王 攀，李少波

(貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，貴州 貴陽(yáng) 550025)

基于膚色和FBLBP算法的人臉檢測(cè)

王 攀，李少波

(貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，貴州 貴陽(yáng) 550025)

近年來(lái)，人臉檢測(cè)作為一個(gè)熱門的研究領(lǐng)域，諸多有效的檢測(cè)方法層出不窮。在檢測(cè)結(jié)果和檢測(cè)速度方面較原來(lái)的檢測(cè)方法都有很大的提升。在眾多的檢測(cè)算法中，F(xiàn)BLBP(Flexible Block-based Local Binary Patterns)算法在檢測(cè)速度和準(zhǔn)確度方面均有優(yōu)異的表現(xiàn)。但在多人臉環(huán)境，單一的人臉檢測(cè)結(jié)果還不是很理想。在FBLBP算法的基礎(chǔ)上融合膚色檢測(cè)，即對(duì)圖像進(jìn)行膚色預(yù)處理，將圖像中的膚色區(qū)域優(yōu)先提取出來(lái)，然后使用改進(jìn)后的FBLBP算法在膚色區(qū)域優(yōu)先進(jìn)行人臉檢測(cè)，從而使人臉檢測(cè)的速度和準(zhǔn)確度有更大的提高。采用Matlab進(jìn)行編程實(shí)驗(yàn)，使用收集的圖片對(duì)FBLBP算法、融合膚色和改進(jìn)后的FBLBP算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，融合膚色和改進(jìn)的FBLBP算法的速度和準(zhǔn)確性均有所提高。

人臉檢測(cè)；膚色分割；FBLBP算法；局部二進(jìn)制；分類器

0 引 言

隨著智能和監(jiān)控技術(shù)在各領(lǐng)域的廣泛應(yīng)用，人臉檢測(cè)作為自動(dòng)人臉識(shí)別的關(guān)鍵，受到越來(lái)越多的關(guān)注。通常所說(shuō)的人臉檢測(cè)就是從給定的圖像或視頻中判定人臉的數(shù)目、位置和大小。人臉檢測(cè)的精確度對(duì)人臉識(shí)別效果有重要的影響[1]。提高人臉檢測(cè)的速度和精度，使得人臉檢測(cè)能更好地應(yīng)用于現(xiàn)代生活中，成為眾多學(xué)者和專家研究的重要課題之一。

隨著研究的深入，相繼提出了許多算法。早期的這些算法都是基于統(tǒng)計(jì)學(xué)習(xí)的分類器且用于人臉的正面檢測(cè)，比如神經(jīng)網(wǎng)絡(luò)算法[2]、篩選的稀疏網(wǎng)絡(luò)[3]、支持向量機(jī)[4]等。這些方法雖然取得了一定的成果，但也受到了系統(tǒng)速度的限制。后來(lái)，Viola和Jones提出了基于boosting算法的人臉檢測(cè)[5]，該方法在速度和準(zhǔn)確性方面表現(xiàn)優(yōu)異，使它成為目前最流行的人臉檢測(cè)方法之一。基于膚色的人臉檢測(cè)相比其他的人臉檢測(cè)，速度較快，但誤差率也較高。FBLBP(Flexible Block-based Local Binary Patterns)[6]的人臉檢測(cè)在多人臉圖像的情況下，在存儲(chǔ)空間和檢測(cè)速度方面均有較好的檢測(cè)結(jié)果。文中融合膚色和FBLBP進(jìn)行人臉檢測(cè)，進(jìn)一步提高人臉檢測(cè)的速度。

1 膚色檢測(cè)

對(duì)于圖像中的人臉區(qū)域，顏色的變化較小。利用此特征，可以對(duì)圖像中的人臉進(jìn)行檢測(cè)。首先選擇合理的色彩空間，鑒于在檢測(cè)人臉的過(guò)程中，色度信息異常重要，可以將常用的RGB色彩空間轉(zhuǎn)換為其他的色彩空間。

1.1 色彩空間的轉(zhuǎn)換及膚色分割

圖像處理中常用的色彩空間有RGB、YCbCr、HSV和YIQ等[7]。文中使用YCbCr色彩空間。在YCbCr色彩空間中，Y分量表示亮度，Cb和Cr分量分別表示藍(lán)色和紅色的色度。從RGB空間到Y(jié)CbCr空間的轉(zhuǎn)換公式為[8]：

(1)

通過(guò)式(1)，圖像中的亮度和色度信息被分開(kāi)，由此減少了亮度對(duì)膚色區(qū)域的影響。

在YCbCr色彩空間中，人臉膚色區(qū)域中的Cb和Cr分量都在一個(gè)相對(duì)穩(wěn)定的范圍內(nèi)：90

圖1 圖像處理結(jié)果

1.2 確定膚色區(qū)域的預(yù)處理過(guò)程

作為人臉檢測(cè)過(guò)程中的初始部分，良好的預(yù)處理能提高人臉檢測(cè)的速度和準(zhǔn)確度。由圖1(b)中可以看出，和人臉顏色相同的膚色區(qū)域，如手臂、脖頸，還有與膚色顏色相似的衣物也被當(dāng)成了膚色區(qū)域被檢測(cè)出來(lái)，并且還存在諸多的噪聲點(diǎn)。

針對(duì)上述情況，采用數(shù)學(xué)形態(tài)學(xué)中的腐蝕、膨脹等操作對(duì)處理后的圖像再做進(jìn)一步的處理，結(jié)果如圖2所示。

由于人臉為近橢圓形，可以采用可調(diào)節(jié)大小的圓形區(qū)域?qū)D像進(jìn)行形態(tài)學(xué)的預(yù)處理。處理的步驟如下：

(1)對(duì)膚色分割后的圖像的連通區(qū)域進(jìn)行標(biāo)記，記每個(gè)連通區(qū)域的中心為Pi，其中i=1,2,…,N。

(2)粗略估算出連通區(qū)域的大小。

圖2 對(duì)圖1(b)圖像的進(jìn)一步處理

(3)計(jì)算連通區(qū)域面積的平均值，記為A。

通過(guò)上述步驟，可以對(duì)連通區(qū)域進(jìn)行標(biāo)記(由連通區(qū)域的中心Pi得出)，并估算要檢測(cè)區(qū)域的半徑r。將這些數(shù)據(jù)記錄下來(lái)，為人臉區(qū)域的檢測(cè)做準(zhǔn)備。

2 圖像的FBLBP的編碼處理

FBLBP[6]算法是由華為多媒體實(shí)驗(yàn)室的三位研究員及古巴的一位學(xué)者共同提出的，它不使用MBLBP(Multi Block Local Binary Patterns)[10]和MSOF(Multi-scale Structured Ordinal Features)[11]中的固定式結(jié)構(gòu)，而是在訓(xùn)練步驟中，通過(guò)計(jì)算比較，來(lái)設(shè)定內(nèi)部塊之間的距離和位置。在沒(méi)有控制的環(huán)境中，F(xiàn)BLBP有更好的靈活性，所占用的存儲(chǔ)空間更少，能獲得更好的人臉檢測(cè)結(jié)果。若將膚色檢測(cè)和人臉檢測(cè)相結(jié)合，在人臉區(qū)域優(yōu)先考慮和判斷，使得人臉檢測(cè)的速度和準(zhǔn)確度在原來(lái)的基礎(chǔ)上得以提高。

局部二進(jìn)制(Local Binary Patterns,LBP[12])最早是作為一種有效的紋理描述算子提出的，由于其對(duì)圖像的局部紋理特征的卓越描繪能力而得到了廣泛應(yīng)用。然而，也正是由于這種特征的局部化特點(diǎn)，使它易受噪聲的影響不夠健壯，缺乏對(duì)圖像的粗粒度把握(LBP編碼的獲得見(jiàn)圖3)。因此MBLBP被提出以彌補(bǔ)傳統(tǒng)LBP的不足。在MBLBP的計(jì)算中，傳統(tǒng)的LBP算子像素值之間的比較被像素塊之間的平均灰度的比較替代(MBLBP算子的獲得見(jiàn)圖4)。

圖3 基本LBP算子

圖4中，每個(gè)黑色方格代表一個(gè)像素，每個(gè)大的方格代表一個(gè)像素塊，其值是由3*3共9個(gè)像素的灰度

圖4 MBLBP算子

取平均得到。

FBLBP的計(jì)算方法和MBLBP相似。FBLBP塊之間的距離不像MBLBP之間那樣均勻。計(jì)算步驟可參考文獻(xiàn)[6]。

3 基于膚色和FBLBP的人臉檢測(cè)

算法1：Gentleboost分類器的訓(xùn)練。

1)初始化wj=1/N,j=1,2,…,N,F(·)=0。

2)Form=1,2,…,M

(2)更新F(S)=F(S)+fm(S)；

(3)wj=wje-yifm(Si)并進(jìn)行標(biāo)準(zhǔn)化。

更多的實(shí)現(xiàn)細(xì)節(jié)參見(jiàn)文獻(xiàn)[6],此處不再贅述。對(duì)于篩選后的結(jié)果，選擇一塊作為中心塊，另一塊作為相鄰塊，進(jìn)行候選塊的搜索。對(duì)相鄰塊的選擇，增加一個(gè)判斷條件，使得相鄰塊的計(jì)算量減少，以提高人臉檢測(cè)速度。具體算法如下：

算法2：候選塊的搜索。

輸入：訓(xùn)練樣本的權(quán)重wi,i=1,2,…,N。

1)計(jì)算T的值，并進(jìn)行自動(dòng)設(shè)置。

(1)對(duì)圖像進(jìn)行連通區(qū)域的檢測(cè)，存儲(chǔ)每個(gè)連通區(qū)域的面積及中心位置Pi；

(2)根據(jù)連通區(qū)域的面積計(jì)算出平均值及原型結(jié)構(gòu)的半徑r。

2)初始化FBLBPk=?。

3)通過(guò)極小值來(lái)查找最好的關(guān)鍵塊和第一個(gè)相鄰塊：

FBLBPk=FBLBPk∪xn

4)按照設(shè)定的塊的大小來(lái)檢測(cè)更多的塊：

While(I

{

err_old=err;

If(err>err_old)

break;

else

FBLBPk=FBLBPk∪xn

end

}

end

5)輸出FBLBPk。

4 實(shí)驗(yàn)結(jié)果及分析

對(duì)FBLBP和融合了膚色和FBLBP的人臉檢測(cè)結(jié)果進(jìn)行比較。使用在Internet及數(shù)碼相機(jī)拍攝的100張圖片，包括398張人臉，結(jié)果如表1所示。對(duì)于速度方面的檢測(cè)，采用同樣的測(cè)試樣本，測(cè)試環(huán)境為Pentium(R)Dual-CoreCPU2.20GHz，2GB內(nèi)存、Win7操作系統(tǒng)，采用Matlab編程實(shí)現(xiàn)。

表1 兩種方法的檢測(cè)率的比較

從表1中可以看出，在預(yù)處理過(guò)程中采用融合人臉和FBLBP的人臉檢測(cè)率[14]略高于采用FBLBP的方法。對(duì)于檢測(cè)時(shí)間，融合膚色和FBLBP的人臉檢測(cè)低于FBLBP，特別是當(dāng)圖片數(shù)量不斷增加時(shí)，這種優(yōu)勢(shì)將更加明顯。部分人臉的檢測(cè)結(jié)果如圖5所示。

圖5 部分人臉的檢測(cè)結(jié)果

5 結(jié)束語(yǔ)

文中將膚色分割和FBLBP相結(jié)合進(jìn)行人臉檢測(cè)。首先進(jìn)行色彩空間的轉(zhuǎn)換，選出連通的膚色區(qū)域，然后對(duì)這些區(qū)域優(yōu)先使用FBLBP方法進(jìn)行人臉檢測(cè)。實(shí)驗(yàn)結(jié)果表明，在保證準(zhǔn)確度的同時(shí)，使得人臉檢測(cè)的速度得到進(jìn)一步的提高，但對(duì)于人臉較多的圖片，該算法還可以進(jìn)一步改進(jìn)，以提高準(zhǔn)確性。

[1]ZhangLijing,LiangYingli.Afastmethodoffacedetectioninvideoimages[C]//2ndinternationalconferenceonadvancedcomputercontrol.[s.l.]:[s.n.],2010:490-494.

[2]RowleyHA,BalujaS,KanadeT.Neuralnetwork-basedfacedetection[C]//IEEEconferenceoncomputervisionandpatternrecognition.[s.l.]:IEEE,1996:203-208.

[3]YangMH,DanR,AhujaN.Asnow-basedfacedetector[J].AdvancesinNeuralInformationProcessingSystems,

1999,17(3):862-868.

[4]OsunaE,FreundR,GirosiF.Trainingsupportvectormachi-nes:anapplicationtofacedetection[C]//IEEEconferenceoncomputervisionandpatternrecognition.[s.l.]:IEEE,1997:130-136.

[5]ViolaP,JonesMJ.Robustreal-timefacedetection[J].InternationalJournalofComputerVision,2004,57(2):137-154.

[6]ChaiZhenhua,ZhangYu,DuZhijun,etal.Learningflexibleblockbasedlocalbinarypatternsforunconstrainedfacedetection[C]//IEEEinternationalconferenceonmultimediaandexpo.[s.l.]:IEEE,2014:1-6.

[7] 苑瑋琦,韓春霞.復(fù)雜背景下的多人臉檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用，2010，30(3)：635-638.

[8]GonzalezRC,WoodsRE,EddinsSL.數(shù)字圖像處理[M].阮秋琦，譯.Matlab版.北京：電子工業(yè)出版社，2008.

[9] 林 慶,羅 敏.基于顏色和幾何關(guān)系的人臉檢測(cè)方法[J].計(jì)算機(jī)工程與設(shè)計(jì),2008,29(13):3396-3398.

[10]ZhangLun,ChuRufeng,XiangShiming,etal.Facedetectionbasedonmulti-blockLBPrepresentation[C]//Internationalconferenceonbiometrics.[s.l.]:[s.n.],2009.

[11]LiaoShengcai,LeiZhen,LiSZ,etal.Structuredordinalfeaturesforappearance-basedobjectrepresentation[C]//3rdinternationalconferenceonanalysisandmodelingoffacesandgestures.[s.l.]:[s.n.],2007:183-192.

[12]OjalaT,PietikainenM,MaenpaaT.Multiresolutiongray-scaleandrotationinvarianttextureclassificationwithlocalbinarypatterns[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2002,24(7)：971-987.

[13]FriedmanJ,HastieT,TibshiraniR.Additivelogisticregression:astatisticalviewofboosting[J].AnnalsofStatistics,1998,28:337-407.

[14] 梁路宏,艾海舟,徐光祐,等.人臉檢測(cè)研究綜述[J].計(jì)算機(jī)學(xué)報(bào),2002,25(5):449-458.

Face Detection Based on Skin Color and FBLBP Algorithm

WANG Pan，LI Shao-bo

(College of Computer Science and Technology，Guizhou University，Guiyang 550025,China)

As a hot area of research,a number of effective face detection methods have emerged in recent years.Compared with the state of art methods,the new face detection methods perform better in the speed and accuracy.Among these methods,FBLBP (Flexible Block-based Local Binary Patterns) algorithm has excellent performance.Only to use single method,in the multi-face environment,cannot reach the desired effect.The skin color detection and FBLBP algorithm is combined.Skin color preprocess is carried out to extract the skin color area and then the improved FBLBP algorithm is used to detect the face in the area extracted,so that the speed and accuracy of face detection has greater improvement.For experimental verification,the Matlab programming is adopted to compare the FBLBP and improved FBLBP.As a result,the improved one has better performance in speed and accuracy.

face detection;skin color segmentation;FBLBP algorithm;local binary patterns;classifier

2015-08-03

2015-11-19

時(shí)間：2017-01-04

國(guó)家自然科學(xué)基金面上項(xiàng)目(51475097)

王 攀(1990-)，男，碩士研究生，研究方向?yàn)闄C(jī)器視覺(jué)、圖像處理。

http://www.cnki.net/kcms/detail/61.1450.TP.20170104.1017.012.html

TP301.6

A

1673-629X(2017)01-0044-04

10.3969/j.issn.1673-629X.2017.01.010