馮輝宗，謝 靜，蔣建春

（重慶郵電大學(xué)汽車電子與嵌入式系統(tǒng)研究所，重慶 400065）

0 引言

人臉檢測(cè)（face detection）作為人臉識(shí)別、表情鑒別和提取面部信息的首要步驟和關(guān)鍵技術(shù)，現(xiàn)在已經(jīng)成為模式識(shí)別和機(jī)器視覺領(lǐng)域的一個(gè)研究熱點(diǎn)。同時(shí)，由于采集人臉信息是非接觸式的，采集途徑簡(jiǎn)便且易于安裝。近幾年，在車輛疲勞駕駛檢測(cè)、交通安全自動(dòng)監(jiān)控以及人車交互等方面有著日益廣泛的應(yīng)用。

一般在人臉檢測(cè)過程中主要考慮2個(gè)問題:一是人臉檢測(cè)的速度;二是人臉檢測(cè)的精度［1］?，F(xiàn)存的幾種人臉檢測(cè)的方法都無法使這2個(gè)方面同時(shí)達(dá)到理想的效果。目前，常用的人臉檢測(cè)方法主要有以下幾種:一是基于幾何特征的方法，該方法判定條件直觀，但卻很難將人類知識(shí)轉(zhuǎn)換為明確的定義;二是基于統(tǒng)計(jì)的方法，精確度較高，不易受環(huán)境影響，但檢測(cè)速度慢，實(shí)時(shí)性差;三是基于膚色特征的方法，具有檢測(cè)速度快，對(duì)姿勢(shì)不敏感等優(yōu)點(diǎn)，但易受光照影響。

1 膚色聚類的人臉檢測(cè)算法

考慮到人臉檢測(cè)的對(duì)象是車輛駕駛員，則要求檢測(cè)算法實(shí)時(shí)性好，適應(yīng)不同旋轉(zhuǎn)角度以及精度較高。由于膚色聚類的人臉檢測(cè)技術(shù)是基于人類的膚色，具有良好的聚類特性，即不同的人臉只是亮度不同，但色度信息基本一致。滿足實(shí)時(shí)性好、精度高以及對(duì)姿勢(shì)不敏感等要求。因此，用該方法來進(jìn)行對(duì)駕駛員和乘車人員的人臉檢測(cè)具有一定的現(xiàn)實(shí)意義。

目前，也有很多學(xué)者運(yùn)用基于膚色聚類的人臉檢測(cè)算法進(jìn)行人臉檢測(cè)。大致方法有三類:1）在原有圖像的顏色空間下建立顏色分類器［2］;2）改善原有圖像的RGB顏色空間，利用范化的顏色空間建立膚色模型［3］;3）采用本身色度和亮度分離的色彩空間，在該空間下建立膚色模型［4］。

本文在分析以上方法，同時(shí)考慮實(shí)際環(huán)境和檢測(cè)對(duì)象的特有情況后，提出了采用空間的膚色聚類算法。首先對(duì)原圖像采用改進(jìn)后的多尺度Retinex算法進(jìn)行光照補(bǔ)償;然后建立高斯膚色模型后對(duì)膚色區(qū)域進(jìn)行自適應(yīng)閾值選取;最后根據(jù)駕駛室的特定環(huán)境和其他先驗(yàn)知識(shí)標(biāo)出人臉，實(shí)現(xiàn)完整的人臉檢測(cè)算法。算法流程圖如圖1所示。

圖1 算法流程圖Fig 1 Flow chart of algorithm

2 算法實(shí)現(xiàn)

2．1 光照補(bǔ)償

基于膚色聚類特性的人臉檢測(cè)算法最大的缺陷就是易受光照影響。同時(shí)，由于駕駛室光照不充足的特殊情況也導(dǎo)致所采集的原圖像必然存在光照不均的問題?；谝陨?個(gè)原因，對(duì)圖像進(jìn)行的光照補(bǔ)償就顯得十分重要。它直接關(guān)系到人臉檢測(cè)的準(zhǔn)確度。在進(jìn)行光照補(bǔ)償?shù)臅r(shí)候要考慮到膚色的恒常性，即膚色在光照發(fā)生變化時(shí)，人們對(duì)其顏色的知覺保持不變。膚色聚類是依據(jù)膚色色度不變特性為核心條件的，所以，在光照補(bǔ)償?shù)臅r(shí)候一定要保證原圖像的顏色不能發(fā)生變化。

Land E提出的視網(wǎng)膜皮層Retinex算法，實(shí)質(zhì)是通過對(duì)圖像進(jìn)行某種高斯平滑提取亮度圖像，其目的是從圖像中提取物體的反射性質(zhì)分量［5］。該算法能夠在灰度動(dòng)態(tài)范圍、邊緣增強(qiáng)以及顏色恒常性3個(gè)方面達(dá)到平衡，所以，很好地解決了以上的難題。多尺度Retinex算法認(rèn)為圖像可以簡(jiǎn)單的表示為

其中，S為圖像的低頻分量，反映圖像的光照特性;R為圖像的高頻分量，反映圖像的反射特性，決定圖像的內(nèi)在特性。在Retinex算法理論中認(rèn)為R分量比S分量對(duì)I圖像造成更大的影響［6，7］。如果能夠從I圖像中估計(jì)出照度S并將其去除，就可以在不考慮光照的情況下還原圖像本身。多尺度Retinex算法數(shù)學(xué)形式如下

其中，cn為第n個(gè)尺度;kn為歸一化因子。

基于這種思想，本文設(shè)計(jì)了一種新的基于HSV空間的彩色圖像光照補(bǔ)償算法。僅對(duì)V分量進(jìn)行光照補(bǔ)償就可以既保證色彩的恒常性，又能使光照得到一定程度的調(diào)整。光照補(bǔ)償算法流程如圖2。

圖2 光照補(bǔ)償算法流程圖Fig 2 Flow chart of illumination compensation algorithm

算法首先將原圖像從RGB顏色空間轉(zhuǎn)換到能夠使亮度分離的HSV空間。保持H和S分量不變，對(duì)明度分量V經(jīng)過三級(jí)小波分解，得到圖像的高頻成分VH和低頻成分VL。由于低頻圖像VL主要體現(xiàn)亮度分布和基本面貌，故對(duì)其進(jìn)行多尺度Retinex光照處理。最后將補(bǔ)償后的VL分量和原圖像的VH分量重構(gòu)，得到新的V分量再還原圖像。將算法的運(yùn)行空間放在HSV空間中的V分量是因?yàn)閷?duì)V分量的操作不會(huì)影響到原圖像的色度和飽和度，有利于保持膚色的恒常性，進(jìn)而保證了膚色聚類算法的可行性。圖3為光照補(bǔ)償后的效果圖。

圖3 光照補(bǔ)償最終效果圖Fig 3 Final effect diagram of the illumination compensation

2．2 顏色空間的選擇

結(jié)合駕駛室的應(yīng)用環(huán)境，該算法采取YCbCr色彩空間，它有以下幾個(gè)優(yōu)勢(shì):1）該色彩空間將亮度分量Y單獨(dú)提取出來，使亮度和色度分開。由于膚色具有不受色度僅受亮度影響的特性，亦即不同人的膚色在色度上往往是相近的，因此，選用此類亮度信息與色度信息分開的色彩空間更為合適。2）根據(jù)Jain Anil K．的實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，膚色在色度分量Cr色彩和飽和度Cb色彩分量中具有較好的聚類性。3）YCbCr色彩空間是離散空間，易于實(shí)現(xiàn)聚類算法，而其他能夠?qū)⒘炼扰c色度分開的同類色彩空間基本上都是連續(xù)的，不利于實(shí)現(xiàn)聚類算法。4）YCbCr是感知均勻的色彩空間，同其他色彩空間相比，YCbCr色彩空間膚色聚類性更好。

由于攝像頭所采集的圖像資源都是在RGB空間的，因此，要進(jìn)行色彩空間的轉(zhuǎn)換，轉(zhuǎn)換公式如下

此外，根據(jù)Jainden Anil K等人的仿真結(jié)果，Y取不同的值時(shí)，在CbCr平面內(nèi)所得到的膚色投影也是不同的。也就是說，在CbCr平面內(nèi)找尋膚色的聚類區(qū)域時(shí)，也要考慮亮度信息Y分量的影響。為了解決這一問題，需要對(duì)YCbCr進(jìn)行非線性變換，以此來限制膚色聚類空間，使其可以很好地適應(yīng)過明或過暗的區(qū)域，保證膚色模型的魯棒性［2］。

2．3 膚色模型的建立

膚色模型是在一定顏色空間中描述膚色分布規(guī)律的數(shù)學(xué)模型，它的建立直接影響到檢測(cè)的精確度，是膚色檢測(cè)的前提。常用的膚色模型有3種:直方圖膚色模型、膚色范圍模型、高斯分布模型。直方圖膚色模型是一種非參數(shù)模型，利用該模型實(shí)現(xiàn)的算法，實(shí)時(shí)性會(huì)受到計(jì)算量大小的影響;膚色范圍模型是用一種用數(shù)學(xué)表達(dá)式明確規(guī)定膚色范圍的模型，利用該模型實(shí)現(xiàn)的算法簡(jiǎn)單直觀，但是不具有自適應(yīng)性;高斯分布模型是利用正態(tài)分布來擬合膚色的概率密度分布，對(duì)膚色進(jìn)行參數(shù)化建模而形成的一種模型。該模型依據(jù)人類膚色之間的差異主要取決于膚色的概率密度并不是顏色本身，而膚色的概率密度在一定的光照下是服從正態(tài)分布的。這種分布形態(tài)與所選的顏色空間有關(guān)，不同的顏色空間建模的效果都不相同。YCbCr顏色空間可以很好地反映膚色分布，同時(shí)反映出膚色聚類特性［2，3］。基于上述因素的考慮，本文采用高斯分布膚色模型來實(shí)現(xiàn)算法。

原圖像中每個(gè)像素屬于膚色的概率為

其中，x為經(jīng)過非線性變換后Cr，Cb矩陣，即

而m為x的均值，C為x的協(xié)方差，即

2．4 閾值分割

建立膚色模型后則是進(jìn)行閾值分割，即對(duì)原圖像的各個(gè)像素進(jìn)行判斷，得到膚色似然概率圖。由于皮膚區(qū)域的像素與膚色模型的相似程度較高，計(jì)算得到的相似度值比較大，因此，在類膚色灰度圖中，皮膚區(qū)域比其他部分更亮。因此，通過選取合適的閾值即可分割出膚色區(qū)域。本文采用自適應(yīng)閾值法得到最初的膚色區(qū)域二值圖像，具體方法為設(shè)定閾值范圍為（0．005，0．8），使閾值從高到低依次遞減0．05，并記錄下每次閾值變化時(shí)屬于膚色像素?cái)?shù)量的變化，然后找出屬于膚色像素?cái)?shù)量變化最小時(shí)的那個(gè)閾值作為最優(yōu)化閾值，若發(fā)現(xiàn)在從0．50減少到0．30區(qū)間時(shí)膚色像素?cái)?shù)量增加最少，則優(yōu)化后的閾值為0．40。

2．5 區(qū)域特征選擇

在經(jīng)過閾值分割后的二值圖像中包含許多不同的類膚色區(qū)域。為了提高檢測(cè)精度，可以先對(duì)二值圖像進(jìn)行形態(tài)學(xué)處理，除去明顯的非膚色的類膚色區(qū)域，然后根據(jù)約束條件選定人臉區(qū)域。根據(jù)駕駛室的特定環(huán)境和人臉特征主要有以下2個(gè)約束條件:

1）人臉寬高比

根據(jù) GB 10000—88標(biāo)準(zhǔn)可以算出人臉的寬高比為0．81，考慮到遮擋物、頸部區(qū)域、光照等其他因素干擾的情況，在進(jìn)行多次實(shí)驗(yàn)仿真后，最終確定類膚色區(qū)域?qū)捀弑仍冢?．6 2．0］區(qū)域內(nèi)可能是人臉區(qū)域。

2）類人臉?biāo)济娣e

由于該檢測(cè)方法是針對(duì)機(jī)動(dòng)車駕駛員的人臉檢測(cè)應(yīng)用，而在駕駛室內(nèi)駕駛員的活動(dòng)范圍具有一定的空間限制，因此，該環(huán)境具有很強(qiáng)的約束性。利用這個(gè)特殊條件，估算出人臉區(qū)域可能在圖像采集中占得的面積比，以此作為一個(gè)判定人臉區(qū)域的條件。

機(jī)動(dòng)車駕駛證申領(lǐng)和使用規(guī)定，申請(qǐng)中型客車準(zhǔn)駕車型的，身高為150cm以上。另外，一般駕駛員胸部與方向盤之間至少保持25cm的距離。如不能保持該最小距離，發(fā)生事故時(shí)安全氣囊將不能發(fā)揮保護(hù)作用，可能嚴(yán)重致傷或致死。根據(jù)機(jī)動(dòng)車尺寸的測(cè)量方法和標(biāo)準(zhǔn)流程，即SAE標(biāo)準(zhǔn)可知，駕駛位最遠(yuǎn)距離方向盤約為70cm左右。利用以上數(shù)據(jù)，可以大約算出人臉?biāo)疾杉瘓D像的面積比。反復(fù)試驗(yàn)后，選定類膚色的聯(lián)通區(qū)域作為區(qū)域特征選擇的另一個(gè)重要條件，即當(dāng)圖像中某聯(lián)通區(qū)域在整幅圖像面積的40%以上時(shí)，認(rèn)定該區(qū)域?yàn)槿四槄^(qū)域。圖4是人臉距離攝像頭25 cm和70 cm時(shí)的檢測(cè)效果圖。

圖4 人臉與攝像頭不同距離實(shí)驗(yàn)效果Fig 4 Experimental images of different distance between face and camera

利用上述改進(jìn)后的算法，基本可以較準(zhǔn)確地檢測(cè)出駕駛室內(nèi)駕駛員的人臉。

3 實(shí)驗(yàn)結(jié)果與分析

仿真實(shí)驗(yàn)是在PC機(jī)上實(shí)現(xiàn)的，實(shí)驗(yàn)環(huán)境為Matlab 7．1。本文創(chuàng)建了一個(gè)具有變光照和不同角度的彩色人臉數(shù)據(jù)庫(kù)。圖像資源來源于相機(jī)拍攝和Internet下載2種渠道，共計(jì)150幅圖片，分辨率為800×640;采集對(duì)象為不同的車輛駕駛?cè)藛T;采集環(huán)境為車輛駕駛室內(nèi)部。該數(shù)據(jù)庫(kù)中包含大量旋轉(zhuǎn)角度較大的人臉圖片，也包含尺度、姿態(tài)和表情變化。運(yùn)用本文改進(jìn)后的人臉檢測(cè)算法，實(shí)現(xiàn)的人臉定位效果如圖5所示。

圖5 駕駛室內(nèi)的人臉檢測(cè)Fig 5 Face detection in vehicle cabs

由上述實(shí)驗(yàn)過程可知，本文所闡述的人臉檢測(cè)方法針對(duì)駕駛室這種特殊環(huán)境中是可以實(shí)現(xiàn)的。

利用這150幅圖像，與目前疲勞駕駛檢測(cè)系統(tǒng)中使用的傳統(tǒng)膚色聚類人臉?biāo)惴ㄟM(jìn)行比對(duì)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表1所示。

表1 改進(jìn)后的算法實(shí)驗(yàn)結(jié)果與傳統(tǒng)方法的對(duì)比Tab 1 Comparison of experimental results about the traditional method and the improved algorithm

以上數(shù)據(jù)證明:本文在引入新的光照補(bǔ)償算法之后較傳統(tǒng)膚色聚類人臉檢測(cè)方法正確率有了一定的提高。雖然檢測(cè)時(shí)間增長(zhǎng)，但還是在可接受的范圍內(nèi)。所以，本文采用的改進(jìn)算法既保證了算法的實(shí)時(shí)性，同時(shí)提高了原有算法的準(zhǔn)確性。

4 結(jié)束語

本文針對(duì)疲勞駕駛檢測(cè)系統(tǒng)，同時(shí)考慮駕駛室特定環(huán)境，選擇了基于膚色聚類的人臉檢測(cè)方法，并針對(duì)算法本身和駕駛室光照不均的缺陷提出了一種新的多尺度Retinex算法。本文的算法可實(shí)現(xiàn)對(duì)不同人、光照變化、頭旋轉(zhuǎn)不確定的人臉檢測(cè)，能夠滿足實(shí)時(shí)性要求，易于實(shí)現(xiàn)，對(duì)駕駛室內(nèi)彩色人臉圖像的檢測(cè)有很高的準(zhǔn)確率。因此，有較強(qiáng)的適應(yīng)性和應(yīng)用價(jià)值。當(dāng)然算法還存在一定的缺陷，若背景中存在類似膚色的部分則會(huì)造成對(duì)人臉誤檢。因此，在區(qū)域特征選取方面還有待改善。

［1］ 周 杰，盧春雨，張長(zhǎng)水，等．人臉自動(dòng)識(shí)別方法綜述［J］．電子學(xué)報(bào)，2000，28（4）:103 －103．

［2］ 張爭(zhēng)珍，石躍祥．YCrCb顏色空間的膚色聚類人臉檢測(cè)-計(jì)算機(jī)工程與應(yīng)用，2009，45（22）:163 －165．

［3］ 吳暾華，周昌樂．快速人臉檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］．計(jì)算機(jī)應(yīng)用，2005，25（10）:163 －165．

［4］ 徐 翠，李 然．基于YCbCr空間的高斯膚色模型的人臉檢測(cè)［J］．軟件導(dǎo)刊，2009，8（2）:179 －181．

［5］ Lei Ling，Zhou Yinqing，Li Jingwen．Investigation of Retinex algorithms for image enhancement［J］．Journal of Electron，2007，24（5）:696－700．

［6］ 韓麗娜，熊 杰，狄國(guó)華，等．利用HSV空間的雙通道同態(tài)濾波真彩圖像增強(qiáng)［J］．計(jì)算機(jī)工程與應(yīng)用，2009，45（27）:18－20．

［7］ Jain A K．Face detection in color images［J］．IEEE Trans on PAMI，2002，24（5）:696 －706．