文/劉俊 王巖 韓為選

1 人臉識(shí)別概述

就目前來(lái)說(shuō)，人臉識(shí)別技術(shù)已經(jīng)慢慢的趨于成熟，識(shí)別算法層出不窮，諸如基于特定人臉子空間的人臉識(shí)別算法，基于SV 的Kernel判別分析方法，基于AdaBoost 的Gabor 特征選擇等等。我們身處互聯(lián)網(wǎng)時(shí)代，更是在互聯(lián)網(wǎng)+的時(shí)代。所以在這個(gè)大前提下，人臉識(shí)別這一塊將更加的智能化，這也是現(xiàn)在眾多的互聯(lián)網(wǎng)企業(yè)和公司都會(huì)研究的一項(xiàng)大的工程，因此就目前來(lái)看，人臉識(shí)別技術(shù)將迎來(lái)更大規(guī)模的發(fā)展，跟廣泛地應(yīng)用空間和前景。

2 人臉檢測(cè)和跟蹤

人臉檢測(cè)對(duì)于計(jì)算機(jī)視覺(jué)領(lǐng)域來(lái)說(shuō)一直是一個(gè)重要的挑戰(zhàn)，所以至今也有狠多的方法問(wèn)世，像幾何特征的人臉識(shí)別方法，基于特征臉的人臉識(shí)別方法，神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法，彈性圖匹配的識(shí)別法，線段距離的識(shí)別方法，還有支持向量機(jī)（SVM）的人臉實(shí)時(shí)別方法。以前的人臉識(shí)別的研究方向主要是將其中的多個(gè)方法融合，以此提高識(shí)別率，現(xiàn)在的識(shí)別算法相差不多，只是在性能和精度方面有了很大的提高。

3 基于膚色模型單圖片的人臉檢測(cè)

3.1 基于膚色的人臉定位

膚色是人臉的特有屬性，而視頻是由許多幀的圖像組合而成，對(duì)視頻中人臉的識(shí)別關(guān)鍵點(diǎn)在于對(duì)每一幀圖像的處理，因此只要掌握了膚色的色彩組成，然后與人體后面的背景相比較，這兩者的區(qū)別肯定是很大的，這樣的話人臉識(shí)別系統(tǒng)就可以區(qū)分出到底哪一塊是應(yīng)該識(shí)別出的區(qū)域，，然后根據(jù)識(shí)別算法把人的臉部劃分出來(lái)，吧人臉區(qū)域和背景區(qū)域分離開(kāi)了之后，接下來(lái)進(jìn)行的就是一個(gè)批處理的過(guò)程，把每一幀都進(jìn)行這樣的處理，就可以實(shí)時(shí)的把人臉是別在整個(gè)系統(tǒng)界面顯示出來(lái)。

3.2 RGB到Y(jié)CrCb色彩模型的轉(zhuǎn)換

YCrCb 色彩模型也被稱(chēng)為YUV 色彩空間表示，為什么要進(jìn)行色彩模式的轉(zhuǎn)換，在上面我們提到過(guò)，為了減少背景顏色和人臉部顏色其他屬性對(duì)識(shí)別過(guò)程的干擾，它的實(shí)質(zhì)也是實(shí)現(xiàn)對(duì)色彩的亮度，色調(diào)，還有飽和度的組成，更好的創(chuàng)造一個(gè)識(shí)別環(huán)境這樣可以提高不少成功率和準(zhǔn)確率。這種以色彩的表示方法就是YUV 色彩空間表示。采用YUV 色彩空間的重要性是它的亮度信號(hào)Y 和色度信號(hào)U、V是分離的。如果只有 Y 信號(hào)分量而沒(méi)有U、V信號(hào)分量，那么這樣表示的圖像就是黑白灰度圖像。YCrCb 主要有以下幾個(gè)轉(zhuǎn)換。

上面的第一式中Y 表示光的強(qiáng)度，r，g，b 分別表示三個(gè)顏色分量上的系數(shù)，這三個(gè)參數(shù)的和是一個(gè)常數(shù)，一般我們將其和表示為1.以這樣的一個(gè)標(biāo)準(zhǔn)來(lái)衡量三個(gè)分量在YCrCb色彩模型下的比例，Cr 是色調(diào)，Cb 是飽和度，我們主要用到Cr，Cb 這兩個(gè)變量，消除了這兩個(gè)變量對(duì)圖片種顏色的影響，一般經(jīng)過(guò)數(shù)字化的采樣格式之后三者的比例成為了4:1:1 或者2:1:1，這樣的變化對(duì)人眼來(lái)說(shuō)效果是不明顯的，但是在機(jī)器式的人臉識(shí)別的人臉識(shí)別系統(tǒng)來(lái)說(shuō)，效果就會(huì)變得比較明顯，因?yàn)榫哂幸欢ǖ牟町愋?，在識(shí)別中環(huán)境因素的影響將會(huì)降低到最小。

3.3 人臉膚色模型和二值化處理

通過(guò)YCrCb 的側(cè)才模型的轉(zhuǎn)化之后，我們將膚色給提取了出來(lái)，但是然提其他部位的膚色如果在單真圖片中，也是會(huì)被顯示出來(lái)，因此我們還要進(jìn)一步的判斷，通過(guò)什么來(lái)區(qū)別人臉區(qū)域和非人臉區(qū)域呢，我們通常會(huì)進(jìn)行的操作一般是閾值處理，但是如何選取閾值，他的范圍怎么確定，這是一個(gè)需要解決的問(wèn)題。其實(shí)我們只要實(shí)現(xiàn)YCrCb 的高斯模型，里面包含了Cr，Cb 兩個(gè)分量，再我們之前進(jìn)行的特征點(diǎn)的模型，將兩者這結(jié)合進(jìn)行圖像的二值化處理，達(dá)到排除其他膚色的效果。主要的二值化處理一般有三種方法：

3.3.1 雙峰直方圖閾值分割法

雙峰直方圖閾值分割法，這種方法主要是找到圖像的兩個(gè)最高的峰，然后把閾值定義為兩個(gè)最高峰之間的一個(gè)最低峰，這種方法相比第三種更為精確，但是也有誤差，當(dāng)直方圖的區(qū)間取的相對(duì)較大時(shí)，誤差就會(huì)偏大，只有精確到每一個(gè)像素點(diǎn)，針對(duì)每一個(gè)像素點(diǎn)來(lái)進(jìn)行二值處理，偏差可以降到最低。

3.3.2 平均灰度法

計(jì)算每一個(gè)像素點(diǎn)像素的平均值，取這個(gè)像素平均值為S，當(dāng)像素點(diǎn)比S 大的像素點(diǎn)的像素值設(shè)為255，即為白色，比S 曉得像素點(diǎn)的像素值設(shè)為0，即為黑色。這種操作的好處是考慮到了大部分的操作點(diǎn)，相比規(guī)定在中間值而言要精確。

3.3.3 中間值法

設(shè)立一個(gè)中間值，像素高于127 的為1，像素低于127 的為0。這種方法并不推薦使用，雖然運(yùn)算量小，速度快。但是如果有的像素點(diǎn)偏離127 這個(gè)標(biāo)準(zhǔn)很遠(yuǎn)，那樣誤差很大，這樣的結(jié)果用在人臉識(shí)別上并不妥當(dāng)。

3.4 后處理

經(jīng)過(guò)了圖像的二值化的過(guò)程后，單幀圖片中剩余的是白色和黑色兩部分，由于二值化處理過(guò)程中誤差的存在和一些人體之外的復(fù)雜背景的影響，除人臉之外肯定還會(huì)有部分除了人臉的膚色之外，還有其他的部位的膚色影響檢測(cè)，所以要獲取更為準(zhǔn)確的效果，下一步的操作就是要進(jìn)行圖片的膨脹腐蝕，膨脹，甚至有的還要進(jìn)行細(xì)化操作。在這里不對(duì)腐蝕膨脹的具體操作進(jìn)行講解，他們都是在二值化圖像的基礎(chǔ)之上的操作，膨脹簡(jiǎn)言之就是一個(gè)放大操作，通過(guò)膨脹操作能把圖像邊緣變得圓滿，減少突出部分；腐蝕則剛好相反，通過(guò)腐蝕能夠把零散的像素點(diǎn)清除，達(dá)到縮小或者細(xì)化的目的。細(xì)化過(guò)程需要對(duì)圖片的像素點(diǎn)進(jìn)行兩次遍歷，得到的結(jié)果大概是整個(gè)圖片像素點(diǎn)的邊緣輪廓，這種可以直接忽略很多的不必要的像素點(diǎn)。