林顯寧 羅家林

摘 ?要：人臉檢測與識別技術(shù)屬于生物特征驗證手段的一種，可應(yīng)用于視覺監(jiān)測、安全訪問控制與智能用戶接口等多個領(lǐng)域。而人臉檢測在人臉識別中占據(jù)重要地位。在膚色模型和小波變換有效結(jié)合的基礎(chǔ)上，即可對人臉進行確定，特別是眼睛位置。經(jīng)過小波變換處理，結(jié)合幾何位置展開檢測，并使用Fisher分類器即可對嘴巴的位置進行檢測。在全新的技術(shù)支持下，可以在短時間內(nèi)準(zhǔn)確檢測人臉，精準(zhǔn)度較高?；诖?，文章將膚色和臉部特征提取作為重要基礎(chǔ)，重點闡述人臉檢測的實現(xiàn)路徑，希望對人臉檢測與識別技術(shù)的發(fā)展有所幫助。

關(guān)鍵詞：膚色模型;臉部特征;人臉檢測

中圖分類號：TP391.41 ? ? ?文獻標(biāo)識碼：A 文章編號：2096-4706（2019）17-0078-03

Abstract：Face detection and recognition technology belongs to the means of biometric verification，and can be applied in many fields such as visual monitoring，secure access control and intelligent user interface. Face detection plays an important role in face recognition. Based on the effective combination of skin color model and wavelet transform，the face can be determined. Especially eye position，after wavelet transform processing，combined with geometric position detection，and using Fisher classifier can detect mouth position. With the new technology support，it can detect face accurately in a short time with high accuracy. Based on this，this paper takes skin color and face feature extraction as an important basis，focusing on the implementation path of face detection. I hope it will be helpful to the development of face detection and recognition technology.

Keywords：skin color model;facial features;face detection

0 ?引 ?言

人臉自動識別技術(shù)主要是借助計算機技術(shù)對人臉圖像進行分析并提取有價值的識別信息，被當(dāng)作身份判別的一種技術(shù)。此技術(shù)涵蓋了生理學(xué)、圖像處理、模式識別與計算機視覺等多個學(xué)科，和計算機人機感知領(lǐng)域聯(lián)系緊密。較之于其他人體生物特征識別系統(tǒng)，人臉識別系統(tǒng)的優(yōu)勢更加明顯，集中體現(xiàn)為友好性、直接性、非侵犯性和方便性等多個方面，因此未來發(fā)展前景廣闊。人臉屬于復(fù)雜且細節(jié)變化明顯的自然結(jié)構(gòu)目標(biāo)，在檢測中具有較大的難度。由此可見，基于對膚色與臉部特征提取的深入研究進行分析人臉檢測具有一定的現(xiàn)實意義。

1 ?人臉檢測中的圖像預(yù)處理與膚色模型研究

1.1 ?圖像預(yù)處理方面

色彩信息很容易受圖像采集設(shè)備以及光源顏色色彩偏差影響，所以在整體角度會出現(xiàn)圖像與本質(zhì)色彩偏離的情況，進而影響后期膚色定位，因而需在人臉定位前針對輸入圖像實施光線補償，將色偏情況消除。但當(dāng)前在彩色圖像光照補償方面的研究成果并不多，且難以規(guī)避圖像光照過亮或過暗的問題，在識別人臉方面的準(zhǔn)確率不高[1]。其中，較常應(yīng)用的是便于降低人臉器官橫紋對于光照改變的敏感程度的方式。具體體現(xiàn)在以下幾個方面：

第一，非線性變換方法。這種方法在計算機視覺方面的應(yīng)用較為常見，且光敏神經(jīng)元的觸發(fā)程度以及對其光能量的作用對數(shù)之間存在一定的關(guān)聯(lián)。以生物學(xué)角度分析，同樣可以證明神經(jīng)細胞在圖像敏感方面的反應(yīng)具有非線性特征，進而借助對數(shù)函數(shù)實現(xiàn)近似。通過對數(shù)變化操作，可以使低灰度級別進行擴展并實現(xiàn)壓縮目標(biāo)，使得光照的質(zhì)量明顯改善。而且，對數(shù)轉(zhuǎn)換應(yīng)用于陰影與光照不均勻的圖像中效果相對突出，但不能夠應(yīng)用在高光圖像中。而針對相對數(shù)變換的指數(shù)變化處理流程，則可以實現(xiàn)高灰度級的擴展，使得低灰度級壓縮，圖像的亮度也明顯增強。

第二，直方圖均衡化方法。通過對這一方法的應(yīng)用，可保證圖像整體灰度的分布更加均衡，在將灰度間距拉開的基礎(chǔ)上，使圖像質(zhì)量得到明顯改善，且其對比度也隨之增強。但需要注意的是，直方圖均衡化傳統(tǒng)性特征突出，所以在應(yīng)用于人臉檢測與識別過程中，僅在預(yù)處理環(huán)節(jié)使用，以有效調(diào)整圖像亮度。

第三，同態(tài)濾波方法。綜合考慮光照-反射理論，可將圖像表示為光照與反射分量的組合，等式變換如下：f（x，y）=i（x，y）r（x，y）。而同態(tài)濾波則可以充分利用對數(shù)轉(zhuǎn)換的方式，實現(xiàn)光照復(fù)合作用的線性化，以達到光照補償?shù)哪繕?biāo)[2]。值得注意的是，同態(tài)濾波是代表性較為明顯的圖像與信號處理技術(shù)。特別是濾波函數(shù)，會在多個層面對傅里葉變換信息的高頻與低頻產(chǎn)生影響，主要的目的就是使圖像的銳化程度得到改善，也保證圖像內(nèi)的明暗區(qū)細節(jié)可見程度明顯增強。在同態(tài)濾波的處理下，圖像中不均勻光照即可改善。但是，濾波參數(shù)要結(jié)合實際的光照條件，以手動方式完成設(shè)置，適用于交互處理方面，但不應(yīng)應(yīng)用在自動化人臉檢測方面。

第四，改進非線性變換方法。在使用對數(shù)轉(zhuǎn)換對各像素進行處理的時候，并未針對目標(biāo)像素和周邊像素關(guān)聯(lián)做出綜合考慮。在這種情況下，補償光線的基礎(chǔ)上，很容易發(fā)生邊緣信息對視的問題。為此，開展對數(shù)變換處理前，即可將高通濾波加入其中，借助高通濾波器即可將低頻信息去除，并將有使用價值的高頻特征保留下來。

1.2 ?依托YCbCr顏色空間的膚色模型構(gòu)建

人臉建模，即結(jié)合人臉特征所構(gòu)建的幾何模型或是色彩模型，判斷、繪制并控制人臉。而且，色彩模型相對簡單，執(zhí)行也較快，但準(zhǔn)確度不高，僅可以應(yīng)用在初步檢測中[3]。一般情況下，膚色模型最常使用的方法就是三維投影模型、彩色直方圖、高斯模型與查找表等方法。

對于三維投影模型而言，就是向兩個二維空間轉(zhuǎn)化三維空間色彩模型，憑借其快速與分類性理想的優(yōu)勢，備受人們認可與青睞。而在此次研究中，就是采用這一思想，在YCbCr空間所投影的圖像可以實現(xiàn)三維空間向二維投影子空間的轉(zhuǎn)換。雖然模型的構(gòu)建方法較多，但通常僅劃分為兩類，即參數(shù)模型與非參數(shù)模型。前者選擇使用的數(shù)學(xué)函數(shù)中參數(shù)不多，可以對色度平面膚色分布進行描述，而后者則是在訓(xùn)練數(shù)據(jù)當(dāng)中對膚色分布進行估計，核心理念就是在離散顏色空間的各位置均分配概率值。但需要注意的是，非參數(shù)模型最大的優(yōu)勢就是能夠在短時間內(nèi)完成訓(xùn)練和分類，然而幾率值要通過統(tǒng)計直方圖才可以獲得[4]。在對統(tǒng)計直方圖存儲的過程中，要求存儲空間和訓(xùn)練膚色樣本的數(shù)量較多，因而這也是其典型的缺陷。對于參數(shù)模型來講，最突出的優(yōu)勢就是無需借助大量參數(shù)與存儲空間就可以完成膚色模型的創(chuàng)建，然而需訓(xùn)練精準(zhǔn)度較高的膚色模型，所以實際的計算量較大，會花費更多的時間。

2 ?人臉檢測中的人臉特征檢測

2.1 ?人眼定位

近年來，小波變換被廣泛應(yīng)用于識別生物目標(biāo)方面，更多研究者將其引入到人臉檢測和特征定位領(lǐng)域。在人臉特征檢測方面，小波變換的主要應(yīng)用就是多分辨率多尺度的特性與時頻局部特性兩方面。前者主要是針對數(shù)字人臉圖像進行離散小波變化，合理分解原始圖像，并形成尺度與分辨率不同的子圖，在對其頻域能量合理利用的基礎(chǔ)上，結(jié)合實際需求對子圖小波系數(shù)加以運用，以實現(xiàn)人臉檢測和特征定位算法的目標(biāo)[5]。后者使用小波變換系數(shù)對人臉與人臉五官進行表征，而在人臉檢測以及定位期間，小波變換系數(shù)則被當(dāng)作人臉不同特征點的特征系數(shù)，可在全新人臉匹配以及人臉特征定位方面得到使用。在此次研究中，選擇使用了小波變換檢測人眼，針對接受光線補償?shù)膱D像實施小波變換。在小波變換的作用下，分離了圖像內(nèi)的各種頻率，借助濾波器，在變換的基礎(chǔ)上，不斷增強實際處理效果。

人眼定位是對細節(jié)的提取，要對高頻部分進行保留，因而要合理設(shè)置高通濾波器。在實際處理時，要保證將數(shù)據(jù)清零，對其余部分保留，實現(xiàn)小波逆變換的目標(biāo)。隨后，針對所獲得的圖像進行亮度校正，并進行二值化的處理操作。一般情況下，可將人臉幾何分布特征與灰度信息特征有效結(jié)合并應(yīng)用在人臉中，但只能夠應(yīng)用在人眼的低灰度信息中，在人眼定位方面很容易出現(xiàn)誤判的問題。在此研究中，圖像經(jīng)二值化以后，會將原有圖像當(dāng)中的高頻部分保留，使得誤判率明顯下降。

綜合考慮既有經(jīng)驗，眼睛在人臉的上三分之一部位，所以在定位眼睛的時候，需要對人臉可能區(qū)域的上半部分進行考慮。而眼睛一般是左右對稱分布的，但也有頭部偏轉(zhuǎn)造成的影響，因而可將人臉區(qū)域的上半部分分成左右兩方面，并且分別利用活動窗口對左右眼進行掃描。一般情況下，活動窗口尺寸由人臉區(qū)域大小決定，在多次測試的基礎(chǔ)上，即可確定眼睛掃描窗口的長度與寬度是人臉區(qū)長寬的0.1與0.2。在這種情況下，定位結(jié)果的準(zhǔn)確度明顯提高。一旦窗口過大，就會和眉毛一起接受檢測。若窗口過小，就會在眉毛灰度變化較大的圖像當(dāng)中將眉毛當(dāng)成眼睛并進行檢測。

在窗口大小確定以后，即可從被檢測區(qū)域左上角開始以像素作為單位開展窗口掃描。在完成一行掃描工作后，窗口即可向下方移動像素點并繼續(xù)掃描，直到將人臉區(qū)域的上半部分掃描完。正是因為在校正亮度以后的圖像，細節(jié)部位的灰度偏大，所以對掃描過程進行統(tǒng)計的時候，窗口內(nèi)的像素灰度值最大位置就是眼睛的位置。

2.2 ?唇部定位

通常來講，在人臉定位與唇讀識別等多個領(lǐng)域，對唇部定位的應(yīng)用均較為廣泛?，F(xiàn)階段，有很多選擇唇部幾何外形或是嘴唇顏色信息的方法，可以完成檢測唇部的操作。其中，唇部檢測選擇RGB空間內(nèi)的可能人臉區(qū)域下半部分進行膚色與唇色的區(qū)分方法，即Fisher分類器[6]。較之于小波變換所確定的可能區(qū)域，科學(xué)合理地檢測唇部。而對人臉區(qū)域下半部分的選擇，可以使得搜索唇部的空間縮小，而且將眉毛與眼睛等干擾因素有效排除。通過對以上兩種方法的運用，最終所確定的區(qū)域相互結(jié)合，即可更準(zhǔn)確地對唇部區(qū)域進行確定。

選擇人臉的下半?yún)^(qū)域定位唇部，從本質(zhì)上來講就是對膚色與唇色的有效判別。在實際檢測期間，輸入數(shù)據(jù)選擇圖像內(nèi)的像素點，探尋Fisher判別條件下的計算復(fù)雜度。利用Fisher分類器定位的實現(xiàn)過程包括訓(xùn)練和應(yīng)用。在訓(xùn)練過程中，通過手動方式將圖像人臉和唇部區(qū)域輸入其中，在計算的基礎(chǔ)上，對計算的結(jié)果和存儲訓(xùn)練數(shù)據(jù)展開平均數(shù)值的求取，同時修正既有存儲數(shù)值。對經(jīng)過小波變換與二值化處理后的人臉圖像進行掃描，就可以對可能的唇部區(qū)域進行尋找，如圖1所示。

3 ?結(jié) ?論

綜上所述，人臉檢測這一人臉信息處理的關(guān)鍵性技術(shù)，其在模式識別和計算機視覺中的重要性已被逐漸突顯出來。但因為人臉模式復(fù)雜且變化多端，加之外界環(huán)境的影響，增加了人臉檢測的難度。為此，需要以膚色和臉部特征提取作為重要基礎(chǔ)進行人臉檢測工作，以不斷提高檢測的精準(zhǔn)度。

參考文獻：

[1] 寧娟，朱敏，戴李君.基于AdaBoost算法和色彩信息的臉部特征定位 [J].計算機應(yīng)用與軟件，2016，33（5）：207-211.

[2] 劉萍，宣瑞晟，歐衛(wèi)華.人臉特征點定位及其在心率檢測中的應(yīng)用研究 [J].貴州師范大學(xué)學(xué)報（自然科學(xué)版），2018，36（2）：74-79.

[3] 胡祖奎，余建橋，梁爽.一種基于分層模板的人臉檢測方法 [J].西南師范大學(xué)學(xué)報（自然科學(xué)版），2017，42（6）：112-120.

[4] 許雪梅，黃征宇，李麗嫻，等.一種基于HSV顏色分割和模糊級聯(lián)分類器的人臉檢測技術(shù) [J].計算機應(yīng)用與軟件，2014，31（4）：197-200+238.

[5] 王浩南，沈天飛，蔣晨.基于非正面人臉檢測的脖子剔除研究 [J].工業(yè)控制計算機，2018，31（3）：125-126+129.

[6] 蔣淵淵，張劭昀.基于膚色檢測的人臉驗證系統(tǒng)的研究 [J].電子世界，2015（20）：45-46.

作者簡介：林顯寧（1982.06-），男，漢族，廣東湛江人，副教授，碩士，研究方向：計算機技術(shù)、模式識別研究;羅家林（1996.12-），男，漢族，廣東連州人，本科，信息技術(shù)學(xué)院計算機科學(xué)與技術(shù)專業(yè)，研究方向：模式識別研究。