周利琴，谷 林

（西安工程大學(xué) 計算機科學(xué)學(xué)院，陜西 西安710048）

0 引 言

隨著互聯(lián)網(wǎng)技術(shù)的不斷升級，特別是移動互聯(lián)網(wǎng)的高速發(fā)展，電子商務(wù)進入了高速蓬勃的發(fā)展時期.為了更好地促進服裝產(chǎn)品的在線銷售，研究人員一直致力于虛擬試衣技術(shù)的研究.目前國內(nèi)外針對三維虛擬試衣的研究取得了一定程度的發(fā)展［1-2］，但其主要集中在人體軀干部的模擬及服裝試穿技術(shù)研究上，能夠同時體現(xiàn)客戶真實臉部特征的研究比較少.而人臉是人物的個性表現(xiàn).未來的服裝虛擬試穿系統(tǒng)不僅要準(zhǔn)確模擬出人體體型特征，而且還應(yīng)能逼真地模擬出人的臉型、膚色、氣質(zhì)等影響服裝穿著效果的臉部特征信息.要在虛擬試衣的模特上塑造個性化的人物頭部模型，使三維虛擬試衣更具真實性，識別出遠程用戶圖像中的人臉區(qū)域，并對人臉特征進行分析提取是首先要解決的問題.

人臉檢測技術(shù)在當(dāng)今社會生活中扮演著相當(dāng)重要的角色，如視頻監(jiān)控、人機交互、人臉識別、人臉數(shù)據(jù)庫分類管理等業(yè)務(wù)，均用到了人臉檢測這個關(guān)鍵技術(shù).人臉的檢測和識別技術(shù)是模式識別、計算機視覺和圖像理解系統(tǒng)的研究熱點之一，它綜合了圖像理解、計算機視覺、數(shù)據(jù)庫和人工智能等多方面多學(xué)科的知識，應(yīng)用前景廣闊，受到了越來越廣泛的重視，并得到了迅速的發(fā)展，取得了很多有價值的研究成果［3-5］.人臉檢測技術(shù)主要方法有以下幾種：基于幾何特征的方法［6］、基于彈性模型的方法［7］、基于神經(jīng)網(wǎng)絡(luò)的方法［8］和基于統(tǒng)計模型的方法［9］等等.其中基于幾何特征的方法又包括基于膚色的方法［10-15］、基于紋理的方法［16］等.本文研究基于膚色這一特征來對膚色進行檢測.

1 RGB色彩空間與YCbCr色彩空間的轉(zhuǎn)換

根據(jù)計算機的色彩原理，對于同一種顏色，計算機可能有多種不同的表達方式，因此就形成了各種不同的色彩空間，例如，RGB、HSV、LAB及YCbCr等色彩空間.

RGB色彩空間是一種最典型也最常用的色彩空間，它由紅、綠、藍三基色疊加產(chǎn)生不同顏色.而YCbCr色彩空間是亮度和色度分離的一種色彩空間，主要應(yīng)用于數(shù)字電視系統(tǒng).它可以由RGB線性轉(zhuǎn)換而得，其中Y為顏色的亮度，Cb，Cr分別表示藍色色度分量和紅色色度分量.

由于不同人的膚色在色度上的差異遠小于亮度上的差異，因此本文選擇YCbCr色彩空間來確定膚色區(qū)域，以便將亮、色分離.

由RGB色彩空間轉(zhuǎn)換為YCbCr色彩空間的關(guān)系式為

2 基于高斯膚色模型的臉部定位

從人體正面照片中定位出人臉區(qū)域，為以后提取臉部特征點打下很好的基礎(chǔ)，減少了定位的范圍，提高了定位特征點的準(zhǔn)確性.定位人臉區(qū)域的過程如圖1所示，首先對人體正面照片進行色彩空間的轉(zhuǎn)換，建立高斯膚色模型；然后對該模型進行膚色檢測，區(qū)分開照片中的膚色區(qū)域和非膚色區(qū)域；最后，通過下巴檢測區(qū)分開人臉區(qū)域和脖頸區(qū)域.

圖1 定位人臉區(qū)域的過程示意圖Fig.1 Locate the face region process diagram

2.1 高斯膚色模型

人臉膚色模型是一種在彩色空間內(nèi)為有效處理人臉膚色信息而建立的模型.相對于處理灰度信息，人臉膚色具有對光照姿態(tài)變化不敏感、包含豐富的人臉信息等優(yōu)點，被廣泛應(yīng)用于膚色特征提取、人臉檢測、人臉識別等方向.其中基于YCbCr色彩空間的高斯膚色模型是應(yīng)用最為廣泛的膚色模型之一.

建立基于YCbCr色彩空間的高斯膚色模型的主要依據(jù)是，不同的人臉膚色在YCbCr色彩空間中，若不考慮亮度分量Y的影響，色度分量Cb和Cr的分布幾乎是一致的，而且分布非常集中，符合二維高斯分布.高斯膚色模型的均值m、方差C和像素在YCbCr色彩空間的值x的公式為

2.2 膚色區(qū)域定位

基于膚色的檢測方法是根據(jù)膚色在色彩空間上的特殊分布來對圖像中的膚色區(qū)域進行檢測.膚色是人體裸露在外的最為顯著的特征之一，膚色是人臉部、頸部及手部與其他區(qū)域的區(qū)別之處，同時膚色對人體的姿勢或者表情等的變化不會產(chǎn)生過大的區(qū)別.

在YCbCr色彩空間中，不同亮度的人臉膚色存在著特殊的聚類關(guān)系，在忽略亮度分量Y的情況下，色度分量Cb和Cr分布在一個較小的區(qū)域范圍內(nèi)，分布情況幾乎一致，并且服從高斯分布，CbCr區(qū)域的高斯膚色模型概率分布如圖2所示.因此本實驗中利用這一特點，首先建立高斯膚色模型，再對該模型進行相似度計算、二值化等處理，區(qū)分開膚色區(qū)域和非膚色區(qū)域.

圖2 CbCr區(qū)域的高斯膚色模型概率分布Fig.2 The probability distribution of gaussian skin color model in the CbCr region CbCr region

經(jīng)過實驗統(tǒng)計，膚色在CbCr空間中符合的高斯模型G（m，C），其中均值m和方差C分別為

2.2.1 相似度計算 根據(jù)已建立的高斯膚色模型，計算各個像素的概率值并得到一個膚色概率圖，根據(jù)判斷的各個像素點的顏色和膚色的相似度的大小，來對膚色進行確認.計算相似度時的公式為

其中，Cr，Cb為YCbCr色彩空間中的色度分量；x為像素在YCbCr色彩空間的值；m，C分別為高斯膚色模型的均值和方差.

將各個像素點代入上式計算出每個P（Cr，Cb）的值，然后進行濾波即歸一化處理，用P（Cr，Cb）與該圖像中P（Cr，Cb）最大值的商作為該像素的相似度，由此可見每個像素點的相似度值在［0，1］范圍內(nèi).這個值越小表示這個像素點為膚色的可能性越小，反之則越大.

2.2.2 二值化去噪 圖像閾值分割是一種比較常用的圖像分割技術(shù)，它利用要提取的區(qū)域和圖像的背景在灰度上的差異，把圖像看成兩個具有不同灰度級的區(qū)域的組合，即目標(biāo)區(qū)域和背景區(qū)域，因此選擇一個比較合適的閾值，來區(qū)分圖像中的像素的目標(biāo)區(qū)域和背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像是關(guān)鍵的一步.

由于不同人種的膚色是有一定的差異的，而且不同的照片中人的膚色也是不同的，因此設(shè)置一個固定的閾值是不現(xiàn)實的.在確定閾值時，需要對每張不同的照片計算出的閾值，從而區(qū)分開膚色區(qū)域和非膚色區(qū)域.

實驗表明，并不是閾值越小檢測出的膚色區(qū)域就越精確.而是當(dāng)閾值在一定范圍內(nèi)，隨著閾值的減小，識別出的膚色區(qū)域?qū)⒉粫黾樱藭r膚色像素已經(jīng)被全部檢測出來，若再降低閾值，則會將非膚色區(qū)域誤檢測為膚色區(qū)域.則隨著閾值的減少，膚色區(qū)域面積變化最小的為最優(yōu)閾值.本文采取讓閾值從0.75開始每次減少0.1，直到減少為0.05，記錄每個閾值情況下的膚色像素數(shù)量，并比較該閾值情況下的膚色數(shù)量與上個閾值情況下的膚色數(shù)量的增加量，增加量最小的時候即為最優(yōu)解，不同閾值下的識別結(jié)果如圖3所示.

2.3 下巴識別

經(jīng)過一系列操作膚色區(qū)域可以確認出來，但是，如果想僅僅通過膚色區(qū)域定位操作就能標(biāo)記出人臉區(qū)域是不夠的.這是因為根據(jù)上述方法我們可以區(qū)分開膚色區(qū)域和非膚色區(qū)域，但人體裸露在外的膚色區(qū)域不僅僅只有臉部，人體頸部及其以下皮膚也有所暴露.接下來的任務(wù)就是從上述得到的區(qū)域中區(qū)分開人臉部和脖頸部區(qū)域，進一步確認出人臉區(qū)域.

在人臉之中，不同人的五官的位置存在共性.一般來說，大致都符合“三庭五眼”中的比例關(guān)系，“三庭五眼”示意圖如圖4所示.所謂“三庭”是描述人臉的長度關(guān)系，是指從前額中央的發(fā)際線開始到下巴之間的距離，共分為3等分：從發(fā)際線到眉骨、從眉骨至鼻底、從鼻底至下巴各為一“庭”；“五眼”是描述人臉的寬度關(guān)系，兩眼之間、左右兩眼、兩眼的外眼角到左右兩側(cè)發(fā)際線共為“五眼”.

一般情況下都用矩形框來表示人臉區(qū)域所在，在照片中找出像素點為白色（膚色）最多的一列，此列即為人臉區(qū)域的高度線，再向左右掃描，確定人臉的左右界限，再根據(jù)左右界限來確定上界限.已經(jīng)確定了上、左和右的界限，由于目前確定的人臉區(qū)域不只包含臉部區(qū)域，還包括脖頸區(qū)域，人臉識別示意圖如圖5所示.因此還要將臉部和脖頸區(qū)域區(qū)分開，確定人臉區(qū)域的下邊界.

圖3 不同閾值下的識別結(jié)果Fig.3 The identification results under different threshold

圖4 “三庭五眼”示意圖Fig.4 The sketches of“three court five eyes”

圖5 人臉識別示意圖Fig.5 The sketches of face

根據(jù)人體的先驗知識，知道人體臉部與頸部的分界區(qū)域是下巴，所以應(yīng)該識別出下巴所在的區(qū)域.本文輸入的是人體正面證件照，人臉的正面照一般都在下巴區(qū)域會有陰影形成，它的亮度明顯比其上下的正常區(qū)域要低很多.結(jié)合人臉?biāo)鶟M足的三庭五眼關(guān)系中，人體下巴在“第三庭”“第三眼”，根據(jù)這一先驗知識我們可以從膚色區(qū)域的下方的第一行的“第二眼”和“第四眼”之間開始逐行向上查找下巴陰影部分，取當(dāng)前像素上方的像素與當(dāng)前像素的亮度分量Y的差，若這兩點像素的亮度差大于某個閾值（本實驗中閾值取40），則當(dāng)前像素可能為陰影部分，即該點上方的像素可能為下巴邊緣.取該點上方像素所在的行為人臉下邊界，即為下巴區(qū)域.最后，可以通過人臉寬度和高度的比值，對找出的下巴區(qū)域進行驗證，一般人臉區(qū)域的寬度與高度之比在0.8左右，在此實驗中，將其設(shè)置在0.6～1.0之間.當(dāng)檢查到陰影部分時，可由這一條件進行驗證，若滿足比值在0.6到1.0之間，則是找出了下巴區(qū)域，若不滿足，則需重新檢測出下巴區(qū)域.

3 結(jié) 論

（1）本文利用膚色在YCbCr色彩空間中的特殊聚類關(guān)系建立高斯膚色模型有效的區(qū)分開膚色區(qū)域和非膚色區(qū)域.

（2）利用膚色特征區(qū)分開膚色區(qū)域和非膚色區(qū)域，這時的膚色區(qū)域包括臉部和脖頸區(qū)域，再對其進行下巴檢測，得到最終更加精準(zhǔn)的人體臉部區(qū)域.

［1］ 陸永良，李汝勤，胡金蓮.虛擬服裝的發(fā)展歷史和現(xiàn)狀［J］.紡織學(xué)報，2005，26（1）：132-134.LU Yongliang，LI Ruqin，HU Jinlian.History and current situation for virtual clothing development［J］.Journal of Textilt Research，2005，26（1）：132-134.

［2］ 王洪泊，黃翔，曾廣平，等.智能三維虛擬試衣模特仿真系統(tǒng)設(shè)計［J］.計算機應(yīng)用研究，2009，26（4）：1405-1408.WANG Hongbo，HUANG Xiang，ZENG Guangping，et al.Design of intelligent 3Dvirtual clothing model simulation system［J］.Application Research of Computers，2009，26（4）：1405-1408.

［3］ 張洪明，趙德斌，高文.基于膚色模型、神經(jīng)網(wǎng)絡(luò)和人臉結(jié)構(gòu)模型的平面旋轉(zhuǎn)人臉檢測［J］.計算機學(xué)報，2002，25（11）：1250-1255.ZHANG Hongming，ZHAO Debin，GAO Wen.Face detection under rotation in image plane using skin color model，neural network and feature-based face model［J］.Chinese Journal of Computers，2002，25（11）：1250-1255.

［4］ 趙麗紅，劉紀紅，徐心和.人臉檢測方法綜述［J］.計算機應(yīng)用研究，2004，25（9）：1-4.ZHAO Lihong，LIU Jihong，XU Xinhe.A survey of human face detection［J］.Application Research of Computers，2004（9）：1-4.

［5］ 梁路宏，艾海舟，徐光祐，等.人臉檢測研究綜述［J］.計算機學(xué)報，2002，25（5）：449-458.LIANG Luhong，AI Haizhou，XU Guangyou，et al.A survey of human face detection［J］.Chinese Journal of Computers，2002，25（5）：449-458.

［6］ 黃禹馨，黃山，張洪斌.基于膚色和器官定位的實時人臉檢測［J］.計算機工程與科學(xué)，2014，36（5）：936-940.HUNG Yuxin，HUANG Shan，ZHANG Hongbin.Real-time face detection based on complexion and organs location［J］.Computer Engineering and Science，2014，36（5）：936-940.

［7］ 張彩甜.人臉識別技術(shù)研究［J］.電腦知識與技術(shù)，2009，20（5）：5513-5514.ZHANG Caitian.Research on face recognition technology［J］.Computer Knowledge and Technology，2009，20（5）：5513-5514.

［8］ 張婭莉，王燕，BP神經(jīng)網(wǎng)絡(luò)人臉檢測研究［J］.洛陽大學(xué)學(xué)報，2006，21（4）：82-84.ZHANG Yali，WANG Yan.BP neural network of humen face examination testing［J］.Journal of Luoyang University，2006，21（4）：82-84.

［9］ 黃珍，曹曉麗.在人臉檢測中對Adaboost算法的應(yīng)用研究［J］.赤峰學(xué)院學(xué)報：自然科學(xué)版，2014（5）：17-19.HUANG Zhen，CAO Xiaoli.Applied research of Adaboost on face detection［J］.Journal of Chifeng University：Natural Science Edition，2014（5）：17-19.

［10］ 李全彬，王小明，劉錦高，等.復(fù)雜光照下的人臉膚色檢測方法［J］.計算機應(yīng)用，2010，20（6）：1594-1596.LI Quanbin，WANG Xiaoming，LIU Jingao，et al.Face skin color detection in complicated illumination conditions［J］.Journal of Computer Application，2010，20（6）：1594-1596.

［11］ 劉潔，張汗靈.一種新的基于膚色模型的人臉檢測算法［J］.計算機工程與應(yīng)用，2006，42（11）：70-72；134.LIU Jie，ZHANG Hanling.A novel face detection method based on skin model［J］.Application Research of Computers，2006，42（11）：70-72；134.

［12］ 顧偉，劉文杰，朱忠浩，等.一種基于膚色模板和模板匹配的人臉檢測算法［J］.微型電腦應(yīng)用，2014，30（7）：13-16.GU Wei，LIU Wenjie，ZHU Zhonghao，et al.A face detection method based on skin-color model and template matching［J］.Microcomputer Applications，2014，30（7）：13-16.

［13］ YANG J，LU W，WAIBEL A.Skin-color modeling and adaptation［C］／／Hongkong：Lecture Notes in Computer Science，1997：687-694.

［14］ JONES M J，REHG J M.Statistical color models with application to skin detection［J］.International Journal of Computer Vision，2002，46（1）：81-96.

［15］ SABER E TEKALP A.Front-view face detection and facial feature extraction using color，shape and symmetry based cost function［J］.Pattern Recognition Letters，1998（3）：669-680.

［16］ 李曉華，沈蘭蓀.基于多級梯度能量描述的壓縮域人臉檢測［J］.電子與信息學(xué)報，2005，27（2）：1909-1915.LI Xiaohua.SHEN Lansun.Face detection in compre4ssed domain based on multi-level gradient energy presentation［J］.Journal of Electronics &Information Technology，2005，27（2）：1909-1915.