周 瑾，王元慶＋，范科峰

（1.南京大學 電子科學與工程學院，江蘇 南京 210093；2.中國電子技術(shù)標準化研究所，北京 100007）

0 引 言

在人臉檢測領(lǐng)域，國內(nèi)外研究者已經(jīng)提出了多種方法［1］。近年來，研究的熱點集中于數(shù)據(jù)和特征驅(qū)動的統(tǒng)計學習方法［2－5］，目前該方法對于弱干擾的場景有令人滿意的效果，同時也存在一些問題：基于統(tǒng)計學習的方法主要依賴面部器官分布的共性，而實際場景中不可避免地存在灰度分布和面部十分相似的區(qū)域；實際場景中大部分人臉都會受到不同程度的干擾，這些干擾包可能包括環(huán)境因素、姿態(tài)、表情以及遮擋；統(tǒng)計學習的訓練十分耗時。對于這些問題已經(jīng)有研究者提出多種方法［6－11］，但沒有能較好解決上述所有問題的方案。針對上述問題，本文提出若干方法：基于膚色團塊特征提取有效候選窗口，可剔除絕大部分類人臉區(qū)域；利用人臉中某些部位比其他部位特征更穩(wěn)定的先驗知識，通過合理化訓練樣本分布以及人工干預弱分類器權(quán)重，使得系統(tǒng)對光照、表情和姿態(tài)變化有較好的魯棒性，特別是對于大面積的遮擋有很好的性能，同時有效利用幀間冗余加速檢測；針對訓練耗時的問題，將Ada－Boost算法移植到圖形處理器（GPU）上實現(xiàn)，顯著提高了訓練速度。

1 人臉檢測

1.1 基于積分圖和膚色團塊特征的候選區(qū)域選取

針對傳統(tǒng)幾何和圖像特征處理耗時、魯棒性低的缺點，本文提出了一種基于膚色團塊特征的快速篩選候選區(qū)域的方法。該方法的優(yōu)勢在于：不涉及細節(jié)性的特征，在圖像分辨率較低和有遮擋的條件下也有很好的效果；不涉及形狀分析和形態(tài)學處理等復雜的計算，結(jié)合金字塔結(jié)構(gòu)和積分圖可進一步加速運算。

本文采用了YCbCr空間基于K－L 變換的橢圓模型［12］進行膚色檢測，如式（1）和（2）所示

本文定義了膚色覆蓋率r來標記有效的膚色團塊，如式（3）所示

式（3）中，m和n分別表示一個矩形窗口的長和寬，∑colorPixels表示該矩形窗口中被檢測為膚色的像素總數(shù)。在實際檢測過程中，r的計算是在金字塔搜索的過程中進行的，事先對圖像進行膚色檢測，并構(gòu)建一個膚色積分圖，在對某一個尺度的圖像使用檢測窗口進行遍歷的時候，先計算該窗口膚色覆蓋率r，如果r超過了某個預設(shè)閾值，則將該窗口送入后級的人臉－人眼兩層檢測器處理，否則忽略該窗口。利用積分圖計算一次r，僅需要三次整數(shù)加（減）法的運算，這樣避免了將大量無效窗口送入分類器，節(jié)省了大量的運算。圖1中定性地給出了候選區(qū)域選取的結(jié)果，原圖尺寸的為640×480，而圖中給出的是160×160層次的有效窗口。

圖1 候選區(qū)域選取的結(jié)果

1.2 弱分類器的訓練

本文使用了6種Haar－Like型特征構(gòu)建特征空間，如圖2所示，其中a－e是5類經(jīng)典特征，而標簽為“f”的特征是本文提出的一種分離型特征，這種特征主要針對人臉的對稱性。

本文用連續(xù)型AdaBoost訓練人臉分類器。在訓練過程中，得到第k個弱分類器的離散概率分布的公式如式（4）所示

圖2 Haar－Like型特征

在式（4）中，ε是平滑因子，它的作用為保證真數(shù)為一個有界正數(shù)，以及抑制過學習的出現(xiàn)。在一般的Ada－Boost算法中該因子是一個常數(shù)，當其取得過小時，無法有效抑制過學習，取得過大又會影響概率分布，在原始算法中，該因子始終為一個定值，考慮到過學習現(xiàn)象一般出現(xiàn)在訓練過程的后期，本文提出了一種改進策略，在第一輪訓練時為平滑因子取定一個初始值ε0，在訓練過程中，該因子以一個固定步長Δε遞增，如式（5）所示，這樣可以有效地解決ε的取值問題，使得訓練過程在初期快速收斂，在后期防止過擬合

1.3 提高分類器泛化性能的方法

泛化能力是指機器學習算法對輸入集以外的樣本的適應(yīng)能力，當人臉分類器有很好的泛化能力時，可以有效克服環(huán)境因素、運動和姿態(tài)變化和遮擋的影響。

在樣本數(shù)量多到一定程度時，再用增加樣本數(shù)量的方式提高分類器的泛化性能很困難，因此本文使用了兩個方法進一步提高泛化能力：①使訓練樣本分布合理化；②人工調(diào)整弱分類器權(quán)重。

在第一個方法中，使訓練樣本中盡可能地包含合理比例的各種模式的樣本，每個模式都代表實際場景中一類典型的灰度分布模式，見表1。

表1 訓練樣本的分布情況

在第二個方法中，本文首先對人臉的灰度分布特點進行分析，得出的結(jié)論是：人臉中某些區(qū)域的灰度分布相比其他區(qū)域更加集中，即這部分特征更穩(wěn)定。如圖3 所示，區(qū)域A 中包含雙眼和鼻子，這些部位總體上受姿態(tài)、表情和個體差異等影響較小，而區(qū)域B 易受發(fā)型和裝飾物的干擾，區(qū)域C的灰度分布最為離散，因為該區(qū)域包含無數(shù)種表情，且容易被遮擋。本文采用人工干預弱分類器權(quán)重的方法減小實際檢測中的干擾，具體做法是降低B和C 區(qū)域中細節(jié)性特征的權(quán)重。表2 中給出了最終訓練得到的Haar－Like特征在各個區(qū)域中的分布情況。

圖3 人臉各區(qū)域灰度分布分析

表2 人臉各區(qū)域中的特征分布情況

1.4 級聯(lián)分類器的構(gòu)建

如圖4所示，人臉檢測器由一系列強分類器級聯(lián)組成，第一級強分類器較為簡單，從前級到后級分類器的復雜度逐級增加，主要體現(xiàn)在每一級包含的弱分類器個數(shù)上，采用這種結(jié)構(gòu)可以在前級剔除絕大多數(shù)的無效窗口，只有少數(shù)窗口可以進入后級分類器進行決策。在圖4中，箭頭的粗細定性地表示樣本的數(shù)量多少。

圖4 級聯(lián)分類器結(jié)構(gòu)

2 跟蹤與濾波

2.1 卡爾曼濾波

卡爾曼濾波算法被用于估計該人臉在下一幀中的位置，同時對當前檢測到的位置進行濾波?？柭鼮V波器可以有效提高搜索速度，同時通過濾除噪聲提高檢測的穩(wěn)定性。

考慮真實的運動情景，相對于25fps的視頻流，人臉的運動在大部分情況下是慢速且平滑的，我們假設(shè)待檢目標在x－y平面上的運動是一個被隨機的加速度所擾動的勻速直線運動，加速度a滿足：a～N（0，σw2）。該模型的狀態(tài)方程和量測方程如式（6）和式（7）所示

其中，x（k）和z（k）分別是時刻k的狀態(tài)向量和測量向量，x（k＋1｜k）表示對k＋1 時刻狀態(tài)的預測。w（k）和v（k）分別是過程噪聲和觀測噪聲，它們均服從零均值多元正態(tài)分布，它們的協(xié)方差分別為Qk和Rk。A（k＋1｜k）和H（k）分別是狀態(tài)轉(zhuǎn)移矩陣和觀測矩陣。將x（k）、A（K＋1｜k）與H（k）寫成矩陣形式如式（8）和（9）所示

其中，Δt為相鄰幀的時間間隔，在本文的系統(tǒng)中為40ms（1／25s）。在算法運行過程中，卡爾曼濾波器構(gòu)造了一個“預測－校正”模型，預測過程起到預估器的作用，而校正過程進行去噪濾波。

2.2 檢測幀和跟蹤幀的切換

不同于靜態(tài)圖像，實時視頻中有相當?shù)娜哂嘈畔?，基于這一點，本文將視頻幀分為檢測幀（D 幀）和跟蹤幀（T幀）。在處理D 幀時，過程等同于對靜態(tài)圖像的處理，而在處理T 幀時，將只對上一幀檢測到的人臉進行跟蹤，整個過程如圖5所示。

圖5 檢測和跟蹤動態(tài)結(jié)合

兩個相鄰的D 幀中間是K個T 幀，一般情況下K 是常數(shù)，而在當前幀檢測到的人臉數(shù)少于上一幀的情況下，下一幀將自動切換為D 幀，以確認是否發(fā)生跟蹤失敗。這種切換策略能在降低運算量的同時，避免檢測目標的丟失。

3 系統(tǒng)總體框架

本文的總體算法流程如圖6所示，分為離線訓練和在線檢測兩個部分，圖中左邊的虛線框表示離線訓練部分，基于GPU 運算的連續(xù)型Adaboost算法對大量正負樣本的訓練，得到一系列的查找表型（look－up－table，LUT）弱分類器，經(jīng)過對這些分類器的人工權(quán)重調(diào)整，最終構(gòu)成級聯(lián)強分類器組；圖中右邊的虛線框表示在線檢測部分，從圖中可以看出級聯(lián)分類器的輸入源有兩個，即利用膚色覆蓋率提取的結(jié)果或者利用上一幀數(shù)據(jù)預測的結(jié)果。

圖6 系統(tǒng)總體流程

4 實驗結(jié)果

圖7中定量地給出了基于膚色覆蓋率的候選窗口篩選的結(jié)果，圖7中縱坐標表示候選窗口的數(shù)目，橫坐標表示膚色覆蓋率閾值，五條曲線分別代表5種尺度。閾值取0.6時，有效窗口的數(shù)量約為總窗口數(shù)的5%，再結(jié)合卡爾曼預測和金字塔結(jié)構(gòu)，最終只有少于1%的檢測窗口會被送入后級分類器。

圖7 不同閾值下有效窗口數(shù)量

在人臉檢測器的訓練中，正樣本數(shù)為5000，每一級的負樣本數(shù)為40000，樣本大小為20×20像素，最終得到11級AdaBoost分類器，共由790個弱分類器構(gòu)成。AdaBoost算法的運算量非常大，在本文所用樣本數(shù)量的情況下，用普通PC（單核，主頻2.6GHz）機訓練一個弱分類器的時間約為1.5 小時，總訓練時間為：790＊1.5（小時）＝1185（小時），約50 天。針對這個問題，本文使用基于CUDA 技術(shù)的GPU 并行計算，運行在NVIDIA GTS450顯卡上，將每個弱分類器訓練時間減少到38秒，總訓練時間為8.3小時，實現(xiàn)了一百多倍的加速，當然，這里并沒有計入樣本庫生成的時間，但足可以說明將訓練程序移植到GPU 實現(xiàn)帶來的加速效果是顯著的，且性價比極高。

攝像頭分辨率為640×480，主機處理器為奔騰雙核E5300（只用單核），主頻為2.6GHz。經(jīng)過對超過5萬個視頻幀的測試，本文的系統(tǒng)對基本沒有干擾的正面人臉檢測率達到98.8%，對有大面積遮擋的人臉檢測率達到91.5%。單幀的平均處理時間如表3 所示，本文的系統(tǒng)每幀的平均處理時間僅為7.7ms。圖8給出了部分檢測結(jié)果，其中包括了不同的光照條件、表情變化、姿態(tài)變化、大面積遮擋和多人的情況。

表3 平均單幀處理時間

圖8 部分實時檢測結(jié)果

5 結(jié)束語

綜上所述，使用基于積分圖和膚色覆蓋率的方法提取候選區(qū)域可以有效去除復雜背景中與人臉有相似灰度分布的區(qū)域，同時通過減少送入分類器的窗口數(shù)量提高檢測速度；有良好泛化性能的AdaBoost級聯(lián)分類器保證了低誤檢率和魯棒性，基于GPU的實現(xiàn)的訓練程序?qū)z測速度提高了兩個數(shù)量級；卡爾曼濾波和D／T 幀切換充分利用了視頻的冗余信息，在不影響檢測效果的情況下加快了處理速度。最終系統(tǒng)的檢測速度完全達到實時系統(tǒng)的要求。考慮到同一類樣本的分布不能過于離散，現(xiàn)有的方法只能檢測小角度傾斜的對象。檢測更多姿態(tài)和偏轉(zhuǎn)角度的用戶，是下一步的改進方向。

［1］SUN Ning，ZOU Cairong，ZHAO Li.Face detection：A survey［J］.Journal of Circuits and Systems，2006，11（6）：101－108（in Chinese）.［孫寧，鄒采榮，趙力.人臉檢測綜述［J］.電路與系統(tǒng)學報，2006，11（6）：101－108.］

［2］YANG Chengping，WANG Yuanqing.A face detection based on frontal－inverse adaboost algorithm［J］.Chinese Jourml of Electron Devices，2008，31（1）：355－358.

［3］Tsao Wen Kwang，Anthony J T Lee，LIU Yingho，et al.A data mining approach to face detection［J］.Pattern Recognition，2010，43（3）：1039－1049.

［4］YANG Jie，LING Xufeng，ZHU Yitan，et al.A face detection and recognition system in color image series［J］.Mathematics and Computers in Simulation，2008（77）：531－539.

［5］ZHANG Jianming，WANG Daqing.Building multi－view realtime video face detection system based on Adaboost algorithm［J］.Computer Engineering and Design，2010，31（18）：4065－4067（in Chinese）.［張建明，汪大慶.基于Adaboost算法的多姿態(tài)人臉實時視頻檢測［J］.計算機工程與設(shè)計，2010，31（18）：4065－4067.］

［6］YAO Jian，ZHAO Xunjie.Face detection combined skin colormodel and Adaboost algorithm［J］.Journal of Suzhou University（Natural Science Edition），2009，25（3）：63－67（in Chinese）.［姚建，趙勛杰.結(jié)合膚色模型和Adaboost算法的人臉檢測［J］.蘇州大學學報（自然科學版），2009，25（3）：63－67.］

［7］YANG Weiguo，DONG Shufeng，CHEN Juzi.Fast composite color face detection algorithm of adaptive search object［J］.Computer Engineering and Design，2011，32（4）：1441－1444（in Chinese）.［楊衛(wèi)國，董蜀峰，陳聚祉.自適應(yīng)搜索目標的快速彩色復合人臉檢測方法［J］.計算機工程與設(shè)計，2011，32（4）：1441－1444.］

［8］ZHONG Xiang，WANG Yuanqing.Real－time face detection by Adaboost based on infrared illumination［J］.Computer Engineering，2009，35（8）：222－224（in Chinese）.［鐘翔，王元慶.基于紅外照明的Adaboost 實時人臉檢測［J］.計算機工程，2009，35（8）：222－224.］

［9］HAN Jing，WANG Yuanqing.Eye detection based on real Ada－Boost and bright pupil effect［J］.Electronic Measurement Technology，2009，32（8）：114－117（in Chinese）.［韓晶，王元慶.基于亮瞳效應(yīng)的連續(xù)AdaBoost人眼檢測［J］.電子測量技術(shù)，2009，32（8）：114－117.］

［10］YAN Chao，WANG Yuanqing，ZHANG Zhaoyang.Robust real－time multi－user pupil detection and tracking under various illumination and large－scale head motion［J］.Computer Vision and Image Understanding，2011，115（1）：1223－1238.

［11］DU Xingjing，BAI Tingzhu，HE Yuqing.Study of fast partial obscured face detection algorithm［J］.Computer Engineering and Design，2011，32（3）：984－987（in Chinese）.［杜杏菁，白廷柱，何玉青.快速局部遮擋人臉檢測算法研究［J］.計算機工程與設(shè)計，2011，32（3）：984－987.］

［12］GAO Jianpo，WANG Yujian，YANG Hao，et al.An elliptical model based on KL transform for skin color detection［J］.Journal of Electronics ＆Information Technology，2007，29（7）：1739－1743（in Chinese）.［高建坡，王煜堅，楊浩，等.一種基于KL變換的橢圓模型膚色檢測方法［J］.電子與信息學報，2007，29（7）：1739－1743.］