關(guān)鍵詞： 顏色空間; 光線補(bǔ)償; 膚色模型; 人臉檢測
隨著信息技術(shù)及計(jì)算機(jī)網(wǎng)絡(luò)的快速發(fā)展，個(gè)人身份識別,、表情分析,、安檢、公共場所公共安全等顯得至關(guān)重要,，利用人臉等人的內(nèi)在屬性進(jìn)行識別的生物識別技術(shù)及其穩(wěn)定性和可靠性引起了廣泛的關(guān)注,。人臉檢測技術(shù)不僅是人臉識別、唇讀,、視頻檢測與監(jiān)控等技術(shù)的重要前提條件,，而且在模式識別、人機(jī)交互,、智能監(jiān)控等領(lǐng)域引起了廣泛的重視,。人臉檢測來源于人臉識別，它是人臉自動識別系統(tǒng)中的一個(gè)重要環(huán)節(jié),，其目的是檢測圖像中的人臉并將其從背景中分割出來,。近年來，人們在人臉檢測技術(shù)中提出了各式各樣的算法,，大體可分為四類：基于知識的方法,、基于特征的方法、基于模板的方法和基于表象的方法,。但這些檢測算法在實(shí)際應(yīng)用中存在運(yùn)算量大,、實(shí)時(shí)性差等缺點(diǎn)。GUAN和YANG提出了基于膚色和幾何信息的無監(jiān)督人臉檢測方法,，檢測率達(dá)93.7%,。利用彩色圖像中最重要、最明顯的膚色特征,，可以大幅度縮小搜索空間,，降低檢測難度，減少計(jì)算量,，提高運(yùn)算性能,。這種方法大大提高了人臉檢測速度，基本可以實(shí)現(xiàn)實(shí)時(shí)檢測,。但人臉檢測是一項(xiàng)非常復(fù)雜的系統(tǒng)工程,，檢測結(jié)果很容易受到各種直接或者間接噪聲的影響，主要表現(xiàn)在：
(1)受外貌,、表情,、膚色等因素的影響,，人臉具有很大可變性；
(2)很多情況下臉上可能存在眼鏡,、胡須以及裝飾品等附屬物,；
(3)頭部運(yùn)動造成圖像中人臉位置、角度等發(fā)生變化,；
(4)不同光照條件對圖像中人臉圖像產(chǎn)生影響,，亮度變化范圍很大；
(5)不同圖像中人臉尺寸及背景噪聲等各不相同,。
因此,，本文針對膚色檢測存在的問題，提出了一種基于兩種膚色模型相結(jié)合的彩色圖像快速人臉檢測算法,，通過實(shí)驗(yàn)結(jié)果可以看出,，該算法具有較好的魯棒性和較高的準(zhǔn)確率。
1 顏色空間[1]
1.1 RGB顏色空間
由于在RGB空間中三要素具有高度相關(guān)性,，亮度信息對圖像的處理會帶來干擾,。為了消除亮度的影響,YANG提出了歸一化的RGB模型,將RGB彩色空間映射到色度空間，即從三維空間變換到二維空間,。該色度空間具有對圖像亮度和視點(diǎn)方向都不敏感的優(yōu)點(diǎn),，可以較好地消除圖像中可見和室外不可見的陰影，其轉(zhuǎn)換公式如下所示：
2 膚色分割算法
膚色檢測要取得好的效果,，需要解決兩個(gè)問題：如何選擇合適的顏色空間以及如何確定規(guī)則中的參數(shù)，即膚色模型問題,。要進(jìn)行膚色檢測就是要在該空間中判斷膚色是否能夠聚集在某個(gè)集中的區(qū)域,，從而可以根據(jù)像素在該空間中的坐標(biāo)判斷該像素是否屬于膚色點(diǎn)。因此選擇恰當(dāng)?shù)哪w色空間和膚色區(qū)間閉值以最終確定膚色模型是非常重要的,。所謂膚色模型,，與其他的數(shù)學(xué)建模一樣，即用一種代數(shù)的解析或查找表等形式來表達(dá)哪些像素的色彩屬于膚色,，或者表征出某一像素的色彩與膚色的相似程度,。膚色模型可以進(jìn)一步地劃分為色彩空間中的簡單門限聚類模型、高斯模型和高斯混合模型等,。簡單門限聚類模型具有計(jì)算簡單,、速度快等優(yōu)點(diǎn),，因此,，本文采用了歸一化RGB空間中的二次多項(xiàng)式模型與YCgCr膚色模型相結(jié)合的方法，稱為混合的膚色模型檢測算法,。
2.1自適應(yīng)光線補(bǔ)償
由于實(shí)際背景復(fù)雜多變,，噪聲污染源難以確定及環(huán)境光照變化的影響,需要對彩色圖像進(jìn)行必要的預(yù)處理,，為后續(xù)的圖像處理提供較高質(zhì)量的彩色圖像。將圖像通過改進(jìn)的自適應(yīng)光線補(bǔ)償對過亮,、過暗及中間區(qū)域的像素灰度進(jìn)行修正，以達(dá)到減少環(huán)境光線變化的影響,。針對彩色圖像的實(shí)際情況,，本文采用一種自適應(yīng)光線補(bǔ)償方法,。通過將圖像亮度灰度范圍內(nèi)的兩端區(qū)域進(jìn)行壓縮,，降低過亮和過暗區(qū)域的對比度,；再用對數(shù)函數(shù)做非線性變換函數(shù),，使變換后圖像對比度增加。光線補(bǔ)償?shù)木唧w過程如下[2],。
2.2 二次多項(xiàng)式膚色模型
二次多項(xiàng)式模型首先由SORIANO提出,，此后CHIANG[3]對此進(jìn)行了改進(jìn),，二次多項(xiàng)式模型由兩個(gè)r-g平面的二次多項(xiàng)式與一個(gè)圓方程構(gòu)成[4]：
若滿足以上不等式像素點(diǎn)則是膚色,，否則不為膚色,。
根據(jù)以上所建立的兩種膚色模型，本文所提出將歸一化RGB空間中的二次多項(xiàng)式模型YCgCr和膚色模型相結(jié)合的混合膚色模型,，即有快速人臉檢測算法,總體框架如圖1所示,。
3 人臉定位
經(jīng)過膚色檢測得到二值圖像的連通區(qū)域,，其中可能還包括肩膀,、脖子等膚色區(qū)域及類膚色其他物體,。為減少人臉檢測與定位的搜索空間,，首先對檢測到的連通區(qū)域進(jìn)行預(yù)處理,然后從以下幾個(gè)方面對人臉候選區(qū)域進(jìn)行判斷來檢查是否有人臉存在[7]：
(1)連通區(qū)域的寬和高必須大于20像素,。
(2)計(jì)算膚色區(qū)域的寬高比，限定要檢測的人臉比例大小,，排除一些類膚色區(qū)域但長寬比不符合要求的區(qū)域,，其閾值為[0.6,2],。
(3)計(jì)算膚色區(qū)域的面積和該膚色區(qū)域外接矩形的面積的比,，排除一些不規(guī)則但具有膚色特征的非人臉區(qū)域，其所選閾值為[0.5,0.9],。
通過以上判斷，基本排除了非人臉膚色區(qū)域,，能夠較準(zhǔn)確地得到人臉區(qū)域,。
4 實(shí)驗(yàn)結(jié)果與分析
在進(jìn)行實(shí)驗(yàn)時(shí),，考慮到不同光照條件,、不同膚色人種及圖像背景復(fù)雜度,，從互聯(lián)網(wǎng)和現(xiàn)實(shí)生活中選取一些圖片作為實(shí)驗(yàn)對象,，組成兩個(gè)測試集：(1)測試樣品集,，如無背景或簡單背景,、光照變化,、人臉區(qū)域較大,、任意角度的頭肩部圖像和集體照,；(2)復(fù)雜測試集，有類膚色背景存在,，人臉個(gè)數(shù),、大小,、位置未知,，光照變化，多角度多表情的圖片,。用本文的算法對這兩個(gè)測試集進(jìn)行測試,，實(shí)驗(yàn)數(shù)據(jù)如表1所示,。
通過表1的實(shí)驗(yàn)數(shù)據(jù)可以得出，對于簡單樣品集,，本文的算法具有較好的結(jié)果；對于復(fù)雜樣品集,，由于人臉尺寸太小和背景類膚色性,，存在極少數(shù)的漏檢誤檢。參考文獻(xiàn)[8]單人臉檢查的平均檢測時(shí)間是0.22 s,，多人臉檢測的平均檢測時(shí)間是13.35 s，相比之下,，本文所述檢測算法對單人臉檢測速度比較慢，而多人臉檢測速度有較大提高,。因?yàn)闄z查速度不僅與運(yùn)行環(huán)境有關(guān),還與圖像的復(fù)雜度,、尺寸大小有關(guān),。圖2給出實(shí)驗(yàn)結(jié)果的部分典型實(shí)例,，圖中矩形框畫出了檢測到人臉的位置。
從上述實(shí)驗(yàn)數(shù)據(jù)可以看出，本文算法可以得出較好的實(shí)驗(yàn)結(jié)果,，進(jìn)一步證明了本算法的有效性和快速性,。
利用膚色信息檢測膚色區(qū)域具有較低的計(jì)算量，并且對部分遮擋和姿態(tài)角度變化具有較強(qiáng)的魯棒性,，因此本文提出了用兩種顏色空間相結(jié)合的算法進(jìn)行膚色檢測,，盡可能多地檢測出真膚色區(qū)域(漏檢率低)，而包含盡可能少的偽膚色區(qū)域(誤檢率低),。通過實(shí)驗(yàn)驗(yàn)證,，本文的算法具有很好的膚色分割效果和較好的人臉檢測效果。下一步的研究工作就是要根據(jù)具體實(shí)際應(yīng)用及其他特征信息,，進(jìn)一步提高人臉檢測速率和準(zhǔn)確率,。
參考文獻(xiàn)
[1] CHAVES-GONZALEZ J M,VEGA-RO M A,JUANETC D. Detecting skin in face recognitionystems: Acolour spaces study.Digital Signal Processing, 2010(20):806-823.
[2] 賈靈芝，李嵐,，錢坤喜.基于自適應(yīng)光線補(bǔ)償?shù)娜四槞z測算法[J]. 計(jì)算機(jī)技術(shù)與發(fā)展，2008,12:120-122,126.
[3] CHENG C C,WEN K T, YANG M T, et al. A novel method for detecting lips, eyes and faces in real time.Real-Time Imageing, 2003,9(4):277-287.
[4] SORIANO M, BIRGITTA M, SAMI H, et al. Adaptive skin color modeling using the skin locus for selecting training pixels.Pattern Recognition,2003(36):681-690.
[5] 張爭珍，石躍祥. YCgCr顏色空間的膚色聚類人臉檢測法[J].計(jì)算機(jī)工程與應(yīng)用,，2009，45(22):163-165.
[6] 胡慶新,，方躍,，張淑鳳.一種新的駕駛員疲勞檢測系統(tǒng)中的人臉區(qū)域檢測方法[J].儀器儀表學(xué)報(bào),，2008,4.
[7] 王建國,，林宇生,，楊靜宇.基于新顏色空間YCgCr的人臉區(qū)域初定位[J].計(jì)算機(jī)科學(xué),，2007,34(5):228-233.
[8] 嚴(yán)云洋,，郭志波,，楊靜宇.復(fù)雜環(huán)境下的快速人臉檢測算法[J].江南大學(xué)學(xué)報(bào)（自然科學(xué)版）,，2007,6(6):723-727.