侯順艷 郄建敏 許 靜

(河北大學(xué) 電子信息工程學(xué)院，河北 保定071002)

0 引言

人臉檢測是人臉表情識別、人機(jī)交互的第一步，快速有效的人臉檢測直接影響人臉識別系統(tǒng)的實(shí)現(xiàn)。人臉檢測是指運(yùn)用一定的算法從不同背景或者視頻中圖像確定其中是否有人臉，若有則標(biāo)出人臉的大小、位置、是否旋轉(zhuǎn)以及旋轉(zhuǎn)角度等信息。自上世紀(jì)90 年代以來，科研人員提出了很多人臉檢測算法，大致分為四類：基于知識的方法、基于特征的方法、基于模板的方法和基于表象的方法[1]。本文結(jié)合雙膚色模型與Adaboost 算法開發(fā)人臉檢測系統(tǒng)。

1 系統(tǒng)開發(fā)方案

Intel 公司的開源計(jì)算機(jī)視覺庫OpenCV (Open Source Computer Vision Library)[2]，由一系列C 函數(shù)和少量 C++ 類構(gòu)成，具有良好的可移植性，其代碼都經(jīng)過優(yōu)化，可以進(jìn)行圖像的實(shí)時(shí)處理。 OpenCV 廣泛應(yīng)用在人機(jī)互動(dòng)、物體識別、圖象分割、人臉識別、動(dòng)作識別、運(yùn)動(dòng)跟蹤、機(jī)器人等領(lǐng)域。利用OpenCV 實(shí)現(xiàn)人臉檢測，為系統(tǒng)開發(fā)帶來了極大的方便。

在Windows 環(huán)境下，基于可視化開發(fā)平臺(tái)VS2010，調(diào)用OpenCV視覺庫，設(shè)計(jì)人臉檢測算法，開發(fā)一個(gè)實(shí)用的人臉檢測系統(tǒng)。

2 人臉檢測算法設(shè)計(jì)

2.1 顏色空間的選擇

膚色作為人臉的主要特征，從圖像中抽取膚色，利用膚色檢測可有效減小搜索范圍， 提高檢測速度。 常用的顏色空間有RGB、HIS、CYMK、YCbCr 等，其中，YCbCr 色彩空間是 MPEG 數(shù)字視頻編碼標(biāo)準(zhǔn)建議的顏色空間，具有計(jì)算、表示簡單，亮度分離，能較好的限制膚色分布范圍等特點(diǎn)。 本文在YCbCr 空間下實(shí)現(xiàn)膚色檢測，從RGB 空間到Y(jié)CbCr 空間的轉(zhuǎn)化可由線性公式（1）得到。

2.2 基于雙膚色模型的人臉粗檢

膚色模型是指用一種代數(shù)的（解析的）或查找表等形式來表示哪些像素的顏色屬于膚色，或者表征出某一像素的顏色與膚色的相似程度[3]。

2.2.1 簡單邊界膚色模型

簡單邊界膚色模型依據(jù)膚色在顏色空間中相對的集中在某一區(qū)域，使用一個(gè)或一組已知數(shù)學(xué)公式來表示膚色范圍。 簡單邊界模型要取得好的效果必須解決兩個(gè)問題[4]：（1）如何選擇合適的顏色空間；（2）如何確定規(guī)則中的參數(shù)。在選擇顏色空間時(shí)除了要考慮膚色在顏色空間中的聚集程度外，還要考慮膚色與非膚色區(qū)域的可分離性。

2.2.2 高斯膚色模型

根據(jù)統(tǒng)計(jì)理論， 在YCbCr 空間中膚色的分布是連續(xù)的并且滿足高斯分布。 本文從自建的圖像集中選取大量含有膚色的圖像，分出膚色像素點(diǎn)，組成訓(xùn)練樣本，利用樣本的統(tǒng)計(jì)方法、EM 算法確定Gauss分布的均值和方差。 根據(jù)膚色在YCbCr 空間的高斯分布，對被檢測的圖像計(jì)算像素點(diǎn)距離高斯模型分布中心的馬氏距離。 按照公式（2）得到各像素點(diǎn)屬于膚色區(qū)域的概率，即可得到膚色似然圖。

其中，m 是該圖像的平均值；C 是協(xié)方差矩陣；

2.2.3 基于雙膚色模型的膚色分割

簡單邊界模型運(yùn)行效率較高，邏輯簡單，常用于實(shí)時(shí)系統(tǒng)檢測，但是膚色范圍如果設(shè)置的太大，則會(huì)引入大量非膚色。 基于概率的動(dòng)態(tài)閾值模型如高斯模型，相對來說實(shí)現(xiàn)較復(fù)雜，但是檢測精度高。因此本文采用簡單邊界模型和高斯模型相結(jié)合的方法優(yōu)化膚色檢測過程。

首先輸入圖像如圖1(a),選擇YCbCr 顏色空間中的CbCr 平面，設(shè)置膚色邊界范圍：100≤Cb≤127,133≤Cr≤173。 如果圖像中的像素落在限定的矩形區(qū)域內(nèi)，就認(rèn)為該像素為膚色，從而得到初次分割結(jié)果，如圖1(b)。 通常采用白色表示膚色區(qū)域，黑色表示非膚色區(qū)域。

初次分割的結(jié)果修正高斯膚色模型，對輸入圖像應(yīng)用高斯模型進(jìn)行膚色相似度判定，得到膚色似然圖，如圖1(c)。 用最大類間方差法確定最佳閾值，得到膚色二值圖像如圖1（d）。

2.2.4 人臉粗檢

對膚色分割得到的二值圖像進(jìn)行后處理，通過膨脹與腐蝕等形態(tài)學(xué)處理填充小空洞，去除小的噪聲，以去除非人臉區(qū)域，判定膚色區(qū)域內(nèi)孔的數(shù)量、大小及其位置關(guān)系，計(jì)算連通區(qū)域的寬和高，確定候選人臉區(qū)域。

2.3 結(jié)合AdaBoost 的人臉精檢測

Viola[5]提出了一種結(jié)合Adaboost 和Cascade 算法的多特征檢測系統(tǒng)，具有極高的運(yùn)行速度，實(shí)現(xiàn)了人臉的實(shí)時(shí)檢測，并具有較高的檢測準(zhǔn)確率，在人臉分析領(lǐng)域引起了廣泛的關(guān)注。 該算法采用一組類似于哈爾小波變換(Haar-Like)的濾波器來計(jì)算圖象的特征值,包括3 種特征：雙矩形特征、三矩形特征和四矩形特征。

圖1 基于雙膚色模型的膚色分割

本文利用AdaBoost 級聯(lián)分類器掃描候選人臉區(qū)域， 依次調(diào)用每級強(qiáng)分類器對該區(qū)域檢測， 因此AdaBoost 級聯(lián)分類器不用掃描整個(gè)圖像，從而提高了人臉檢測速度，準(zhǔn)確的定位出人臉。

3 系統(tǒng)運(yùn)行及功能分析

3.1 系統(tǒng)運(yùn)行界面

人臉檢測系統(tǒng)基于Windows 風(fēng)格，方便用戶操作。 系統(tǒng)運(yùn)行界面如圖2，圖中為精確定位人臉實(shí)例。

3.2 人臉檢測功能分析

人臉檢測是人臉識別的第一步，檢測效果直接影響后續(xù)工作。 對人臉檢測效果進(jìn)行分析，采用540 張靜態(tài)圖像進(jìn)行測試，包括各種復(fù)雜環(huán)境和背景、不同尺寸、不同角度的單人臉和多人臉圖像，共878 個(gè)人臉。 通過測試， 共檢測出789 張人臉， 誤檢人臉43 張， 檢測率為89.9，平均每張臉檢測時(shí)間0.963 秒?？傮w說來，檢測效果較好，基本滿足系統(tǒng)要求。

圖2 人臉檢測系統(tǒng)運(yùn)行界面

4 結(jié)論

基于雙膚色模型和AdaBoost 算法， 開發(fā)了一個(gè)實(shí)用的人臉檢測系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了膚色檢測、人臉檢測及特征定位等功能。實(shí)驗(yàn)證明該系統(tǒng)在檢測率和檢測速度上均有一定的提高，為后續(xù)人臉識別及實(shí)際應(yīng)用提供了有力的保障。

［1］Yang M H, Kriegnum D J.Ahuja N.Delecting face in images：a survey[J].Pattern Analysis and Machine Intelligence, 2002,24(1):34-58.

［2］賈小軍，喻擎蒼.基于開源計(jì)算機(jī)視覺庫OpenCV 的圖像處理[J].計(jì)算機(jī)應(yīng)用與軟件，2008，25(4):276-278.

［3］Guangzheng Yang， Thomas S Huang.Human face detection in a complex background[J].Pattern Recognition，1996：345-350.

［4］陳鍛生，劉政凱.膚色檢測技術(shù)綜述[J].計(jì)算機(jī)學(xué)報(bào)，2006，29(2)：194-207.

［5］Viola P, JonesM.Rapid object detection using a boosted cascade ofsimple features[C]//IEEE Conf on ComputerVision and Pattern Recognition, Kaua,i Hawai,USA: IEEE Computer Society, 2001.