首页 文学文摘 时政新闻 科技科普 经济法律 健康生活 管理财经 教育教学 文化艺术 社科历史

基于肤色和几何特征的人脸检测与识别方法

作者:秦琴 来源:科技风

摘 要:基于肤色模型、唇色模型和几何特征的人脸检测确定方法,在机器视觉、智能人机交互系统、以及图文排版与校对等领域发挥着重要的作用。

关键词:人脸检测与识别;肤色模型;几何特征

人脸检测与识别是模式识别和机器智能领域的一项具有挑战性的研究课题,在机器视觉、智能人机交互系统、以及图文排版与校对等领域发挥着重要的作用,是人脸识别、人脸跟踪、人脸确认、人脸修正等研究的基础工作。本文采用高斯模型的肤色检测的方法,首先定位出图像中的肤色区域作为候选人脸。然后在候选人脸上使用高斯模型的唇色检测,定位出唇色区域,然后使用人脸的几何特征来精确定位人脸,并可以引来达到对人脸为主的图像的确定与修正。

1 算法流程

我们首先在整幅图像上用肤色高斯模型进行肤色区域的分割,然后用特征三角形定位眼睛,最后用椭圆特征精确定位人脸。

1.1 肤色检测

本文所采用的方法主要是利用人体的肤色,主要是脸部的肤色在YCbCr色彩空间中分布稳定聚类的特性,通过形成彩色空间的肤色高斯模型,从而达到人体的肤色与人体所在背景的分离来实现。实践中我们发现,基于肤色模型的肤色检测与确定方法,受环境影响的较小,即使复杂背景也不会有明显影响,而且对个体或者人较多的情况都可以精确识别人脸的图像。这种方法操作也比较简单,效率高,而且牵扯到的计算程序少,对于人体采用什么姿势或者什么状态都不会有影响图像的质量与效果。利用公式2将每一幅肤色样本由RGB色彩空间转换到YCbCr空间,得出每一个像素点的Cb分量值和Cr分量值。用公式3计算他们的均值向量m和协方差矩阵c。

将上面的均值向量m与协方差矩阵c代入高斯模型G(m,c2)中,就可以建立如图2.3所示的肤色高斯模型。

1.2 确定人脸候选区域

一般来说人脸的长宽比范围在[0.9,1.2]之间,考虑到肤色检测的结果可能会将人脸区域与脖子区域连通,可以将长宽比的范围适当放宽,以保证存在人脸的区域不被错删。候选区域的选定要尽量保证所有的包含人脸的区域都被保留下来。

1.3 特征三角形定位

人眼的位置总是在人脸对称轴的两侧,国内外学者对人脸器官的几何关系做了大量的研究,我们通过实验和分析发现,人的两眼的中心点和人的嘴唇的中心点,通过连线就可以发现,正好是一个等腰三角形。通过测量可以确定,两眼中心的距离基本上是左眼和右眼分别与嘴唇中心的距离,偏差大约是90%~110%波动,主要是人的脸形以及脸形形成图像不同所决定的。事实上,人脸的图像受到各种因素影响,包括环境因素、光线因素、成像角度因素,以及取像的设备因素,当然包括有人为因素、非人为因素等影响,另外传输过程中也会产生直接的影响,一般来说,存在一定的误差或偏差是正常的,只要正常范围内就行(允许误差在25%左右)。在实际工作中,我们可以注意到,人脸活动的幅度对成像影响很大,包括低脸和仰脸都会对成像产生直接而明显的影响,因此,你人脸的图像可以把误差范围定义在30%左右就可以,而且对人像有选取采用从左到右、由下往上的的办法来i

其中abs 代表绝对值,D(i,j)代表左眼与嘴部中央的距离;D(i,k)代表两眼之间的距离;D(j,k)代表嘴部中央与右眼间的距离。

1.4 人脸区域的定位

把确定的双眼位置以及嘴唇位置作为画面的中心,就可以以此来确定人脸的中心位置即双眼位置与嘴唇位置构成的等腰三角形的位置部分。我们把人脸中心位置即等腰三角形部分为中心,画一个椭圆形,作为人脸的外面边界部分。这样,人脸的中心正好是我们自己庙宇的椭圆的中心部分,人脸中心和嘴唇中心的连线所在的直线为椭圆长轴所在直线,嘴唇中心点和它关于椭圆中心的对称点为椭圆的焦点。为了简化计算,在生成椭圆时我们设定椭圆的短半轴d的大小为两倍的焦距,橢圆的长半轴可以在[d,2d]之间变化,这样生成一系列的椭圆。将一系列椭圆与人脸图像的Canny边缘图像做与运算,与图像边缘重合最多的椭圆就是最优的表示人脸大小和方向的椭圆,

2 实验结果

实验数据库里一共有188张图片,包含212张人脸,这些图像的采集条件各异(光照条件,背景,摄像机参数等),图像大小质量各异。采用检测率,误检率这两个参数评价人脸检测与识别算法的性能。检测率是指能正确被检测出来的人脸占总人脸数目的百分比。误检率指检测错误的人脸占总人脸数目的百分比,所谓检测错误的人脸是指不是人脸区域被错误当成人脸区域检测出来。

这种方法在一定的条件下具有鲁棒性和较高的检测率。但是由于算法基于人脸五官的先验信息,所以当人脸被其他物体遮挡,某些检测需要的特征消失,我们的算法将无法检测出这种情况下的人脸。这也是未来我们需要改进的地方。

参考文献:

[1]G Yang and T S Huang. Human Face Detection in Complex Background [J].Pattern Recognition,2014,27(1):53-63.

[2]陈锻生,刘政凯.肤色检测技术综述[J].计算机学报,2016,29(2):194-207.

作者简介:秦琴(1979-),女,山东昌乐人,本科,助理工程师。