姜夕梅 黃誠(chéng) 楊曉偉 孔淑敏

摘要： 隨著現(xiàn)代社會(huì)的飛速發(fā)展，關(guān)于安全檢測(cè)的準(zhǔn)確性以及高效性要求越來(lái)越高，通過人臉進(jìn)行安全識(shí)別具有巨大的發(fā)展前景。本文從實(shí)用角度出發(fā)，研究了在彩色圖像中基于膚色分割的人臉區(qū)域檢測(cè)與分割。文章首先生成灰度圖像，接著將圖像進(jìn)行膨脹與腐蝕操作，為后續(xù)工作的穩(wěn)定性做出保證，以減少失真。接著用邊界法對(duì)圖像實(shí)現(xiàn)分割，最終獲得所需的人臉區(qū)域。本文通過圖像成功展示了相關(guān)人臉圖像的膚色識(shí)別以及分割效果。通過膚色可以分別出人臉區(qū)域，為后邊的識(shí)別做好了準(zhǔn)備。

關(guān)鍵詞：人臉檢測(cè);分割;膚色

中圖分類號(hào)： TP18? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）19-0191-03

Abstract： With the rapid development of modern society， the demand for accuracy and efficiency of security testing is getting higher and higher， and the security identification through face recognition has great prospects for development. In this paper， from a practical point of view， this paper studies the face detection and segmentation based on skin color segmentation in color image.Firstly， the method of skin color clustering is used to convert the RGB color space to the YCbCr color space first， and the colorimetric in YCbCr is used as the judgment basis to process the pixels in the color space to generate the gray image. Then the image expansion and erosion operations， to ensure the stability of follow-up work to reduce distortion. Then use the boundary method to segment the image， and finally get the desired face area. In this paper， we successfully demonstrate the skin color recognition and segmentation effect of related face images. Through the skin color can be separated from the face area， ready for the recognition behind.

Keywords： face detection; segmentation; color

隨著科學(xué)技術(shù)的飛速發(fā)展，各行各業(yè)迫切需求快速以及高效的自動(dòng)身份驗(yàn)證系統(tǒng)。當(dāng)前廣泛使用的身份檢測(cè)形式比如磁卡、IC卡等，雖然相關(guān)技術(shù)已經(jīng)成熟，但是仍不易阻止偽造的發(fā)生。由于生物屬性是人的內(nèi)在屬性，有著穩(wěn)定的個(gè)體差異和物理穩(wěn)定性，可以作為身份檢測(cè)的理想依據(jù)。人臉檢測(cè)以及指紋檢測(cè)等相關(guān)生物特性具有直接、穩(wěn)定、方便等特點(diǎn)。因此會(huì)成為一個(gè)研究熱點(diǎn)。

近年來(lái)，人臉檢測(cè)技術(shù)得到了廣泛的發(fā)展與應(yīng)用，在案犯識(shí)別、視頻會(huì)議、智能人機(jī)交互、檔案管理等方面應(yīng)用潛力巨大，逐漸成了目前計(jì)算機(jī)與模式識(shí)別的一大熱點(diǎn)研究。一個(gè)完整的人臉圖像自動(dòng)識(shí)別系統(tǒng)包含兩個(gè)步驟：人臉檢測(cè)與人臉識(shí)別。本文中的人臉檢測(cè)主要的方向的判斷輸入的被檢測(cè)圖像中是否存在人臉，如果圖像中存在人臉，通過相關(guān)算法進(jìn)行檢測(cè)，然后把人臉部分分割提取出來(lái)。

本文首先使用了基于膚色的人臉檢測(cè)方法，通過相關(guān)參數(shù)對(duì)相關(guān)部位的人臉區(qū)域進(jìn)行了確認(rèn)，然后通過膚色聚類、形態(tài)學(xué)等手段對(duì)人臉區(qū)域進(jìn)行分割。

1 算法以及原理

1.1 基于膚色的人臉檢測(cè)

膚色是人臉的重要信息，該特征不依賴于面部的特征細(xì)節(jié)，對(duì)于表情變化、旋轉(zhuǎn)等情況都可以使用，并且具有相對(duì)的穩(wěn)定性，能夠與大多數(shù)背景圖像相區(qū)別。在彩色圖像中，利用膚色對(duì)人臉檢測(cè)具有很高的使用價(jià)值。

在實(shí)際情況中輸入的人臉圖像往往都會(huì)存在背景，這些背景如果不能有效提取出來(lái)，就會(huì)對(duì)人臉圖像處理造成失真和錯(cuò)誤，對(duì)后期的處理也會(huì)造成影響。這里應(yīng)用的算法是基于膚色的色彩空間轉(zhuǎn)換方法。

接著要介紹兩種顏色模型，一種是RGB模型，一種是YCbCr模型。

RGB顏色模型是最基本的顏色模型，類似于人眼所看到的五彩斑斕的世界，也是最常用的彩色信息表達(dá)方式[1]。國(guó)際上指定在RGB顏色模型中選擇紅、綠、藍(lán)三種單色光作為三原色，即任何顏色都可以通過這三種顏色混合得到。該模型中光照對(duì)顏色的影響很大，主要的不同體現(xiàn)在亮度上，比如人的皮膚有黑色、白色以及黃色等不同顏色。

盡管不同性別、不同年齡以及不同膚色的人臉在彩色空間的分布情況有所差異，比方人有黃皮膚、白皮膚等不同顏色皮膚，甚至即使是黃皮膚顏色深淺也不一樣，但是不同主要體現(xiàn)在亮度上而不是色度上，膚色在一定范圍內(nèi)呈現(xiàn)聚類特性。經(jīng)過統(tǒng)計(jì)實(shí)驗(yàn)發(fā)現(xiàn)，膚色空間在YCbCr上地聚合主要集中在 Cb=150 左右，對(duì)于人臉圖像進(jìn)行識(shí)別，讓檢驗(yàn)符合要求的相關(guān)區(qū)域稱為白色，其余部分呈現(xiàn)黑色。相關(guān)圖片在下一部分的程序結(jié)果中展示。

1.2 人臉區(qū)域分割

圖像分割是一種重要的數(shù)字圖像處理技術(shù)[4]。在實(shí)際的應(yīng)用中，通常是將要分析和識(shí)別的目標(biāo)從原始圖像中分離并利用，圖像分割即將圖像分為各個(gè)具有獨(dú)特特殊的區(qū)域，并從中提取出分析和識(shí)別的目標(biāo)區(qū)域，其特性包括顏色、灰度值、紋理、形狀等。圖像分割是對(duì)圖像進(jìn)行分析的基礎(chǔ)，只有預(yù)先分割，才能提取出更多利于分析的特性，實(shí)現(xiàn)進(jìn)一步的圖像處理。

2 程序以及處理結(jié)果

2.1 人臉檢測(cè)以及灰度轉(zhuǎn)換

首先編寫一個(gè)函數(shù) face_detection.m，實(shí)現(xiàn)膚色聚類的人臉檢測(cè)以及二值化功能。

2.2 人臉分割

我們需要對(duì)人臉去進(jìn)行提取，此時(shí)可以利用形態(tài)學(xué)處理方法，完成人臉的檢測(cè)與分割。對(duì)函數(shù) face_detection.m修改，添加形態(tài)學(xué)處理手段，實(shí)現(xiàn)新的人臉檢測(cè)，函數(shù)定義為 refine_face_detection.m，其具體實(shí)現(xiàn)的MATLAB代碼如下：

3 工作結(jié)語(yǔ)

本文通過膚色可以識(shí)別出人臉區(qū)域，并且能通過邊界法實(shí)現(xiàn)了人臉的分割，但是也存在不足與局限性。比如本文的人臉檢測(cè)是在膚色分割的基礎(chǔ)上進(jìn)行的，對(duì)于有墨鏡，胡子等遮擋的人臉圖像，他們的圖像不能很好地分割出膚色區(qū)域，達(dá)不到需要的效果。對(duì)于所列舉的圖像，人臉部分的提取并不是很全面，比如人頭部下方的衣服，在分割的時(shí)候還留在所得的圖片中，對(duì)于后續(xù)的圖像識(shí)別多多少少會(huì)存在影響。

圖像檢測(cè)的下一環(huán)節(jié)就是圖像識(shí)別。目前由于個(gè)人以及時(shí)間有限，以上相關(guān)的問題還沒有找到較好的解決方案，關(guān)于圖像識(shí)別部分本文也沒有涉及，希望在以后的研究中能夠不斷加以完善。

參考文獻(xiàn)：

[1] 鄧洪波.基于Gabor特征的人臉表情識(shí)別和手寫體漢字識(shí)別[D].廣州：華中理工大學(xué)，2006.

[2] Li Peihua，Ma Hongwei.Iris recognition in non-ideal imaging condition[J].Pattern Recognition Letters，2012，33（8），1012-1018.

[3] 楊丹，趙海濱，龍哲.MATLAB圖像處理實(shí)例詳解[M].北京：清華大學(xué)出版社，2013：468-472.

[4] Cootes T F，Twining C J，Taylor C J.Diffeomrophic statistical shape models，British Machine Vision Conference，2004，1：447-456.

[5] 吳國(guó)平.數(shù)字圖像處理[M].武漢：中國(guó)地質(zhì)大學(xué)出版社，2007：191-201.

[6] 路馳.基于膚色分割的人臉檢測(cè)算法的研究與實(shí)現(xiàn)[D].東北大學(xué)，2012.

[7] Oge Marques.實(shí)用MATLAB圖像和視頻處理[M].北京：清華大學(xué)出版社，2013：261-276.

【通聯(lián)編輯：唐一東】