摘要：人臉檢測(cè)在人臉識(shí)別過(guò)程中是最基本的處理，如果檢測(cè)方法不當(dāng)，會(huì)使識(shí)別過(guò)程崩潰，人臉檢測(cè)在人臉識(shí)別中很重要。人臉模式是很復(fù)雜的，而且易受外界干擾，常見(jiàn)的人臉檢測(cè)算法一般都具有計(jì)算量大、速度慢、誤報(bào)率高的弱點(diǎn)，文中使用基于YCbCr顏色空間的膚色模型檢測(cè)方法進(jìn)行人臉檢測(cè)，解決了計(jì)算量大的問(wèn)題，并使用形態(tài)學(xué)理論對(duì)圖像做了后續(xù)處理.

關(guān)鍵詞：人臉檢測(cè)；顏色空間轉(zhuǎn)換；YcbCr顏色空間；形態(tài)學(xué)

中圖分類號(hào)：ITP391文獻(xiàn)標(biāo)識(shí)碼：A

1 概述

人臉識(shí)別是圖像識(shí)別領(lǐng)域的一個(gè)熱門話題，它自身有許多良好的特性，比如非侵?jǐn)_性、采集方便等等，正是由于這些優(yōu)點(diǎn)，它被廣泛應(yīng)用于海關(guān)監(jiān)察、刑偵等安防領(lǐng)域。人臉識(shí)別過(guò)程一般包括人臉的檢測(cè)和定位、特征提取和人臉識(shí)別三部分。很明顯，人臉的檢測(cè)是人臉識(shí)別過(guò)程中最基本的步驟，如果識(shí)別誤差太大，那會(huì)對(duì)后續(xù)工作產(chǎn)生很大困難，甚至使結(jié)果沒(méi)有任何意義。

那怎樣進(jìn)行檢測(cè)呢？因?yàn)槿四槺旧碛泻芏嗵卣鳎梢愿鶕?jù)這些特征進(jìn)行檢測(cè)。其中常用的特征檢測(cè)有灰度特征檢測(cè)和膚色特征檢測(cè)?；叶忍卣靼ㄝ喞卣鳌⒒叶确植继卣?、結(jié)構(gòu)特征、模板特征等。由于人臉五官位置相對(duì)固定，灰度分布呈一定規(guī)律性，因此可利用灰度特征來(lái)進(jìn)行人臉識(shí)別。通常采用統(tǒng)計(jì)的方法或特征空間變換的方法進(jìn)行灰度特征的提取，如，利用K-L變換得到的特征臉等。下面要講的膚色特征檢測(cè)用到的膚色特征使用不同的概念，它利用的是顏色空間的聚類特性，運(yùn)行速度較灰度特征要快很多。

2 膚色特征人臉檢測(cè)

基于膚色特征進(jìn)行人臉進(jìn)行檢測(cè)有很多優(yōu)勢(shì)，這種方法檢測(cè)的速度快，而且直觀，符合人們的感性認(rèn)識(shí)，并且不受形狀、大小的影響，算法簡(jiǎn)單易懂，相比于灰度特征的計(jì)算，它能大大提高運(yùn)算速度。

在這一部分，首先介紹了顏色空間的一些特征，然后介紹了基于YCbCr顏色空間的人臉檢測(cè)實(shí)驗(yàn)，并運(yùn)用形態(tài)學(xué)的知識(shí)進(jìn)行處理，最后講了實(shí)驗(yàn)的結(jié)果。實(shí)驗(yàn)的實(shí)現(xiàn)使用的是matlab環(huán)境。

2.1 顏色空間的特征

RGB顏色空間是用于顯示和保存彩色圖像的最常用的彩色空間，由R(紅)、G(綠)、B(藍(lán))三個(gè)分量所組成，三維空間中的三個(gè)軸分別與紅、綠、藍(lán)三基色相對(duì)應(yīng)，原點(diǎn)對(duì)應(yīng)于黑色，離原點(diǎn)最遠(yuǎn)的頂點(diǎn)對(duì)應(yīng)于白色，而其他顏色則落在三維空間中由紅、綠、藍(lán)三基色組成的彩色立方體中。但是RGB顏色空間中亮度信息是隱含在三基色里面的，對(duì)光強(qiáng)的變化很敏感，所以不適合進(jìn)行人臉檢測(cè)，所以要使用色度跟亮度分離的顏色空間。色度、亮度分離的顏色空間很多，例如，VHS、YIQ、HIS、YUV、YCbCr等。

在YCbCr顏色空間里，Y分量代表亮度，Cb為藍(lán)色分量，Cr為紅色分量，實(shí)際上，還有一個(gè)分量Cg，它代表綠色分量，只是在YcbCr空間上沒(méi)用到。在RGB顏色空間中，顏色由紅、綠、藍(lán)3個(gè)分量組成，每種顏色也就對(duì)應(yīng)于3種顏色分量，即紅色分量Cr、藍(lán)色分量Cb和綠色分量Cg，任意2種顏色分量和亮度信息均可以構(gòu)成一個(gè)三維的空間。在該顏色空間中膚色具有較好的聚類效果。所以還存在YCbCg，YCgCr等色彩空間.。在這里，使用YcbCr顏色空間。

2.2 基于YCbCr顏色空間的人臉檢測(cè)

由于光線條件發(fā)生變化時(shí)，人臉顏色也會(huì)發(fā)生一定的變化，而且膚色信息會(huì)受光源顏色和膚色背景的影響，所以會(huì)在提取膚色信息產(chǎn)生錯(cuò)誤提取，為了降低錯(cuò)誤概率，需要對(duì)圖像進(jìn)行光照補(bǔ)償，進(jìn)行圖像均衡處理。在這個(gè)試驗(yàn)中，對(duì)從網(wǎng)上下載的100幅人臉圖像進(jìn)行了檢測(cè)，提取效果尚佳。

2.2.1 膚色信息的提取

圖像進(jìn)行預(yù)處理之后，下面進(jìn)行膚色信息提取工作。由于讀入的圖像是JPG格式的，也就是說(shuō)它的顏色空間是RGB空間，說(shuō)以需要進(jìn)行顏色空間之間的轉(zhuǎn)換，利用顏色空間之間的轉(zhuǎn)換關(guān)系：

Y=0.257*R+0.504*G+0.098*B+16;

Cb=-0.148*R-0.291*G+0.439*B+128;

Cr=0.439*R-0.368*G-0.071*B+128;

將顏色空間由RGB空間轉(zhuǎn)換到Y(jié)cbCr空間，那計(jì)算出YcbCr空間的系數(shù)之后，膚色信息該如何提取呢？因此要找到膚色信息的分布情況，即膚色信息集中在哪一數(shù)值段。經(jīng)過(guò)多次實(shí)驗(yàn)得到，Y中的膚色信息范圍為（50，180），Cb中的膚色信息范圍為（140，190

），Cr中的膚色信息范圍為（142，190）。在范圍內(nèi)的點(diǎn)值設(shè)置為1，不在此范圍內(nèi)的點(diǎn)值設(shè)置為0，得到一個(gè)二值圖像。如圖1所示：

圖1 經(jīng)處理之后的二值圖像

然而得到的二值圖像中有很多不是人臉的小孔和毛刺，這些小孔和毛刺會(huì)引起特征的錯(cuò)誤提取，那如何將這些小孔去掉呢？使用形態(tài)學(xué)的知識(shí)可以解決這個(gè)問(wèn)題。

2.2.2 形態(tài)學(xué)處理

形態(tài)學(xué)以幾何學(xué)為基礎(chǔ)對(duì)圖像進(jìn)行分析，其基本思想是用一個(gè)結(jié)構(gòu)元素作為基本工具來(lái)探測(cè)和提取圖像特征?；镜倪\(yùn)算有：膨脹，腐蝕，開(kāi)啟和閉合。膨脹的作用是：圖像比原圖像占的像素要多，是圖像更大。腐蝕的作用是：圖像比原圖像占的像素少，有所收縮。這個(gè)實(shí)驗(yàn)里，試用了腐蝕，關(guān)閉，膨脹操作。開(kāi)啟的作用是：去掉輪廓上的突出毛刺，是有毛刺的部分變得圓滑，截?cái)嗒M窄的連線，也就是將圖像中細(xì)小的線給去掉。關(guān)閉的作用是：去掉區(qū)域中的小孔，填平狹窄的斷裂、細(xì)長(zhǎng)的溝壑以及輪廓的缺口，起到平滑圖像的作用。

在此實(shí)驗(yàn)中，對(duì)前面得到的二值圖像先進(jìn)行腐蝕操作，將白色小孔腐蝕掉，這使得白色區(qū)域面積減小。然后對(duì)圖像進(jìn)行膨脹處理，增大白色區(qū)域的面積，使黑色區(qū)域減小，這是合理的結(jié)果。在這個(gè)實(shí)驗(yàn)中，進(jìn)行了三次膨脹的到了比較理想的結(jié)果。經(jīng)形態(tài)學(xué)處理后的圖像如圖2，3所示：

圖2經(jīng)形態(tài)學(xué)處理的結(jié)果

圖3檢測(cè)出的彩色圖像

圖2與圖1相比，去掉了很多黑色區(qū)域，使提取的臉部區(qū)域更理想，實(shí)現(xiàn)了人臉的檢測(cè)和定位。人臉檢測(cè)出來(lái)之后，就可以進(jìn)行后續(xù)處理了，例如一些準(zhǔn)則進(jìn)行分類識(shí)別，比如fisher準(zhǔn)則等等。

總結(jié)

基于膚色特征進(jìn)行人臉的檢測(cè)有其獨(dú)特的優(yōu)勢(shì)，它不受人臉圖像的形狀、大小的限制，能從圖像中比較準(zhǔn)確的檢測(cè)出人臉，同時(shí)計(jì)算量小，在實(shí)時(shí)性要求比較嚴(yán)格時(shí)，膚色特征的人臉檢測(cè)有很好的優(yōu)勢(shì)，還有，基于膚色特征的人臉檢測(cè)容易讓人理解，它是對(duì)顏色空間進(jìn)行變換，涉及亮度、色度的轉(zhuǎn)變，比較直觀，符合人的視覺(jué)感受。但是膚色特征的人臉檢測(cè)也有不足之處，這種方法易受光線的干擾，因?yàn)樵赮cbCr空間中，是基于亮度和色度的范圍提取膚色區(qū)域的，如果亮度不理想，很容易影響提取效果。所以用這種方法進(jìn)行人臉檢測(cè)時(shí)，要對(duì)圖像進(jìn)行亮度調(diào)整。

參考文獻(xiàn)

[1]李子青.國(guó)內(nèi)智能視頻監(jiān)控技術(shù)的發(fā)展[J].INTELLIGENT BUIDDING，2008(89)：38-40.

[2]魏冬冬，詹穎.靜態(tài)人臉識(shí)別技術(shù)探討[J].圖形圖像，2006.

[3]尹飛，馮大政.基于PCA算法的人臉識(shí)別[J].計(jì)算機(jī)技術(shù)與發(fā)展，2008，18(10)：31-33.

[4]楊淑瑩.模式識(shí)別與智能計(jì)算Matlab技術(shù)實(shí)現(xiàn)[M].電子工業(yè)出版社，2008.