摘要在基于坐標(biāo)的基礎(chǔ)上提出基于灰度的主元分析算法，應(yīng)用于圖像人臉偏轉(zhuǎn)角度的檢測(cè)，實(shí)現(xiàn)了圖像人臉定位過(guò)程中人臉偏轉(zhuǎn)的校正。進(jìn)行實(shí)驗(yàn)比較。

關(guān)鍵詞人臉偏轉(zhuǎn)校正;偏轉(zhuǎn)角度;基于灰度加權(quán)的主元分析

中圖分類(lèi)號(hào)TP391文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1673-9671-(2009)121-0037-01

人臉檢測(cè)在復(fù)雜環(huán)境下受到多種因素的影響，其中人臉姿態(tài)的隨意性就是造成圖像人臉檢測(cè)困難的一個(gè)重要原因，包括深度旋轉(zhuǎn)、平面旋轉(zhuǎn)、外界物干擾等各種狀況，導(dǎo)致人臉定位不準(zhǔn)確。

人臉定位的方法一般基于眼睛等臉部特征。目前，眼睛定位的主要方法包括基于神經(jīng)網(wǎng)絡(luò)的方法、可變模板匹配方法以及廣義對(duì)稱(chēng)變換方法等。但是這些方法都存在計(jì)算量大、對(duì)大角度旋轉(zhuǎn)的圖像人臉的檢測(cè)效果不佳的缺陷。所以，本文基于灰度加權(quán)對(duì)人臉區(qū)域進(jìn)行主元分析，計(jì)算出人臉偏轉(zhuǎn)角度，從而校正人臉偏轉(zhuǎn)，以利于進(jìn)一步的圖像人臉定位。

1主元分析的原理

所謂主元分析，就是對(duì)二值圖像中“1”區(qū)域的各個(gè)像素的坐標(biāo)值進(jìn)行統(tǒng)計(jì)，計(jì)算這些坐標(biāo)值的方差和協(xié)方差，求出協(xié)方差矩陣的兩個(gè)特征值和特征向量。大的特征值對(duì)應(yīng)的特征向量代表該區(qū)域的主軸方向，小的特征值對(duì)應(yīng)的特征向量代表該區(qū)域的副軸方向。主軸方向和圖像的垂直軸之間的夾角就是該區(qū)域的偏轉(zhuǎn)角度。

如圖1所示，這是一個(gè)橢圓區(qū)域模型二值圖，圖(a)是逆時(shí)針偏轉(zhuǎn) =30°的模型，圖(b)是無(wú)偏轉(zhuǎn)的模型，圖中紅線分別標(biāo)注主軸和副軸的方向。

一般情況下，人臉區(qū)域呈現(xiàn)橢圓或接近橢圓形狀，其主軸方向經(jīng)過(guò)鼻梁、額頭及下巴中心，人臉以主軸線為中心軸左右對(duì)稱(chēng)。所以說(shuō)，主元分析方法適用于圖像人臉區(qū)域。

2基于灰度加權(quán)的主元分析算法

人臉具有非常豐富的灰度信息，而基于坐標(biāo)向量的主元分析方法將各像素點(diǎn)等同對(duì)待。本文認(rèn)為，人臉不僅在形狀上以過(guò)鼻梁、額頭及下巴中心的主軸線左右對(duì)稱(chēng)，而且五官的灰度信息也各有不同:眼珠灰度較低，而主軸線附近包括鼻梁、下巴、額頭等灰度較高。如果加大主軸線附近的高灰度像素對(duì)主元分析的影響，那么主元分析得到的主軸線將更靠近這些像素點(diǎn)，遠(yuǎn)離低灰度的像素點(diǎn)。這里提出一種基于灰度加權(quán)的主元分析方法。

基于灰度加權(quán)的主元分析的關(guān)鍵在于，對(duì)各像素點(diǎn)的坐標(biāo)值基于相應(yīng)的灰度值的大小進(jìn)行加權(quán)修正。我們可以這樣理解這種方法，即高灰度的坐標(biāo)位置上可能“多于一個(gè)的像素”參與基于坐標(biāo)向量的主元分析，低灰度的坐標(biāo)位置上可能要“少于一個(gè)的像素”參與基于坐標(biāo)向量的主元分析;而主軸線附近區(qū)域高灰度像素點(diǎn)比較豐富，相當(dāng)于主軸線附近更多的像素參與基于坐標(biāo)向量的主元分析。

基于灰度加權(quán)的主元分析算法如下:

1)計(jì)算像素行坐標(biāo)方差 、列坐標(biāo)方差

式中，(i， j)表示人臉區(qū)域的像素行、列坐標(biāo)，( ，)為橢圓區(qū)域的像素坐標(biāo)質(zhì)心，g(i，j)為膚色區(qū)域灰度。

2)計(jì)算像素行、列坐標(biāo)協(xié)方差

(公式3)

3)計(jì)算橢圓區(qū)域的偏轉(zhuǎn)角度

(公式4)

3人臉偏轉(zhuǎn)校正

當(dāng)圖像人臉區(qū)域的偏轉(zhuǎn)角度(逆時(shí)針?lè)较驗(yàn)檎?已知時(shí)，人臉偏轉(zhuǎn)校正就是要將人臉區(qū)域沿著相反方向旋轉(zhuǎn)角度。本文以圖像中心對(duì)稱(chēng)點(diǎn)為原點(diǎn)進(jìn)行旋轉(zhuǎn)，而不是圖像的某個(gè)角點(diǎn)，使得圖像中心即可能的人臉中心區(qū)域的偏轉(zhuǎn)校正誤差最小;相對(duì)的，越遠(yuǎn)離中心的區(qū)域誤差越大。

4實(shí)驗(yàn)

選擇偏轉(zhuǎn)(-90o ~ +90o )不同角度的60張人臉圖進(jìn)行人臉偏轉(zhuǎn)角度檢測(cè)試驗(yàn)，實(shí)驗(yàn)中主軸方向標(biāo)準(zhǔn)由標(biāo)定的眼睛連線的垂直方向確定。實(shí)驗(yàn)結(jié)果如表1，如圖2。

表1 人臉偏轉(zhuǎn)角度檢測(cè)及比較

檢測(cè)方法誤差+3o 誤差+8o

基于灰度加權(quán)的主元分析86.7%96.7%

基于坐標(biāo)向量的主元分析68.3%93.3%

由表1可以看出，兩種主元分析方法應(yīng)用于人臉偏轉(zhuǎn)角度的檢測(cè)都十分有效，在誤差+8o 范圍內(nèi)，兩種方法檢測(cè)率差不多，本文方法檢測(cè)率略高;而在誤差+3o 范圍內(nèi)的檢測(cè)結(jié)果，則說(shuō)明本文方法比基于坐標(biāo)向量的主元分析方法有更高的精確度。

同時(shí)，實(shí)驗(yàn)中發(fā)現(xiàn)，本文的人臉偏轉(zhuǎn)角度檢測(cè)算法除了繼承主元分析方法良好的，還對(duì)其他因素(如:亮度較低或較高，略微左右深度，偏轉(zhuǎn)佩戴眼鏡，頭發(fā)部分區(qū)域被檢測(cè)為膚色等)具有相當(dāng)好的抗干擾能力。

圖2基于灰度加權(quán)主元分析的人臉偏轉(zhuǎn)校正示例圖

附圖說(shuō)明:每組人臉圖前一張為偏轉(zhuǎn)圖像，后一張為校正后圖像

參考文獻(xiàn)

[1] 梁路宏，艾海舟，何克忠 等.基于仿射模板匹配的多角度單人臉定位[J].計(jì)算機(jī)學(xué)報(bào)，2000，23(6):640-645.

[2] Riesfeld D，Wolfson H， Yeshurun Y. Context Free Attentional Operators:the Generalized Symmetry Transform [J]. Computer Vision，1995，14:119-130.

[3]高全學(xué)，潘泉，程詠梅 等.基于膚色和獨(dú)立成分的人臉檢測(cè)[J].計(jì)算機(jī)應(yīng)用研究，2004，12:160-162.

作者簡(jiǎn)介:

阮書(shū)敏(1977-)，男，福建福州人，碩士、助教，主要研究方向:圖像處理、模式識(shí)別、數(shù)字化偵查。