王 丹，趙宏偉，戴 毅，吳 彬

(1.吉林大學 《仿生工程學報》編輯部，長春 130022; 2.吉林大學 計算機科學與技術(shù)學院，長春 130012；3.中國石油撫順石化公司, 遼寧 撫順 113006)

0 引 言

人臉檢測與識別技術(shù)在公共安全[1]、環(huán)境監(jiān)控[2]等眾多應(yīng)用領(lǐng)域顯示其實用價值。人臉檢測是人臉圖像識別與分析的應(yīng)用基礎(chǔ)，在圖像中確定人臉框的位置是人臉檢測的主要工作，如何快速、準確地確定人臉區(qū)域在圖像中的位置，仍然是這一研究方向具有挑戰(zhàn)性的任務(wù)。

研究人員針對人臉檢測的不同指標進行了多方面的研究，也提出了多種人臉檢測方法[3-5]。比如，文獻[6]針對人臉識別中人臉對準問題提出了一個根據(jù)面部歸一化姿態(tài)自適應(yīng)對準方法，加速了深度人臉識別過程。文獻[7]結(jié)合多尺度金字塔決策和雙流深度網(wǎng)絡(luò)解決異構(gòu)人臉識別問題，獲得較好的分類性能。

在人臉快速檢測方面，文獻[8]結(jié)合級聯(lián)決策樹提出一種快速人臉檢測算法，采用多個分類器進行檢測，每個分類器針對不同角度進行學習，算法計算復雜度較低，比較適合嵌入式應(yīng)用。文獻[9]結(jié)合K均值聚類提出一種快速人臉識別SURF(speeded up robust features)改進算法，利用窗口模板周圍信息構(gòu)造描述符，呈現(xiàn)較好的識別效率。文獻[10]結(jié)合連續(xù)自適應(yīng)MeanShift算法和Kalman濾波器提出一種實時人臉跟蹤算法，通過人臉區(qū)域檢測，利用加速魯棒特征提取關(guān)鍵點，計算人臉邊界框中心和大小，獲得較好的實時跟蹤效果。文獻[11]結(jié)合深度學習方法提出一種深度金字塔快速無約束人臉檢測識別算法，能夠快速檢測大尺度變化的人臉。文獻[12]結(jié)合卷積神經(jīng)網(wǎng)絡(luò)提出一種快速人臉檢測方法，在完整特征圖上檢測人臉，通過完整特征進行人臉檢測，有效提高人臉檢測效率。

VJ框架是Viola-Joines針對人臉檢測、物體檢測提出的實時處理框架[13]，該框架從檢測特征、分類學習、級聯(lián)方式等方面建立了框架結(jié)構(gòu)。VJ檢測框架設(shè)計了雙矩形特征、三矩形特征和四矩形特征3類Haar特征，通過Adaboost進行特征分類。VJ檢測框架的建立是開創(chuàng)性的，為后續(xù)人臉檢測研究奠定了基礎(chǔ)，研究人員針對VJ框架的不同方面也進行了改進。文獻[14]從檢測特征角度，通過引入通道特征對VJ框架進行改進，將圖像通道擴展到梯度幅度、定向梯度直方圖等多種類型，形成一個聚合通道特征。文獻[15]從分類學習角度，結(jié)合目標檢測率和目標執(zhí)行時間，確定弱級聯(lián)最優(yōu)值。文獻[16]從檢測模式角度，通過檢測目標圖像特征外推方法，建立了多尺度精細采樣圖像特征金字塔，實現(xiàn)了目標的快速檢測。

本文為了提高視頻人臉檢測的檢測速度，提出一種快速人臉檢測算法，算法的創(chuàng)新性在于連續(xù)視頻幀的人臉中心與人臉區(qū)域的預測。算法采用回歸分析方法進行人臉中心位置坐標擬合，并采用粗粒度預測方法降低算法的時間復雜度，通過優(yōu)化人臉區(qū)域位置寬度系數(shù)提高了人臉檢測準確率。

1 視頻圖像中人臉中心位置預測

視頻幀圖像中人臉運動具有連續(xù)性和相似性，通過視頻圖像序列可以預測人臉在視頻幀圖像中的位置。

針對單幅圖像進行的人臉檢測由于缺少檢測歷史數(shù)據(jù)信息，需要遍歷整個圖像來確定人臉區(qū)域位置，即便是人臉區(qū)域相對整個圖像尺寸占比很小，這種全圖像遍歷的過程也不能省略，致使大面積的滑動檢測空耗檢測時間，降低了目標檢測速度。

對于連續(xù)視頻圖像的人臉檢測，由于視頻圖像幀之間具有連續(xù)性，幀圖像之間存在相似性，所以，前一次檢測的人臉相關(guān)數(shù)據(jù)對后一次檢測具有重要的參考價值，可以作為歷史檢測數(shù)據(jù)予以積累，并作為新一幀圖像人臉位置的預測依據(jù)。通過人臉位置的確定，縮小了人臉遍歷檢測區(qū)域，進而減少人臉遍歷檢測時間，提高人臉檢測速度，同時保持原有的人臉檢測準確性。

在人臉圖像連續(xù)視頻中，通常情況下，人臉是處于運動中，這種運動狀態(tài)在不同的視頻圖像幀之間會保持連續(xù)性，如人臉的運動方向、運動距離是連續(xù)的(如圖1所示)，這種運動狀態(tài)的連續(xù)性是人臉位置預測的依據(jù)。

實現(xiàn)人臉中心位置的預測，首先要建立預測數(shù)據(jù)集，本文算法采用人臉中心位置預測圖像幀i的前k個圖像幀作為預測數(shù)據(jù)集，其數(shù)據(jù)集合為

(1)

(1)式中：Pi(xi,yi)是第i幀圖像的人臉中心位置坐標，其數(shù)據(jù)值是(xi,yi)；k是用于建立預測數(shù)據(jù)集的圖像幀的個數(shù)，這k個圖像幀是人臉中心位置預測圖像幀i的前k個圖像幀；i是需要進行人臉中心位置預測的圖像幀的相對序號，i>k。

圖1 連續(xù)視頻段中的不同幀圖像Fig.1 Different frame images in continuous video segments

ri=P′(x,y)

(2)

為了實現(xiàn)這個目標，建立訓練數(shù)據(jù)，如(3)式、(4)式，進而建立訓練數(shù)據(jù)集，如(5)式、(6)式。

(3)

(4)

(5)

(6)

(5)—(6)式中，n為在回歸分析方法中使用的數(shù)據(jù)訓練集的樣本個數(shù)。在數(shù)據(jù)處理中，回歸分析算法使用文獻[17]中的擬合函數(shù)最小二乘法，在實驗中，擬合函數(shù)也用到文獻[18]的梯度下降方法。

通過擬合函數(shù)實現(xiàn)對連續(xù)視頻人臉圖像進行人臉位置中心點坐標的預測，預測過程標注狀態(tài)如圖2所示。圖2中，用實心圓、空心圓、空方框表示圖像幀中人臉中心位置的坐標數(shù)據(jù)點，其中，實心圓顯示的坐標數(shù)據(jù)點表示預測圖像幀中人臉中心的坐標數(shù)據(jù)位置；空心圓顯示的坐標數(shù)據(jù)點表示當前圖像幀中人臉中心的坐標數(shù)據(jù)位置；空方框顯示的坐標數(shù)據(jù)點表示前k-1個圖像幀中人臉中心的坐標數(shù)據(jù)位置。

本文算法采用第i幀圖像的前k幀圖像的人臉中心坐標數(shù)據(jù)預測第i幀圖像的人臉中心坐標位置。實驗對k=4到k=20分別做了測試，結(jié)果顯示，k在[4,20]取值對算法精度的影響不大，但k=4時可最快實現(xiàn)預測，所以，本文實驗采用k=4。

圖2 連續(xù)視頻段中人臉位置預測Fig.2 Face location prediction in continuous video segments

2 視頻圖像中人臉區(qū)域位置預測

本文人臉識別是在圖像幀中人臉中心位置和人臉區(qū)域位置都確定的條件下進行的。圖像幀中人臉中心的位置是通過一個坐標點來確定的。圖像幀中人臉區(qū)域位置通常是通過一個矩形框來確定。

人臉區(qū)域矩形框的尺寸不但影響人臉檢測的準確度，同時也影響到人臉檢測的檢測速度。從人臉中心位置和人臉區(qū)域位置對人臉檢測的準確度和檢測速度2個指標的影響來看，相對來說，人臉中心位置比人臉區(qū)域位置對人臉檢測的準確度和檢測速度的影響更大一些，從降低算法復雜度的角度，本文算法采用粗粒度預測人臉區(qū)域位置策略，并通過優(yōu)化人臉區(qū)域位置系數(shù)來提高人臉檢測準確率。

本文算法采用正方形框來確定人臉區(qū)域位置。如果正方形框的寬度(即正方形的邊長)為w，那么第i個圖像幀中人臉區(qū)域位置的正方形框的寬度就可以表示為wi，對應(yīng)地，第i-1個圖像幀中人臉區(qū)域位置的正方形框的寬度就可以表示為wi-1。如果相鄰圖像幀之間的正方形框尺寸的變化量記為增量wΔ，那么，第i個圖像幀與第i-1個圖像幀之間正方形框尺寸的增量就可以表示為如(7)式所示的變化量，這個增量可能是正數(shù)，也可能是負數(shù)。

wΔi=wi-wi-1

(7)

(7)式中，wΔi表示第i個圖像幀與第i-1個圖像幀之間正方形框尺寸的增量。

如前所述，本文算法中的人臉中心位置的預測，是把第i幀圖像的前k幀圖像的人臉中心位置坐標作為預測數(shù)據(jù)集。為保持算法數(shù)據(jù)的共享性，提高基礎(chǔ)數(shù)據(jù)的利用率，在進行人臉區(qū)域位置預測時，也同樣采用這些數(shù)據(jù)。按照(7)式，對k幀圖像之間依次進行正方形框尺寸增量計算，并按(8)式進行累加、求平均值。

(8)

(8)式中,wmeani表示第i個圖像幀與前k個圖像幀兩兩相鄰幀之間正方形框尺寸增量的平均值。

(9)

(9)式中，α是人臉區(qū)域位置正方形框?qū)挾鹊恼{(diào)節(jié)系數(shù)。適當調(diào)節(jié)寬度系數(shù)α，可保證人臉區(qū)域有效地框于正方形之內(nèi)，實驗結(jié)果顯示，在選擇α=(15±5)%的條件下，人臉區(qū)域位置預測取得較好的效果。

由于本文算法在進行人臉中心位置預測和人臉區(qū)域位置預測時，都要使用前k幀圖像的相關(guān)數(shù)據(jù)，因此在運行本文算法之前，需要完成數(shù)據(jù)積累的過程，比如k設(shè)定為5，n設(shè)定為10，就需要完成前15個圖像幀的數(shù)據(jù)積累，這15個圖像幀一般可以使用傳統(tǒng)算法進行圖像幀全遍歷檢測。

3 實驗結(jié)果與分析

本文算法通過回歸分析方法對連續(xù)視頻中圖像幀的人臉中心位置坐標數(shù)據(jù)進行擬合，對圖1、圖2所示的連續(xù)視頻段進行了人臉檢測實驗，圖3所示為圖像幀中人臉中心位置坐標數(shù)據(jù)的分布情況。

從圖3中數(shù)據(jù)的分布情況看，x軸數(shù)據(jù)分布和y軸數(shù)據(jù)分布都比較適合二次多項式對應(yīng)的形式，即便是y軸數(shù)據(jù)局部分布相對不夠平滑，但多數(shù)情況是滿足形式符合性的。這些人臉中心位置坐標數(shù)據(jù)的分布趨勢呈現(xiàn)4種類型：

1)上升分布。人臉中心位置坐標數(shù)據(jù)隨著連續(xù)視頻的時間進度呈上升趨勢。

2)下降分布。人臉中心位置坐標數(shù)據(jù)隨著連續(xù)視頻的時間進度呈下降趨勢。

3)局部極大值分布。連續(xù)視頻中的人臉中心位置坐標數(shù)據(jù)呈現(xiàn)局部極大值狀態(tài)。包含極大值點的時間序列，其數(shù)據(jù)呈先升后降的狀態(tài)。

4)局部極小值分布。連續(xù)視頻中的人臉中心位置坐標數(shù)據(jù)呈現(xiàn)局部極小值狀態(tài)。包含極小值點的時間序列，其數(shù)據(jù)呈先降后升的狀態(tài)。

圖3 人臉中心位置坐標數(shù)據(jù)分布Fig.3 Data distribution of face center position coordinates

對上升分布、下降分布、局部極大值分布和局部極小值分布的數(shù)據(jù)分別采用線性擬合方法、二次多項式擬合方法進行數(shù)據(jù)擬合，數(shù)據(jù)擬合的結(jié)果如圖4所示。由圖4可見，采用二次多項式擬合方法比采用線性擬合方法能夠得到更好的數(shù)據(jù)擬合結(jié)果。

確定人臉中心位置坐標數(shù)據(jù)后，可以進行人臉區(qū)域位置預測。實驗環(huán)境為Intel Core i5-4200M，2.5 GHz，640×480的圖像，OpenCV的VJ框架。實驗結(jié)果如圖5所示。

圖5a為利用OpenCV的VJ框架進行的人臉區(qū)域位置檢測結(jié)果，圖5b為利用本文算法進行的人臉區(qū)域位置檢測結(jié)果。由圖5可見，采用OpenCV算法和采用本文算法都可以很好地檢測到人臉區(qū)域位置，但2種方法檢測結(jié)果的FPS(frames per second)顯示出它們的差別。利用OpenCV算法進行的人臉區(qū)域位置檢測結(jié)果顯示為FPS=8，F(xiàn)PS=9，實際上，多次實驗結(jié)果顯示其FPS值基本是在9幀左右。利用本文算法進行的人臉區(qū)域位置檢測結(jié)果顯示為FPS=32，F(xiàn)PS=29，多次實驗結(jié)果顯示本文算法的FPS值基本是在29幀左右。可見，本文算法對人臉檢測的速度有較大的提升，具有良好的實時性。

圖5 人臉區(qū)域位置檢測結(jié)果Fig.5 Face Region Location Detection

4 結(jié)束語

檢測速度是視頻人臉檢測的重要指標，是視頻人臉識別實時性應(yīng)用的重要前提。本文采用回歸分析方法預測連續(xù)視頻中人臉中心位置坐標，通過調(diào)整區(qū)域?qū)挾认禂?shù)確定人臉區(qū)域位置，實驗結(jié)果表明，本文算法有效減少了視頻人臉檢測遍歷區(qū)域，縮短了視頻人臉特征提取區(qū)域的時間，更加適合視頻人臉檢測的實時性應(yīng)用。