摘 要：針對復(fù)雜彩色圖像提出一種快速有效的人臉檢測算法。首先通過一種新的色彩均衡技術(shù)消除由光照引起的色彩偏移，然后采用I空間與歸一化RGB空間相結(jié)合的混合膚色模型，提取出原圖像中的類膚色區(qū)域，最后根據(jù)人臉的幾何特征定位眼睛、嘴巴和人臉區(qū)域。實(shí)驗(yàn)結(jié)果表明，該算法能較為準(zhǔn)確地定位彩色圖像中的正面或小角度偏轉(zhuǎn)的人臉，具有較快的檢測速度。

關(guān)鍵詞：人臉檢測；色彩均衡；膚色模型；特征定位

Face Detection Based on kin egmentation and Features Location

ZANG huzhen1，ONG ailong2，XIANG Xiaoyan1

(1College of Physics cience Information Engineering，Jishou University，Jishou，416000，China;

[JZ]2College of Information Management Engineering，Jishou University，Zhangjiajie，427000，China )[J12/3]

Abstract：A face detection algorithm for the color image with complex background is presented，which is effective and feasibleFirstly，a new technique of color balance is used to remove the color bias produced by light conditionecondly，a mixed model in both I and normalized RGB color space is constructed，which can be used to acquire possible skin regions in the original imageAfter skin color segmentation，the geometrical shape information of face is used to locate eyes mouth the face regionExperimental results show that the proposed approach can detect positive or rotated face with little angle in a given image，and at the same time，a faster speed of the face detection is achieved

Keywords：face detection;color balance;skin model;feature location

1 引 言

人臉檢測是模式識別與計(jì)算機(jī)視覺領(lǐng)域的一項(xiàng)熱點(diǎn)課題，它廣泛用于人臉識別、智能人機(jī)接口、視頻會議等。目前，比較常用的人臉檢測方法，可以概括為基于知識、基于結(jié)構(gòu)特征、基于模板匹配以及基于統(tǒng)計(jì)模型的方法［1，2］。

在彩色圖像中，膚色對于人臉檢測是一項(xiàng)非常有用的信息，有效地利用膚色信息可以大大減小人臉區(qū)域的搜索范圍。然而，膚色等色彩信息經(jīng)常受到光照環(huán)境、圖像采集設(shè)備等因素的影響，出現(xiàn)色彩偏移，因此在膚色分割前，應(yīng)首先對彩色圖像進(jìn)行色彩均衡預(yù)處理。本文考慮到光源顏色以及圖像中高亮度區(qū)域?qū)δw色檢測的影響，提出一種簡單、易行的色彩均衡算法。另外，考慮到人眼的視覺特性，采用I空間進(jìn)行膚色分割是合適的，為使該模型對光照變化具有更強(qiáng)魯棒性，文中結(jié)合歸一化RGB空間，構(gòu)建了一個兩者結(jié)合的混合膚色模型。在膚色分割后，根據(jù)人臉幾何特征信息快速定位出眼睛和嘴巴，并最終得到人臉區(qū)域。實(shí)驗(yàn)表明本文提出的人臉檢測算法，在獲得較好的檢測率的同時，具有較快的檢測速度。 

2 候選人臉區(qū)域的確定

21 色彩均衡預(yù)處理

受到光源顏色、圖像采集設(shè)備的色彩偏差等因素的影響，彩色圖像經(jīng)常會發(fā)生色彩偏移，因此在膚色分割前，應(yīng)對彩色圖像進(jìn)行色彩均衡預(yù)處理，以消除可能有的色光干擾。

在色彩均衡前應(yīng)先判斷圖像是否有色光干擾，否則色彩均衡的結(jié)果可能會使得圖像中人臉的顏色發(fā)生較大改變，這樣反而影響膚色模型的檢測效果。根據(jù)雙色反射模型理論，由于物體表面存在鏡面反射或界面反射，物體常產(chǎn)生高光，在圖像中，高光部分常對應(yīng)高亮度區(qū)域。物體表面的鏡面反射主要反射了照射光源的實(shí)際顏色，而非物體表面的顏色。基于這些事實(shí)，本文設(shè)定色光干擾判定的具體步驟如下：

（1） 將整個圖像中所有像素的亮度從高到低進(jìn)行排列，取前%的像素，如果這些像素?cái)?shù)目足夠多（如大于1 000），則計(jì)算這些像素R，G，B分量的各自平均值AR，AG，AB；

（2） 計(jì)算max(AR，AG，AB)/min(AR，AG，AB)的值，若該值較大偏離1，則判定圖像有色光干擾。

在確認(rèn)有色光干擾后，開始對圖像進(jìn)行色彩均衡。根據(jù)雙色反射模型理論，圖像的顏色由照射光源的光譜成分以及圖像對入射光譜的反射系數(shù)來決定，因此當(dāng)照射光源為色光時，彩色圖像將出現(xiàn)整體上的色彩偏移。同時，彩色圖像的高亮度區(qū)域主要反射光源實(shí)際顏色，因此色彩均衡的最終效果就是使高亮度區(qū)域的R，G，B三個分量的平均值趨于同一個灰度值。根據(jù)上述理論，本文對彩色圖像實(shí)現(xiàn)色彩均衡的具體步驟如下：

（1） 計(jì)算高亮度區(qū)域的平均灰度值avgGray。avgGray由前%像素R，G，B分量的平均值A(chǔ)R，AG，AB，得到：

圖1給出一個色彩均衡的實(shí)例，其中圖1(a)是在偏黃光源下采集的，經(jīng)后面闡述的膚色模型檢測，得到的分割結(jié)果發(fā)現(xiàn)偏差很大；圖1(b)是色彩均衡后膚色分割的效果，可看到各皮膚塊基本檢測出來，因此該平衡方案是有效的。

22 膚色分割

大量研究表明：盡管不同種族、不同年齡、不同性別的人，膚色看上去不同，但這種不同主要集中在亮度上，在去除亮度的顏色空間，不同人的膚色分布具有聚類性。因此膚色分割時，能否有效地將亮度分量和色度分量分離，是選取顏色空間的重要依據(jù)。本文采用I顏色空間，它不但符合上述要求，并且與人類的視覺感知相接近，色調(diào)值比較穩(wěn)定，適用于彩色圖像的分割。在進(jìn)行I空間的膚色模型訓(xùn)練時，本文選取不同光照亮度、不同背景、不同年齡等因素的皮膚樣本共0塊，通過統(tǒng)計(jì)分析，獲得I膚色模型的參數(shù)，同時為進(jìn)一步降低光照變化對膚色分割的影響，本文參考?xì)w一化RGB空間膚色模型［3］，構(gòu)造出混合空間膚色模型：

0003<<0174;0040<<032

0333

實(shí)驗(yàn)表明這種混合空間膚色模型比單一空間的膚色模型對光照變化具有更強(qiáng)的魯棒性，圖2為膚色分割的效果圖，實(shí)驗(yàn)證明在I空間與歸一化RGB空間建立的混合膚色模型有效可行。

23 確定候選人臉區(qū)域

經(jīng)顏色空間轉(zhuǎn)換的二值化圖像中不可避免地出現(xiàn)噪聲，本文采用形態(tài)學(xué)算子去除分割后的噪聲，并使得圖像中的類膚色區(qū)域仍能保持連貫的輪廓。

為進(jìn)一步排除形態(tài)學(xué)濾波后不含人臉的膚色區(qū)域，需要對濾波后的目標(biāo)區(qū)域進(jìn)行形狀分析，將不可能的人臉區(qū)域過濾掉。具體操作如下：

（1） 對前階段處理過的二值圖像提取出輪廓及外接初始矩形；

（2） 外接初始矩形序列中的矩形會出現(xiàn)互相重疊現(xiàn)象，因此需對初始矩形序列進(jìn)行歸并處理。具體的歸并規(guī)則為：當(dāng)一個矩形完全包圍另一個矩形時，拋棄內(nèi)部的矩形；當(dāng)兩個矩形的邊界接觸或兩個矩形出現(xiàn)重疊時，用這兩個矩形公共的外接矩形來代替這兩個矩形；

（3） 考慮到可能存在裸露的手臂或腿部等非人臉區(qū)域，需要用一些先驗(yàn)知識剔除明顯不是人臉的區(qū)域。本文中，根據(jù)人臉的幾何特征采用如下判定規(guī)則：如果候選區(qū)域面積太小，則刪除該區(qū)域（人臉在圖像中應(yīng)占有一定的比例）；通過外接矩形的長寬比，刪除一些非人臉區(qū)域?？紤]到脖子部分對人臉區(qū)域的影響，此處定義長寬比的范圍為［06，28］。 

通過上述處理，就可以從膚色分割的圖像中得到一組候選人臉區(qū)域。圖3(a)表示經(jīng)形態(tài)學(xué)處理后的圖像；(b)表示形狀分析后的候選人臉區(qū)域。

3 人臉特征定位

31 眼睛定位

候選人臉區(qū)域都包含一定數(shù)目的孔洞，對每個候選人臉區(qū)上半?yún)^(qū)域進(jìn)行搜索，將獲得的孔洞兩兩匹配構(gòu)成所有可能的眼睛對。然后根據(jù)人臉的器官分布特征對候選眼睛對進(jìn)行判定，其判定規(guī)則如下：

（1） 根據(jù)雙眼的間距在人臉圖像寬度中占一定比例，要求孔洞之間的連線Dlr大于外接矩形寬度的1/6；

（2） 孔洞連線與水平軸的交角θlr也應(yīng)在一定的角度范圍內(nèi)，要求θlr<1°。

（3） 為了排除眉眼對，規(guī)定若在同一候選人臉區(qū)域中，有合乎（1），（2）判定的多個配對，則選擇θlr最小的兩組配對。

（4） 根據(jù)眉毛在眼睛上方的先驗(yàn)知識，在判定（3）的基礎(chǔ)上，選擇下方的一組配對，以排除眉毛對。

[B3+3]32 嘴唇定位

得到眼睛對后，可進(jìn)一步定位嘴唇。如圖4所示，C，D分別為AE，BF的中點(diǎn)，設(shè)AB＝d，則AE＝14 d，若A，B為眼睛對，則嘴在CDEF內(nèi)存在。通過搜索CDEF中是否存在孔洞來判定嘴的位置。

[B3+3]33 臉部定位

根據(jù)雙眼位置，按“三庭五眼”規(guī)則輸出人臉區(qū)域。

4 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)選用了不同來源的彩色圖像共0幅，每幅圖像中有一個或多個人臉，人臉姿態(tài)除了正面端正的以外，還有傾斜和一定旋轉(zhuǎn)角度的人臉。圖給出部分圖像的人臉檢測結(jié)果。

在實(shí)驗(yàn)中，部分圖像出現(xiàn)漏檢，分析原因主要是因?yàn)橐恍﹫D像的質(zhì)量較差，使得在膚色分割后沒能在雙眼區(qū)域形成相應(yīng)的孔洞，于是真正的人臉沒有成為候選人臉，從而導(dǎo)致漏檢。對于這個問題可以通過圖像增強(qiáng)，改善雙眼區(qū)域的對比度的方法來解決。實(shí)驗(yàn)中，圖像誤檢率較低，因?yàn)楹蜻x人臉區(qū)域和人臉相似而又不是人臉的情況，其發(fā)生的概率很小本文的算法由于采用色彩均衡預(yù)處理，同時采用I空間與歸一化RGB空間相混合的膚色模型，實(shí)現(xiàn)對光照變化具有較強(qiáng)魯棒性的膚色分割。并且，由于該算法中人臉特征定位簡單有效，因此獲得了較快的檢測速度。

參 考 文 獻(xiàn)

［1］ 梁路宏，艾海舟人臉檢測研究綜述［J］計(jì)算機(jī)學(xué)報(bào)，2002，2():449-48

［2］Yang Minghsuan，David J Kriegman，Narendra AhujeDetection Faces in Images:A urvey［J］IEEE ransactions on Pattern Analysis and Machine Intelligence，2002，24(1):34-8

［3］張宏林，蔡銳數(shù)字圖像模式識別技術(shù)及工程實(shí)踐［M］北京:人民郵電出版社，2003

［4］丁海波，薛質(zhì)，李生紅基于I空間的膚色檢測方法［J］計(jì)算機(jī)應(yīng)用，2004(29):210-211

［］su R L，Mottaleb M A，Jain A KFace Detection in Color Images［J］IEEE ransactinons on Pattern and Machine Intelligence，2002，24():210-211

作者簡介 張書真 女，1977年出生，湖南桑植人，講師，碩士。主要研究方向?yàn)閳D像處理和模式識別等。

宋海龍 男，1977年出生，山東平度人，碩士。主要研究方向?yàn)樾盘柼幚怼⒕幋a理論等。

向曉燕 女，1976年出生，湖南龍山人，講師。研究方向?yàn)閳D像處理、控制理論等。