宋懷波，齊關(guān)鋒，錢 程

(西北農(nóng)林科技大學(xué)機械與電子工程學(xué)院，陜西楊凌712100)

面部主要特征點的精確定位是判斷面部表情的關(guān)鍵，在駕駛員疲勞駕駛［1］、生物特征識別［2－3］、視頻監(jiān)控［4］、信息安全［5］、訪問控制［6］、智能機器人［7］等領(lǐng)域有著廣泛的應(yīng)用前景。但是，受光線明暗、攝像角度、膚色差異、性別、年齡等因素影響，同一個人在不同地點和時間內(nèi)拍攝到的人臉圖像存在很大的差異。因此，實現(xiàn)不同場景下的面部主要特征點的有效定位成為模式識別研究領(lǐng)域最富挑戰(zhàn)性的研究課題之一，受到了越來越多的關(guān)注。

面部主要特征點很多，目前的研究主要集中在眼部與嘴部的精確定位上。在眼部區(qū)域定位研究方面，主要采用模板匹配法［8］、特征臉方法［9］、神經(jīng)網(wǎng)絡(luò)法［10］、基于對稱性的方法［11］和 Hough變換方法等。模板匹配方法、特征臉方法以及神經(jīng)網(wǎng)絡(luò)方法著重于眼部區(qū)域的整體特征，后兩種方法主要考慮幾何特性。上述方法在光照均勻、背景簡單時可行，但其計算量較大，不利于實時處理，且對光照、旋轉(zhuǎn)角度等的影響極為敏感，很難實現(xiàn)準確定位。在嘴部區(qū)域定位研究方面，多采用局部梯度算子法［12］、主元特征矢量分析法［13］、積分投影與色度匹配相結(jié)合的方法［14］以及色素分布的方法［15］等。上述方法在提取嘴唇形狀時，容易造成非嘴唇邊緣信息的殘留以及嘴唇邊緣不完整等問題［16］，影響嘴部特征點的定位精度。

為了實現(xiàn)不同場景下的人臉面部主要特征點的精確定位，結(jié)合YUV顏色空間理論與差分投影技術(shù)，在完成人臉區(qū)域定位的基礎(chǔ)上，利用YUV顏色空間中的紅色差分量實現(xiàn)嘴部區(qū)域的提取，利用差分投影技術(shù)，并以嘴部區(qū)域的提取結(jié)果作為眼部區(qū)域定位的基礎(chǔ)實現(xiàn)眼部區(qū)域的定位。

1 基于直方圖擬合的人臉區(qū)域定位

受各種因素的影響，人臉圖像一般處于一個極度復(fù)雜的場景中，實現(xiàn)其準確分割具有一定難度。以往的研究多利用顏色信息進行人臉區(qū)域的分割，分割結(jié)果往往不夠準確。本文提出了一種基于直方圖擬合的人臉圖像分割方法，將圖像直方圖擬合出具有多峰特性的效果，以達到抑制噪聲，便于面部目標(biāo)分割的目的。

1.1 基于最小二乘法的圖像直方圖擬合

1.1.1 曲線擬合的最小二乘法原理

給定一組數(shù)據(jù)(xi，yi)(i=0，1，…，m)，在函數(shù)類φ=(φ1，φ2，…，φn)中尋找一個函數(shù) y= S*(x)，使得誤差平方和最小

式中:S(x)=a0φ0(x)+a1φ1(x)+…+anφn(x) (n＜m)。

用最小二乘法求曲線擬合，就是在S(x)中求一函數(shù)y=S*(x)，使誤差平方和取得最小的問題。通常，函數(shù)類多采用多項式進行，因此，它轉(zhuǎn)化為求多項式S(x)系數(shù)的極小值點的問題。

1.1.2 基于最小二乘法的直方圖自適應(yīng)曲線擬合

圖1是拍攝的1幅彩色人臉圖像，圖2是其所對應(yīng)的灰度圖像的灰度直方圖。由圖2可以看出，其直方圖并不呈現(xiàn)明顯的雙峰狀態(tài)，且存在過多的極值點，很難采用常規(guī)的分割算法進行處理。

圖1 拍攝到的原始人臉圖像Fig.1 O riginal human face image

圖2 圖1的灰度直方圖Fig.2 The histogram of fig.1

為解決這一問題，提出了一種基于最小二乘法的灰度直方圖擬合算法，通過設(shè)定一個足夠大的迭代階次N，并分別計算各階次下的擬合誤差，選取擬合誤差最小的擬合階次作為最優(yōu)擬合曲線。擬合后的曲線較好地表達了原始直方圖的灰度分布并呈現(xiàn)出較好的多峰特性，便于圖像的分割。

1.2 人臉位置的檢測

在絕大部分情況下，人臉區(qū)域占整幅圖像的比例有限，不可能占據(jù)直方圖曲線的最大峰值，同時根據(jù)人臉圖像的先驗知識，面部區(qū)域三基色值表現(xiàn)為R＞G＞B，即人臉區(qū)域的像素灰度值偏亮?？紤]到人臉區(qū)域易受光照等因素的影響，本文將大于最大峰值右側(cè)的所有區(qū)域均定義為人臉區(qū)域。該方法可以有效地降低算法的復(fù)雜度，雖然有可能造成分割準確度的下降，但由于采用YUV顏色空間來進行后續(xù)處理，并不影響主要特征點的定位。圖1的分割結(jié)果如圖3所示。由圖3可以看出，利用該方法可以有效地分割出人臉目標(biāo)區(qū)域。

圖3 人臉分割結(jié)果Fig.3 The results of face segmentation

2 基于彩色矢量圖嘴部區(qū)域定位算法

唇色是人臉彩色圖像中數(shù)據(jù)量相對集中且穩(wěn)定的區(qū)域，利用唇色檢測人嘴部區(qū)域具有魯棒性高、簡單易行等特點。研究表明，不同性別、不同年齡、不同膚色的人雖然在彩色空間分布上存在差異，但人類的唇色在彩色空間確實有很好的聚類性，因此可以利用唇色信息實現(xiàn)魯棒的嘴唇定位。

2.1 基于彩色矢量圖的嘴唇區(qū)域定位

相對于RGB模型，YUV顏色模型更符合人眼特性，其轉(zhuǎn)換公式如下

式中:c1、c2為藍、紅基色色差壓縮系數(shù)，取值分別為c1=0.493，c2=0.877;Y表示顏色的亮度信息，(B－Y)、(R－Y)為色差信號;U、V為相互正交的色度分量;Fm代表彩色的色飽和度;φ代表色調(diào)。

2.2 基于唇色的人臉嘴部區(qū)域提取方法

統(tǒng)計結(jié)果表明，嘴部區(qū)域的相角在87°～103°之間［15］，利用相位信息得到的人嘴部區(qū)域結(jié)果如圖4(a)所示。去噪后嘴部區(qū)域如圖4(b)所示，標(biāo)記出的嘴部區(qū)域如圖4(c)所示。可以看出，利用該方法可以有效地提取出嘴部區(qū)域。

圖4 定位的嘴唇區(qū)域Fig.4 The positioning lips area

3 基于差分投影的眼部區(qū)域定位算法

人的眼部區(qū)域包含大量的不同信息(如睫毛、瞳孔等)，因此眼睛區(qū)域內(nèi)橫縱向灰度變化較大，眼睛區(qū)域的差分投影具有較大值。設(shè)人臉圖像為

式中:W和H分別為圖像的寬和高。圖像的水平差分投影P_h(y)、豎直差分投影P_v(x)計算如下

其橫向差分投影如圖5(a)所示，在嘴部縱坐標(biāo)左右，存在兩個明顯的峰值，代表左右眼睛的縱坐標(biāo)位置。圖5(b)為其水平差分投影，利用眼睛橫坐標(biāo)小于嘴部橫坐標(biāo)這一先驗知識，即可提取出樣布的橫坐標(biāo)。眼部區(qū)域的定位結(jié)果如圖5(c)所示。

圖5 差分投影方法提取眼睛候選區(qū)域Fig.5 Differential projection of eyes candidate region

4 試驗與討論

面部主要特征點的定位實驗主要由圖像采集、結(jié)果分析和討論三部分組成。

4.1 人臉圖像數(shù)據(jù)庫的建立

以面部姿態(tài)為主要拍攝部位，共拍攝8位受試者的測試樣本98幅。其中，未發(fā)生視覺分散的樣本10幅，輕度視覺分散32幅，臨界狀態(tài)樣本32幅，嚴重視覺分散樣本24幅，部分樣本示例如圖6所示。

圖6 拍攝到的部分試驗圖像Fig.6 Som e sam p les of experim ental images

4.2 嘴部與臉部特征識別試驗

試驗所使用的樣本統(tǒng)計信息及嘴部、眼部識別結(jié)果如表1所示。

表1 特征點定位試驗樣本數(shù)分布及其結(jié)果Table 1 Experimental sample distribution and the results

由表1可以看出，采用基于YUV顏色矢量圖的方法對嘴部區(qū)域進行檢測具有很高的魯棒性，但隨著視覺分散的加劇以及遮擋的影響，檢測率會明顯下降。在眼部識別時，具有相似的規(guī)律，由于眼部區(qū)域受到諸多因素的影響，其精度比嘴部區(qū)域的定位效果偏低。

4.3 人面部特征三角形的繪制結(jié)果

根據(jù)上述算法，在完成嘴部、眼睛區(qū)域的定位后，繪制的面部特征三角形如圖7所示。從圖7中可以看出，當(dāng)測試對象發(fā)生姿態(tài)變化時，其特征三角形也發(fā)生了相應(yīng)的變化，為接下來進行面部姿態(tài)的識別奠定了良好的基礎(chǔ)。

圖7 繪制出的人面部特征三角形實例Fig.7 Facial features triangle exam p les

5 結(jié)束語

為了實現(xiàn)面部主要特征點的精確定位，首先采用直方圖擬合的方法并結(jié)合先驗知識，實現(xiàn)了一種簡化的臉部區(qū)域提取方法。在此基礎(chǔ)上，提出了一種基于YUV顏色空間與差分投影相結(jié)合的人臉區(qū)域主要特征點定位方法，有效地實現(xiàn)了面部主要特征點的精確定位。由于眼部區(qū)域的定位是在嘴部區(qū)域定位的基礎(chǔ)上進行的，因此，當(dāng)無法準確實現(xiàn)嘴部區(qū)域定位時，本算法的精度會受到較大影響。

［1］彭召意，周玉，朱文球.用于疲勞駕駛檢測的人眼快速跟蹤方法［J］.計算機工程，2010，36(15):191－193.

Peng Zhao－yi，Zhou Yu，Zhu Wen－qiu.Fast human eyes trackingmethod for drowsy driving detection［J］.Computer Engineering，2010，36(15):191－193.

［2］王蘊，朱勇，譚鐵牛.基于虹膜識別的身份鑒別［J］.自動化學(xué)報，2002，28(1):1－10.

Wang Yun，Zhou Yu，Tan Tie－niu.Biometrics personal identification based on iris pattern［J］.ACTA Automatica Sinica，2002，28(1):1－10.

［3］嚴嚴，章毓晉.基于視頻的人臉識別研究進展［J］.計算機學(xué)報，2009，32(5):878－886.

Yan Yan，Zhang Yu－jin.State of the art on video－based face recognition［J］.Chinese Journal of Computers，2009，32(5):878－886.

［4］Chellappa R，Wilson C，Sirohey S.Human and machine recognition of faces:A survey［J］.Proceedings of the IEEE，1995，83(5):705－740.

［5］Li SZ，Jain A K.Handbook of Face Recognition［M］. New York:Springer，2005.

［6］Zhao W，Chellappa R，Rosenfeld A，et al.Face recognition:A literature survey［J］.ACM Computation Survey，2003，35(4):399－458.

［7］楊佳，黃玉清，陳小寧.基于區(qū)域生長的機器人路標(biāo)識別方法研究［J］.計算機工程與設(shè)計，2008，29 (13):3410－3418.

Yang Jia，Huang Yu－qing，Chen Xiao－ning.Study on robot landmark recognition based on region growing［J］. Computer engineering and design，2008，29(13):3410－3418.

［8］Brunelli R，Poggio T.Face recognition:Features vemus templates［J］.IEEE Trans PAMI，1993，15(10):1042－1052.

［9］Pentland A，Moghaddam B，Starner T.View based and modular eigen spaces for face recognition［C］//Proceedings of the IEEE Conference on CVPR，Seattle，Washington，1994:84－91.

［10］劉艷梅，薛定宇，徐心和.基于人工神經(jīng)網(wǎng)絡(luò)的立體視覺定位方法［J］.計算機工程與應(yīng)用，2005，41 (22):33－35.

Liu Yan－mei，Xue Ding－yu，Xu Xin－h(huán)e.Stereovision measurement method based on neural network［J］. Computer Engineering and Applications，2005，41(22): 33－35.

［11］Reisfeld D，Yeshurun Y.Robust detection of facial features by generalized symmetry［C］//IEEE Proceedings.11th IAPR International Conference，1992:117－120.

［12］靳薇，張建奇，張翔.基于局部梯度算子的嘴部檢測與定位［J］.光電工程，2009，36(10):135－140.

Jin Wei，Zhang Jian－qi，Zhang Xiang.Detection and localization of themouth based on local gradient operator［J］.Opto－Electronic engineering，2009，36(10):135－140.

［13］王琢玉，賀前華.基于主元分析的人臉特征點定位算法的研究［J］.計算機應(yīng)用，2005，25(11):2581－2583.

Wang Zhuo－yu，He Qian－h(huán)ua.PCA－based location algorithm of human face features［J］.Computer applications，2005，25(11):2581－2583.

［14］陶丹，馮驍宇.一種基于積分投影與色度匹配相結(jié)合的快速人眼嘴定位算法［J］.計算機應(yīng)用研究，2009，26(4):1578－1588.

Tao Dan，F(xiàn)eng Xiao－yu.Fast eye and mouth location algorithm based on integral projection and colormatching［J］.Application Research of Computers，2009，26(4): 1578－1588.

［15］Tang C Y，Chen Z，Huang Y P.Automatic detection and tracking of human heads using an active stereo system［J］.International Journal of Pattern Recognition and Artificial Intelligence，2000，14(2):137－166.

［16］Shan SG，Cao B，Gao W.Extended fisherface for face recognition from a single example image person［J］. IEEE International Symposium on Circuits and Systems，2002，(2):81－84.