朱國華，徐 昆

(江漢大學(xué)人工智能學(xué)院，湖北 武漢 430056)

1 概述

人臉檢測問題源自于人臉識別，人臉識別是當(dāng)今最為有效和最受歡迎的驗證手段之一，被廣泛應(yīng)用于手機(jī)，電腦，門禁等設(shè)備上。隨著人臉識別被廣泛地應(yīng)用，人臉檢測也開始作為一個單獨的問題被重視起來。一般情況下，人臉檢測系統(tǒng)面臨的使用情形復(fù)雜，它必須能夠在不同的環(huán)境識別出人臉，這要求它在有著較高識別率之外還必須能夠?qū)Σ煌沫h(huán)境進(jìn)行適應(yīng)。目前人臉檢測與人臉識別相關(guān)的技術(shù)被用在各種領(lǐng)域，它在信息檢索、目標(biāo)監(jiān)測，目標(biāo)追蹤，自動駕駛等方面也有著重要的學(xué)術(shù)價值與應(yīng)用價值[1]。

HOG是目標(biāo)檢測領(lǐng)域中的常用算法，它通過計算圖像的梯度方向與大小，從而獲得圖像關(guān)于梯度的統(tǒng)計描述子。算法具有光照不變性，平移不變性和旋轉(zhuǎn)不變性等特點[2]。在它們基礎(chǔ)之上而改進(jìn)的算法，如：文獻(xiàn)[3]中通過內(nèi)嵌一個支持向量機(jī)(SVM)分類器的HOG特征提取歸一化模塊，來提高行人檢測的準(zhǔn)確性和計算效率；文獻(xiàn)[4]中通過人體目標(biāo)圖像的局部二值模式(LBP)與HOG分層融合的GEI識別算法，來提高再步態(tài)識別上的檢測識別率?？梢哉f，HOG以及基于它之上而改進(jìn)的算法在目標(biāo)檢測等領(lǐng)域中有著非常重要的位置。

隨著深度學(xué)習(xí)模型AlexNet在ImageNet比賽中奪冠，各種深度學(xué)習(xí)模型被應(yīng)用于人臉檢測等計算機(jī)視覺問題上[5]。深度學(xué)習(xí)算法通過卷積神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行掃描，具有很好的平移不變性和尺度不變性，如：R-CNN、Fast-RCNN等[6]。針對Fast-RCNN對小目標(biāo)物體檢測效果不好的問題，R-FCN使用全卷積網(wǎng)絡(luò)ResNet來減少對圖像同一區(qū)域的重復(fù)采樣，從而提升了特征提取與分類的效果[7]。Mask R-CNN通過雙線性差值 RoIAlign 算法對Faster R-CNN做出改進(jìn)，使得對目標(biāo)人臉的進(jìn)度達(dá)到了像素級[8]。有些深度學(xué)習(xí)算法可以將檢測和識別融合到一步之中，算法直接讀入原始圖像并輸出人臉檢測和人臉識別的結(jié)果，這樣可以大大簡化認(rèn)證過程步驟，如：DeepFace、DeepID、FaceNet等[9]。深度學(xué)習(xí)算法計算復(fù)雜，相較于傳統(tǒng)算法有著更高的識別或是檢測正確率。不過，深度學(xué)習(xí)算法一般來說運(yùn)算量大，需要有大量的數(shù)據(jù)來進(jìn)行訓(xùn)練擬合，并且還有著解釋性較弱等缺點。

目前基于原始HOG的改進(jìn)算法僅使用梯度信息來提取特征描述符，從而造成模型不穩(wěn)定，并且在面對模糊圖像和邊緣光滑圖像時，不能有效地提取圖像信息。為了進(jìn)一步提高HOG算法的穩(wěn)定性與檢測效果，針對原始HOG算法的不足之處提出一種改進(jìn)的HOG算法，將HOG算法提取的信息與圖像的單元均值，方差等進(jìn)行融合，從而提出一種全新的更加有效的HOG算法。之后再將HOG與SVM算法相結(jié)合，通過多尺度檢測和非極大抑制算法，使SVM模型可以泛化到任意尺度進(jìn)行人臉檢測。最后設(shè)計了對比試驗并給出了其實驗結(jié)果，對比分析了在不同參數(shù)設(shè)置下原始HOG算法與新算法的檢測效果，實驗證明改進(jìn)的HOG算法相較于原始算法在人臉檢測的正確率上有明顯提升。

圖1 HOG特征提取過程中圖像的變化

圖2 改進(jìn)的HOG算法流程圖

2 原始HOG算法

HOG最初是Dalia等提出的一種用于行人檢測的算法，后來被研究應(yīng)用于人臉檢測等領(lǐng)域。由于顏色在目標(biāo)檢測問題中所起的作用非常小，因此HOG算法忽略圖像中顏色信息的影響，首先對圖像進(jìn)行灰度化。為了保證光照不變性，再對整個圖像進(jìn)行全局歸一化。HOG算法在圖像中大小一致并且密集的cell單元計算梯度大小與方向并進(jìn)行統(tǒng)計，然后在block范圍內(nèi)進(jìn)行合并和局部歸一化來提高HOG算子的特征描述能力，其處理效果如圖1所示。

HOG算法流程如下：

1) 對原始圖像進(jìn)行灰度化，；

2) 對原始圖像進(jìn)行歸一化，通常是使用Gamma校正法，這樣可以抑制圖像局部陰影和光照帶來的影響；

3) 計算圖像每一個像素的梯度大小與梯度方向；

4) 將圖像切割成大小相同的單元；

5) 對每一個單元的梯度信息進(jìn)行統(tǒng)計，得到它的統(tǒng)計描述直方圖。通常是用8個方向?qū)μ荻刃畔⑦M(jìn)行統(tǒng)計，這梯度直方圖所代表的向量便是它的描述子；

6) 將相鄰的cell單元的統(tǒng)計特征向量進(jìn)行合并，得到每一個block的特征向量；

7) 將圖像內(nèi)的所有block的描述子合并起來就可以得到該原始圖像的HOG特征描述子，即特征向量；

8) 將訓(xùn)練集提取出來的HOG特征向量供SVM模型訓(xùn)練，得到基分類器；

3 改進(jìn)的HOG算法

原始HOG算法對圖像特征的提取過于簡單，僅僅是對圖像的梯度信息做統(tǒng)計，而沒有考慮其它信息，如均值，方差等。為了在圖像中提取出更為有效的信息，改進(jìn)的HOG算法基于多種維度信息，不僅提取出了圖像中代表了圖像的梯度信息的HOG特征，同時還提取出了每一個單元的均值與方差信息，它們分別代表了圖像的大小與波動的信息，最后，將圖像每一個單元的均值與標(biāo)準(zhǔn)人臉每一個單元的均值進(jìn)行比較，它代表圖像與一般臉的差值信息，其處理流程如圖2所示。

新算法步驟如下：

1) 在全局歸一化的基礎(chǔ)上，計算每一個cell單元的均值，方差；

2) 計算訓(xùn)練集所有圖像的平均值；

3) 計算原始圖像與平均值圖像的差值，取絕對值；

4) 計算差值圖像每個cell的均值；

5) 將(1)，(4)得到的特征展開，再與原始HOG特征結(jié)合；

用blockH表示block塊的高度，blockW表示block塊的寬度，blockStrideH表示block塊在高度方向上的間隔，blockStrideW表示block塊在寬度上的間隔，cellH表示cell單元的高度，cellW表示cell單元的高度。

原始HOG算法，處理一張(height-width)格式的圖像進(jìn)，其特征數(shù)為

featureNum=

((height-blockH)÷blockStrideH+1)×

((width-blockW)÷blockStrideW+1)

(1)

在新算法中，每張圖像特征數(shù)的計算方式為

eatureNum=

((height-blockH)÷blockStrideH+1)×

((width-blockW)÷blockStrideW+1)+

(height÷cellH)×(width÷cellH)×3

(2)

4 HOG算法進(jìn)行人臉檢測

4.1 支持向量機(jī)

提取出了訓(xùn)練集的特征向量之后，需要有一個基分類器對人臉，和非人臉進(jìn)行判斷。支持向量機(jī)(SVM)是統(tǒng)計學(xué)習(xí)中一個經(jīng)典的二分類算法[10]，使用它可以很好地解決這個問題，其基本思想如下：

給定樣本集：D={(x1，y1)，(x2，y2)，…，(xn，yn)}，yi∈(1，-1)。線性分類器基于樣本D在特征空間中找到超平面來分開二類樣本，在二維特征空間其分類效果如圖3所示。對于可能存在的多個超平面，算法要找到使得間隔最大化的超平面。最后經(jīng)過推導(dǎo)，它等于以下優(yōu)化問題

(3)

s.t.yi(wTxi+b)≥1，i=1，2，…，n

(4)

使用核技巧，也可以將它用于非線性問題上。對于一般的數(shù)據(jù)集，有時并不存在任何超平面可以分割正反樣本，這時需要對SVM進(jìn)行軟間隔設(shè)置，允許它在一定程度上犯錯。在本文后面，將討論不同軟間隔設(shè)置對于模型正確率的影響。

圖3 SVM分類原理圖

4.2 多尺度檢測與非極大抑制

訓(xùn)練一旦完成，支持向量機(jī)就只能對特定長度的特征向量進(jìn)行檢測。如果在訓(xùn)練中使用8*8的cell單元，則SVM也只能檢測8*8大小的目標(biāo)。要想使用它檢測出一張圖片中不同大小尺度的人臉，還需要使用多尺度檢測與非極大抑制。

多尺度檢測算法可以消除圖像尺度差異帶來的影響，通過對圖像進(jìn)行縮小，并且在每一張縮小的圖像上進(jìn)行掃描檢測，從而發(fā)現(xiàn)不同大小的目標(biāo)。要實現(xiàn)多尺度檢測，通常的做法是使用相對坐標(biāo)來記錄矩陣的位置。如以圖像的左上角為原點，向下，向右為正方向，如果一個矩陣上下左右的坐標(biāo)分別為(u，d，l，r)，則它的相對坐標(biāo)可以表示為(u/H，d/H，l/W，r/W)。通過對圖像不斷的進(jìn)行縮放，可以將圖像中的人臉縮放到檢測器可以檢測出來的大小，然后記錄人臉的相對坐標(biāo)，最后，對所有人臉坐標(biāo)通過以上過程的逆轉(zhuǎn)換，便可以編程(H，W)尺度下的絕對坐標(biāo)。

假設(shè)有一個訓(xùn)練好的分類器classifier可以對(h，w)大小的圖像進(jìn)行檢測，對于人臉圖像輸出1，對于非人臉圖像輸出0，現(xiàn)在輸入一張(H，W)尺度大小的圖像，則多尺度檢測的描述過程如下：

多尺度檢測算法：

position=None

while true：

滑動窗口遍歷圖像得到圖像片段fragment

if 滑動窗口出界：

break

if classifier(fragment)=1：

添加fragment的相對位置到position

else：

進(jìn)入下一個窗口，更新fragment

非極大抑制算法將圖像中重合率過高的目標(biāo)位置進(jìn)行抑制，只保留置信度最高的目標(biāo)，這樣就可以消除相鄰區(qū)域內(nèi)的同一識別目標(biāo)。要實現(xiàn)非極大抑制算法，首先要對兩個矩陣的相交面積進(jìn)行計算。因為兩個矩陣如果相交，那么它們的相交部分也是一個矩陣，這樣，就可以通過計算相交部分的wide和height來計算相交分布的面積。然后，對于輸入的一系列矩陣坐標(biāo)，假設(shè)有n個矩陣的坐標(biāo)，先計算它們的相交面積矩陣，這是一個n*n的矩陣。先找出相交面積最大的兩個矩陣，如果它們的重合部分的面積達(dá)到一定的比例，如1/4的矩陣面積，則對這兩個矩陣進(jìn)行非極大抑制，即消除它們中置信度較小的一個。一直持續(xù)這一過程，直到任意兩個矩陣的相交面積都達(dá)到要求，其抑制過程如圖4所示。

非極大抑制算法：

input：：矩陣位置P，置信度R

output：非極大抑制后的矩陣位置

while True：

if P中任意兩個矩陣的相交面積小于它們最小值的二分之一：

break;

else：

得到相交面積最大的兩個矩陣P[i]，P[j]

if R[i]>R[j]：

P中刪j號元素， R中刪除j號元素

else：

P中刪除i號元素， R中刪除i號元素

5 LFW人臉檢測結(jié)果

本文采用LWF數(shù)據(jù)集進(jìn)行訓(xùn)練與驗證。LFW是一個大型人臉數(shù)據(jù)集，它總共包含13000多張圖片。其中，1600個人以上包含了至少兩張人臉。該人臉數(shù)據(jù)集包含許多文件夾，每一個文件夾代表同一個人在不同狀態(tài)下的人臉圖像，本文使用它的前3000張人臉圖像作為正例。同時，從互聯(lián)網(wǎng)上采集了3000張不包含人臉的圖像作為反例。因此，本文一共使用了6000張圖像參與學(xué)習(xí)與驗證，并且這6000張圖像統(tǒng)一壓縮到64*64大小，處理效果如圖(5)所示。

圖5 LWF數(shù)據(jù)集示例

將6000張圖像中的3000張供給SVM模型進(jìn)行訓(xùn)練，另外300張用于測試。本文使用線性SVM進(jìn)行訓(xùn)練和檢測，其中設(shè)置軟間隔參數(shù)C=0.5.在原始HOG算法中，默認(rèn)的blockStride與cellSize相同，實驗在PC臺式機(jī)，win10下研究進(jìn)行。本文研究了在不同cellsize情況下，不同算法對正確率的影響，其實驗結(jié)果如圖6所示。

圖6 實驗結(jié)果注：a)左上為使用原始HOG算法(算法1)，b)右上為使用cell均值算法(算法2)，c)左下為使用cell方差算法(算法3)，d)右下為去中心化后的cell均值算法(算法4)

從以上實驗數(shù)據(jù)可以看出，算法1，算法2在不同cellSize大小下精確度較高，算法3，算法4的精確度隨cellSize大小變化波動較大。在綜合考慮運(yùn)算量與精確度的情況下，本文在算法1，算法2，算法3，算法4中最后使用的cellSize大小分別為(8，8)，(8，8)，(2，4)，(4，8)。在上述參數(shù)設(shè)置下，新算法與原始算法的對比結(jié)果如圖7所示。

圖7 原始HOG算法與改進(jìn)的HOG算法的對比曲線

通過以上實驗數(shù)據(jù)可以看出，在不同cellSize尺度下，改進(jìn)的HOG算法相較于原始算法均有著更高的正確率。在cellSize尺度較小時，根據(jù)式(1)和式(2)，兩種算法提取的特征數(shù)都很多，計算量都很大，可以從原始圖像提取充分的信息，它們在驗證集上的表現(xiàn)差異不大，新算法只稍微優(yōu)于原始算法。在cellSize尺度大于(8*8)時，兩種算法提取的特征數(shù)和計算量以O(shè)(cellSize[0]×cellSize[1])的方式下降，此時改進(jìn)的HOG算法明顯優(yōu)于原始算法。在cellSize為(16*16)時，新算法比原始算法高1.7%。最后，針對新算法中cellSize為(8*8)的情況，研究了在SVM中，不同軟間隔設(shè)置對正確率的影響，結(jié)果如圖8所示?？梢钥闯觯涢g隔參數(shù)設(shè)置C=0.01時，其識別率最高，達(dá)到99.6%。

圖8 懲罰因子C與正確率的關(guān)系圖

6 結(jié)語

本文提出了一種經(jīng)過單元均值與方差等信息而改進(jìn)的HOG算法，HOG算法使用圖像的梯度信息對圖像進(jìn)行描述，描述信息過于單一，且只進(jìn)行了局部歸一化，不能有效的消除全局明暗差異帶來的影響。新的算法在原始HOG算法提取的特征的基礎(chǔ)上，還加入了全局歸一化后的單元均值，單元方差等信息，從而有效地解決了以上問題。本文使用LWF人臉數(shù)據(jù)集，在不同cellSize大小下，對原始HOG算法和新HOG算法做出了對比。實驗結(jié)果表明，經(jīng)過改進(jìn)后HOG算法在不同的cellsize參屬下的準(zhǔn)確率都要高于原始算法，特別是在cellSize尺度較大時效果提升明顯。相較于深度學(xué)習(xí)算法，HOG算法解釋性強(qiáng)，具有強(qiáng)大的特征提取能力。但其檢測正確率和穩(wěn)定性不如深度學(xué)習(xí)算法，之后的研究可將它們結(jié)合，從而使算法的性能達(dá)到新的高度。