?

基于MATLAB的人臉檢測(cè)定位算法研究*

劉新永1，蔡鳳麗2，王志楊2

(1.中國(guó)人民解放軍裝甲兵學(xué)院，安徽 蚌埠 233050；2.安徽電子信息職業(yè)技術(shù)學(xué)院，安徽 蚌埠 233060)

摘要:文章主要研究了人臉識(shí)別技術(shù)中的人臉檢測(cè)定位算法，提出一種基于圖像點(diǎn)運(yùn)算和人臉模板匹配算法的人臉檢測(cè)定位算法，闡述了基本算法原理，并利用MATLAB軟件對(duì)算法進(jìn)行了仿真分析.結(jié)果表明，提出的人臉檢測(cè)定位算法，可以快速準(zhǔn)確地檢測(cè)和定位人臉圖像.

關(guān)鍵詞:人臉識(shí)別；人臉定位；圖像點(diǎn)運(yùn)算；模板匹配

1人臉識(shí)別系統(tǒng)的基本組成及功能

圖1為人臉識(shí)別系統(tǒng)基本框圖.在人臉識(shí)別系統(tǒng)中，最重要的是：人臉圖像或圖像序列的采集、人臉圖像的檢測(cè)與定位、人臉特征提取和人臉模板匹配、人臉識(shí)別等.[3]當(dāng)進(jìn)行人臉識(shí)別的時(shí)候，對(duì)于采集到的人臉圖像或者圖像序列，首先進(jìn)行人臉檢測(cè)與定位，在輸入圖像中分辨是否存在人臉圖像；如果存在人臉圖像，立刻對(duì)人臉進(jìn)行檢測(cè)定位標(biāo)識(shí)，根據(jù)標(biāo)識(shí)的人臉位置提取人臉的特征.

圖1　人臉識(shí)別系統(tǒng)基本組成框圖

檢測(cè)和定位是兩個(gè)過(guò)程，對(duì)于提取出來(lái)的人臉圖像進(jìn)行檢測(cè)和對(duì)于人臉圖像的定位這兩個(gè)過(guò)程一般合并進(jìn)行，檢測(cè)的同時(shí)即定位.對(duì)提取出來(lái)的人臉通過(guò)提取特征數(shù)據(jù)來(lái)確定該人的身份.定位是計(jì)算機(jī)人臉識(shí)別系統(tǒng)中的必需環(huán)節(jié).定位的目的是為人臉特征數(shù)據(jù)的提取和識(shí)別預(yù)先做好準(zhǔn)備工作，從而提高有用信息的輸出信噪比，某種意義上，相當(dāng)于減小了噪聲，加強(qiáng)了有用信息的輸出比例.

2人臉檢測(cè)定位的算法

人臉檢測(cè)定位算法最傳統(tǒng)、最常見(jiàn)的有兩類：基于顯性特征的方法和基于隱性特征的方法.基于顯性特征的方法是根據(jù)人的膚色、臉的輪廓、臉部的結(jié)

構(gòu)特征等直觀的特征，利用肉眼總結(jié)出“人臉”區(qū)別于“非人臉”的特征，判斷被檢測(cè)區(qū)域是否有這些“人臉特征”，根據(jù)判斷結(jié)果，判定區(qū)域內(nèi)有沒(méi)有“人臉”.基于隱性特征的方法將人臉區(qū)域看成一類模式，采集“人臉”和“非人臉”樣本序列建設(shè)樣本序列庫(kù)，利用分類器將采集到的人臉與庫(kù)中數(shù)據(jù)進(jìn)行比較，判別采集到的人臉圖像中，是否屬于“人臉模式”來(lái)檢測(cè)人臉.但是，傳統(tǒng)的兩大類算法均存在檢測(cè)速度慢，人臉定位不準(zhǔn)確等缺點(diǎn).

本文中主要研究了一種新的基于圖像點(diǎn)運(yùn)算和人臉模板匹配的人臉檢測(cè)定位算法，大大地加快了人臉檢測(cè)速度.圖像點(diǎn)運(yùn)算技術(shù)，通過(guò)改變所采集的用戶圖像樣本占據(jù)的灰度范圍，使輸入的采集圖像樣本經(jīng)過(guò)點(diǎn)運(yùn)算后能輸出新的點(diǎn)運(yùn)算圖像，輸出像素點(diǎn)的灰度值可根據(jù)輸入樣本圖像的像素點(diǎn)的灰度值獲取，點(diǎn)運(yùn)算本質(zhì)上就是輸入的原始樣本圖像的像素到輸出點(diǎn)運(yùn)算圖像像素的映射.[4]

假設(shè)已知輸入的樣本圖像為A(x,y)，輸出圖像為B(x,y)，則點(diǎn)運(yùn)算圖像B(x,y)可表示為：

B(x,y)=f[A(x,y)]

(1)

B(x,y)是關(guān)于f的函數(shù)，f函數(shù)被稱為灰度變換函數(shù)，f函數(shù)表示輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系，點(diǎn)運(yùn)算的確定隨著f函數(shù)的確定隨即也就確定了.

人臉模板匹配算法可以在一幅圖像中找到已知的人臉.所謂人臉模板匹配，是根據(jù)目標(biāo)人臉的特征制作人臉模板，用已知的人臉模板去覆蓋原始圖像中相同的區(qū)域進(jìn)行匹配，利用人臉模板匹配算法進(jìn)行人臉檢測(cè)能獲得極快的檢測(cè)速度.

將圖像點(diǎn)運(yùn)算與人臉模板匹配算法相結(jié)合進(jìn)行人臉檢測(cè)的基本算法如下：

2.1皮膚灰度化算法

首先，采用圖像點(diǎn)運(yùn)算技術(shù)利用式(1)將彩色的原始圖像轉(zhuǎn)化成灰度圖像(即：灰度化算法).

總之，彩超超聲影像學(xué)在婦產(chǎn)科急腹癥的診斷中有著很高的準(zhǔn)確率，在臨床操作中十分快速簡(jiǎn)單，并且對(duì)患者不會(huì)造成痛苦，是婦產(chǎn)科急腹癥診斷中十分良好的方法，在婦產(chǎn)科急腹癥臨床治療中也有著很強(qiáng)的應(yīng)用性，今后應(yīng)大力推廣。

gray=0.39×R+0.50×G+0.11×B

(2)

式(2)中各變量意義分別為，gray：灰度值，R：紅色分量值，G：綠色分量值，B：藍(lán)色分量值.

均衡化灰度圖像的生成.主要方法：在原像素灰度基礎(chǔ)上乘以縮放因子，最后截至[0,255]，此過(guò)程本質(zhì)上就是灰度比例的變換過(guò)程.

對(duì)于圖像對(duì)比度差、圖像細(xì)節(jié)不清楚現(xiàn)象的處理，最直接有效的方法就是線性擴(kuò)展.灰度的線性擴(kuò)展算法如式(3)：

(3)

式(3)中各變量意義分別為，f：原始圖像灰度，g：均衡后灰度.

經(jīng)過(guò)變換，把區(qū)間[a,b]的灰度級(jí)變換到區(qū)間[c,d]的灰度級(jí).其中，a,b,c,d,f,g都是整數(shù)，且在[0,255]區(qū)間內(nèi).這種線性擴(kuò)展方法能高效提高圖像的質(zhì)量.

2.2濾波去噪算法

對(duì)于濾波去噪，我們可以采用高斯平滑法.實(shí)際中，采集圖像過(guò)程中隨機(jī)噪聲是不可避免的，隨機(jī)噪聲會(huì)影響采集圖像的質(zhì)量.我們可采用高斯平滑法處理噪聲點(diǎn)，從而在很大程度上降低圖像的視覺(jué)噪聲，這樣，低頻成分就能更容易地被識(shí)別出來(lái).高斯平滑的截止頻率是由卷積核的大小和卷積系數(shù)決定的.低通濾波器(LBF)就是高斯平滑的卷積核，經(jīng)過(guò)卷積，可以獲得曲線平滑的水平投影和孤立點(diǎn)較少的二值化圖像處理效果.[5]這種卷積法實(shí)現(xiàn)的高斯平滑法，常用的卷積核有以下三種：

不同的噪聲采用不同的卷積核.本文使用的是高斯卷積核，即LP3，能去除不同的噪聲干擾.

2.3圖像二值化處理

圖像二值化是一種圖像處理的基本技術(shù)，很多圖像處理過(guò)程中都采用了圖像二值化的預(yù)處理過(guò)程.只有兩個(gè)灰度級(jí)的圖像我們稱之為二值化圖像，這種圖像存儲(chǔ)空間小，處理速度快.在進(jìn)行圖像二值化操作前要對(duì)圖像進(jìn)行預(yù)處理，包括彩色圖像灰化和增強(qiáng).常用的灰度均衡實(shí)現(xiàn)算法主要是直方圖均衡化.[6]主要方法是：用灰度直方圖增強(qiáng)圖像對(duì)比度，理論依據(jù)是概率論基礎(chǔ).直方圖均衡化是把原始直方圖變換為均勻分布的直方圖，從而使像素灰度值的動(dòng)態(tài)范圍增強(qiáng)，以此達(dá)到增強(qiáng)圖像整體對(duì)比度的效果.由于選取閾值需要參照直方圖，因此，一般在圖像進(jìn)行處理后，我們?cè)佾@取圖像的直方圖以幫助選取閾值.二值化圖像既保留了原始圖像的主要特征，又在很大程度上壓縮了原始信息量，而且它避免了乘法運(yùn)算，比灰度級(jí)圖像更適合符號(hào)法表示.

2.4人臉模板匹配算法

采用人臉模板匹配的算法，它的基本思想是，在人臉檢測(cè)和人臉定位過(guò)程中，預(yù)先制作人臉模板，然后將人臉模板與樣本相匹配，以此來(lái)判斷所采集的圖像樣本中是否存在人臉圖像.所設(shè)計(jì)的系統(tǒng)方案的詳細(xì)算法如圖2所示.主要的工作為對(duì)圖片的前期預(yù)處理工作，主要包括：灰度處理、平滑濾波處理、二值化處理、人臉模板制作、人臉模板覆蓋，以及對(duì)人臉的篩選.

圖2　人臉模板匹配算法流程圖

人臉匹配模板覆蓋、篩選前，首先要進(jìn)行原始人臉圖像模板的制作，基本步驟如下：第一步，獲取多張普通狀態(tài)下的人臉圖像，作為人臉原始圖像樣本；第二步，從原始人臉圖像樣本上將人臉的部分扣挖出來(lái)，得到人臉圖像的匹配樣本；第三步，尺度的標(biāo)準(zhǔn)化，即對(duì)人臉匹配樣本進(jìn)行量化；第四步，圖像灰度分布標(biāo)準(zhǔn)化；第五步，將灰度圖像進(jìn)行平均處理最終獲得平均人臉圖像，按照比例縮小最終生成原始圖像模板.[7]

原始圖像模板生成后，分別按照不同形狀的人臉，進(jìn)行不同比例的拉伸，再進(jìn)行灰度分布標(biāo)準(zhǔn)化后作為人臉模板.這樣，在圖像采集時(shí)，采用人臉模板覆蓋原始圖像人臉位置就可以從大批量的人臉待測(cè)圖像中篩選出匹配性較高的人臉位置，從而進(jìn)行確認(rèn).用于生成模板的人臉樣本必須是一般性的，取最普通條件下的圖像獲取樣本，否則，生成的模板在很大程度上匹配度會(huì)受到限制，當(dāng)進(jìn)行篩選匹配時(shí)，就會(huì)導(dǎo)致大多數(shù)人臉由于匹配度低檢測(cè)不出來(lái)，因此，本文選取的圖片只是在一般近似散射的光照下拍攝的，其目的就是為了提高檢測(cè)率和降低漏檢率.

3人臉檢測(cè)定位的MATLAB仿真結(jié)果分析

選用近似散射的光照下拍攝的兒童人臉一般素材，針對(duì)本文中所研究的基于圖像點(diǎn)運(yùn)算和人臉模板匹配的人臉檢測(cè)定位算法，利用MATLAB軟件進(jìn)行了人臉檢測(cè)定位的仿真，仿真結(jié)果如圖3所示(其中，a圖為提供的原始圖像；b圖為皮膚灰度化算法處理后的圖像；c圖為濾波去噪后的圖像；d圖為二值化處理后的圖像；e圖為覆蓋了人臉模板的灰度圖像；f圖為人臉檢測(cè)定位的效果圖)，通過(guò)對(duì)圖3中的仿真結(jié)果進(jìn)行分析，發(fā)現(xiàn)通過(guò)本文研究的人臉檢測(cè)定位算法可以很好地檢測(cè)到人臉并定位面部關(guān)鍵特征點(diǎn)，從而，主要的人臉區(qū)域就可以被裁剪出來(lái).

圖3　人臉檢測(cè)定位的實(shí)際檢測(cè)效果(MATLAB仿真效果圖)

文章結(jié)合人臉定位技術(shù)的發(fā)展實(shí)際情況，盡量保證低的誤檢率，并快速實(shí)現(xiàn)人臉定位，對(duì)人臉定位技術(shù)的研究具有參考作用.我們應(yīng)該在此基礎(chǔ)上進(jìn)一步降低漏檢率，進(jìn)行更高層次的研究.另外，綜合國(guó)內(nèi)外的人機(jī)交互技術(shù)發(fā)展情況，人臉檢測(cè)定位技術(shù)已成為熱點(diǎn)領(lǐng)域，未來(lái)，在這一領(lǐng)域，必將會(huì)研究出更加先進(jìn)的新技術(shù).

參考文獻(xiàn)：

[1]祝磊,朱善安.人臉識(shí)別的一種新的特征提取方法[J].計(jì)算機(jī)學(xué)報(bào),2007,34(6).

[2]何國(guó)輝,甘俊英.PCA-LDA算法在性別鑒別中的應(yīng)用[J].中國(guó)圖像圖形學(xué)報(bào),2006,32(19).

[3]張儉鴿,王世卿，盛光磊.基于小波和DFB-PCA的人臉識(shí)別算法研究[J].微計(jì)算機(jī)信息,2007(4).

[4]徐倩,鄧偉.一種融合兩種主成分分析的人臉識(shí)別方法[J].計(jì)算機(jī)學(xué)報(bào),2007,43(25).

[5]王蘊(yùn)紅,范偉,譚鐵牛.融合全局與局部特征的子空間人臉識(shí)別算法[J].電子學(xué)報(bào),2005,28(10).

[6]莊哲民,張阿妞,李芬蘭.基于優(yōu)化的LDA算法人臉識(shí)別研究[J].中國(guó)圖像圖形學(xué)報(bào),2007,29(9).

[7]鐘向陽(yáng).基于Gabor小波的人臉識(shí)別系統(tǒng)的實(shí)現(xiàn)[J].中國(guó)圖像圖形學(xué)報(bào),2005,23(3).

(責(zé)任編輯:王前)

中圖分類號(hào)：TP391.41

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1008-7974(2015)06-0011-03

作者簡(jiǎn)介：劉新永，男，山東威海人，講師.

基金項(xiàng)目：2013年高校省級(jí)優(yōu)秀青年人才基金重點(diǎn)項(xiàng)目“基于特征臉和支持向量機(jī)的人臉檢測(cè)識(shí)別技術(shù)研究”(2013sqrl104zd)

收稿日期：2015-09-10

DOI:10.13877/j.cnki.cn22-1284.2015.12.004