢測(cè)框架。在此基礎(chǔ)上,Rainer等人[6]又把Haar-like特征模板擴(kuò)展為15種(圖1),通過實(shí)驗(yàn)表明擴(kuò)展后的檢測(cè)算法可以大大提高檢測(cè)的準(zhǔn)確率。

圖1 Haar-like特征模版

利用圖1所示的特征模板,用黑色部分的像素和減去白色部分的像素和來計(jì)算特征值。通過特征模板在圖像子窗口中平移、伸縮可以得到大量特征值。這些由圖像灰度值計(jì)算得到的特征值在邊緣方面有著很好的表現(xiàn),對(duì)人的臉部特征有著非常強(qiáng)大的提取和編碼能力。

1.2 積分圖

由于需要對(duì)大量的訓(xùn)練樣本進(jìn)行訓(xùn)練得到人臉的特征,為了降低計(jì)算成本Paul Viola等人[5]引入了積分圖的概念。這樣使得人臉特征值的計(jì)算只與特征模板矩形的端點(diǎn)的積分圖有關(guān),不管 Haar-like特征模板的尺度如何變換,計(jì)算人臉特征的時(shí)間復(fù)雜度總是常量級(jí)。

圖2 積分圖像

圖3 積分圖像計(jì)算

由圖像的積分圖可方便快速地計(jì)算圖像中任意矩形內(nèi)所有像素灰度積分:如圖3,在矩形D中的像素和可以通過四點(diǎn)計(jì)算得到,在點(diǎn)1的積分圖的和可以通過矩形A內(nèi)的點(diǎn)的和得到,在點(diǎn)2的值就是A+B,在點(diǎn)3的值就是A+C,在點(diǎn)4的值就是A+B+C+D。在D內(nèi)的點(diǎn)的和可以利用4+1-(2+ 3)計(jì)算得到。

1.3 Adaboost對(duì)人臉特征提取

采用積分圖的表示方法,可以快速從人臉樣本和非人臉樣本中計(jì)算出 Haar-like特征值,每個(gè)特征對(duì)應(yīng)一個(gè)弱分類器,但并不是任何一個(gè) Haar-like特征都能較好地描述人臉。Aaboost學(xué)習(xí)算法將由Haar-like特征生成的弱分類器疊加成為強(qiáng)分類器,再將強(qiáng)分類器串聯(lián)成級(jí)聯(lián)分類器。將強(qiáng)分類器串聯(lián)成級(jí)聯(lián)分類器時(shí)應(yīng)遵循“先重后輕”的分級(jí)分類器原則,即將由重要特征構(gòu)成的結(jié)構(gòu)較簡(jiǎn)單的強(qiáng)分類器放在前面,這樣可以剔除大量的偽人臉區(qū)域,提高檢測(cè)速度。A daboost檢測(cè)器的結(jié)構(gòu)如圖4所示。

圖4 Adaboost檢測(cè)器的結(jié)構(gòu)

2 膚色統(tǒng)計(jì)矩模型及實(shí)驗(yàn)結(jié)果

人的膚色信息作為人臉的一個(gè)重要特征,已經(jīng)在實(shí)際應(yīng)用中被證明是非常有效的。雖然不同的人有不同的膚色,但是一些研究已經(jīng)證明這種區(qū)別多數(shù)存在于他們的強(qiáng)度而不是色度上[7-9]。

在圖像處理中,統(tǒng)計(jì)矩主要是用來描述圖像灰度直方圖的特性,對(duì)圖像的尺度變化不敏感,已經(jīng)成功地應(yīng)用于人臉和車型的檢測(cè)[10]、圖像檢索[11]、隱寫檢測(cè)檢測(cè)[12,13]、此外AdaBoost人臉檢測(cè)算法檢測(cè)到的人臉尺度變化較大,選用統(tǒng)計(jì)矩方法對(duì)膚色特征進(jìn)行建?？梢詼p小膚色特征受尺度變化的影響?；叶染禐閙的n階矩為其中L為圖像的灰度級(jí)數(shù),zi為代表灰度的隨機(jī)數(shù),p(zi)為區(qū)域灰度直方圖。這些統(tǒng)計(jì)量的應(yīng)用功能有:,用于描述數(shù)據(jù)的均值。

2)方差:μ2,用于度量數(shù)據(jù)取值分散性的。

3)三階矩:μ3,用于刻畫數(shù)據(jù)關(guān)于均值對(duì)稱性。

4)四階矩:μ4,用于描述數(shù)據(jù)的相對(duì)平坦性。

作者利用Adaboost人臉檢測(cè)算法對(duì)Face Detection網(wǎng)站的BIo ID人臉庫中的單身圖片、合影圖片進(jìn)行人臉檢測(cè),把所有檢測(cè)到的人臉區(qū)域轉(zhuǎn)換為 HSV色彩空間,提取其色調(diào) H并計(jì)算均值m和方差μ2,通過實(shí)驗(yàn)統(tǒng)計(jì)分析發(fā)現(xiàn)98%人臉區(qū)域的均值m分布在2

為檢驗(yàn)本文算法的有效性,選擇了一些典型的彩色圖片作為測(cè)試對(duì)象。測(cè)試圖片分別來自B Io ID人臉檢測(cè)庫中的第26和43副合影圖片。當(dāng)直接采用Adaboost人臉檢測(cè)算法對(duì)圖片進(jìn)行人臉檢測(cè)時(shí)均出現(xiàn)誤檢測(cè)(圖5(a,c)),經(jīng)過計(jì)算三幅圖片誤檢區(qū)域均值和方差分別為252和36、121和45。誤檢區(qū)域均值和方差可以通過統(tǒng)計(jì)矩模型排除,從而可以消除這些誤檢(圖5(b,d)),完成準(zhǔn)確的人臉檢測(cè)。

圖5 算法的效果圖

3 結(jié)論

采用基于Adaboost和膚色統(tǒng)計(jì)矩結(jié)合的方法實(shí)現(xiàn)了對(duì)人臉的準(zhǔn)確檢測(cè)。檢測(cè)過程中利用彩色圖像HSV空間中的人臉膚色統(tǒng)計(jì)矩的特性,對(duì)A daboost人臉檢測(cè)算法檢測(cè)到的區(qū)域進(jìn)行進(jìn)一步驗(yàn)證,充分發(fā)揮了A daboost人臉檢測(cè)算法計(jì)算速度快的優(yōu)勢(shì),又提高了人臉檢測(cè)的精度和可靠性,可以滿足智能監(jiān)控對(duì)人臉檢測(cè)實(shí)時(shí)、準(zhǔn)確性的要求。

[1] O.Javed,K.Shafique,and M.Shah.Automated Visual Surveillancein Realistic Scenarios[J].In IEEE M ultimedia,January-March 2007,14(1):30-39.

[2] R.Collins,J.Lip ton,and T.Kanade.Introduction to the specialsection on video surveillance[J].IEEE Trans.PAM I,Aug 2000, 22(8):745-746.

[3] C.Regazzoni,V.Ramesh,and G.L.Foresti.Special issue on video communications,p rocessing,and understanding for third generation surveillance system s[J].Proceedings of the IEEE,2001,89(10):1355-1539.

[4] Lienhart R,Maydt J.An Extended Set of Haar-like Features for Rapid Object Detection[J].IEEE ICIP 2002,1:900-903.

[5] C.Papageorgiou,M.Oren,and T.Poggio.A general framework for object detection[J].International Conference on Computer Vision,Jan 1998,555-562.

[6] Viola,P.,Jones,M.,Rapid Object Detection Using a Boosted Cascade of Simp le Features[J].IEEE Computer Society Conference on Computer Vision and Pattern Recognition(CVPR),December 2001,1:511-518.

[7] T.K.Leung,M.C.Burl,and P.Perona.Finding Faces in Cluttered Scenes Using Random Labeled Graph Matching[J].Proc. Fifth IEEE Int’l Conf.Computer Vision,1995,637-644.

[8] H.P.Graf,T.Chen,E.Petajan,and E.Cosatto.Locating Faces and Facial Parts[J].Proc.First Int’l Wo rkshop Automatic Face and Gesture Recognition,1995,41-46.

[9] H.P.Graf,E.Cosatto,D.Gibbon,M.Kocheisen,and E.Petajan.Multimodal System for Locating Heads and Faces[Z].Proc. Second Int’l Conf.Automatic Face and Gesture Recognition,1996,88-93.

[10] H.Schneiderman,T.Kanade.A Statistical Method for 3D Object Detection Applied to Faces and Cars[Z].IEEE Conference on Computer Vision and Pattern Recognition(CVPR 2000),2000,1:746-751.

[11] 尚趙偉,張明新,沈鈞毅,相明.基于雙密度小波變換的紋理圖像檢索[J].西安交通大學(xué)學(xué)報(bào),2005,39(10):1081-1084.

[12] 馬懿,張政保,馮帆,王嘉禎.基于小波奇異性分析的擴(kuò)頻隱寫檢測(cè)算法[J].計(jì)算機(jī)工程,2009,35(15):159-161.

[13] S.Lyu and H.Farid.Detecting Hidden Messages using Higher Order Statistics and Support Vector Machines[J].International Wo rkshop on Info rmation Hiding,LectureNotes in Computer Science,p ringer-Verlag,2002,2578:340-354.

Face detection based on skin color moment and Adaboost Algorithm

(1.Institute of A pp lied M athmatics,Hebei Academ y of Science,Shijiazhuang Hebei,050081,China;2.SJZJ KSS Technology Co.,L td,Shijiazhuang Hebei,050081,China;3.Baoding Radio&TV University,Baoding Hebei,071000,China)

HAO Cun-ming1,2,CHEN Hong-cai1,2,LIQian1,2,DENG Jian-ke3

An face detection algorithm based on Adaboost is used to detect the face area possibly existing in the color image,then eliminate the false face area w ith skin colormoment,and in thisway accurate detection of face is achieved.the high detection rate and real-time performance of the algo rithm is suitable to intelligent surveillance.

Adaboost;Moment;HSV color space;Face detection;Intelligent surveillance

TP317

:A

1001-9383(2011)01-0006-04

2010-12-24

郝存明(1981-),男,河北宣化人,碩士,研究實(shí)習(xí)員,主要從事圖像處理和機(jī)器視覺方面的研究.