基于新的膚色模型的人臉檢測(cè)方法

0 引言
    人臉檢測(cè)一直是一個(gè)研究熱點(diǎn)，它涉及到模式識(shí)別、圖像處理、計(jì)算機(jī)視覺(jué)以及神經(jīng)網(wǎng)絡(luò)等許多交叉學(xué)科，在數(shù)字視頻處理、視覺(jué)監(jiān)測(cè)等方面有著重要的應(yīng)用價(jià)值。目前國(guó)內(nèi)外的研究中，圍繞彩色圖像中膚色這一特征的算法越來(lái)越多，同時(shí)利用膚色進(jìn)行定位和分割也比較快速準(zhǔn)確，簡(jiǎn)單直觀，這使得彩色圖像處理與人類(lèi)視覺(jué)感受自然而然地結(jié)合了起來(lái)。膚色是人臉的重要信息，具有相對(duì)的穩(wěn)定性并可和大多數(shù)背景物體的顏色相區(qū)別，也與物體的大小、伸縮及姿態(tài)基本上無(wú)關(guān)。

1 Hsu R L膚色檢測(cè)算法
    Hsu R L在論文中提出了一種可變光照及復(fù)雜背景下的膚色檢測(cè)算法，該算法應(yīng)用于人臉檢測(cè)中可以取得較好的效果。
    Hsu R L首先采用一種光照補(bǔ)償算法。它將整個(gè)圖像中所有像素的亮度從高到低進(jìn)行排列，然后取前5％的像素，如果這些像素的數(shù)目足夠多，就將它們的亮度作為“參考白” (Reference Wlaite)，即將它們的色彩的R、G、B分量值都調(diào)整為最大的255。整幅圖像的其它像素點(diǎn)的色彩值也都按這一調(diào)整尺度進(jìn)行變換膚色檢測(cè)時(shí)，由于在Hsu R L采用的YCbCr色度空間中，色度值CbCr對(duì)亮度值Y總是存在著一定的非線(xiàn)性的依賴(lài)關(guān)系，這種依賴(lài)關(guān)系在很大程度上影響了膚色的檢測(cè)，所以，Hsu R L在論文中提出了一種非線(xiàn)性變換方法，以消除色度對(duì)亮度的依賴(lài)關(guān)系。其非線(xiàn)性變換公式如下：

   
    式中，Ci表示Ch或是Cr，WCk=46．97，WLCb=23，WHCb=14，WCr=38．76，WLCr=20，WHCr=10，Kl=125，Kh=188，這些參數(shù)均是Hsu R L由大量訓(xùn)練樣本中估計(jì)取得的。
    Hsu R L對(duì)Heinich—Hertz—Institute(HHI)圖像庫(kù)圖片中的膚色點(diǎn)進(jìn)行了統(tǒng)計(jì)，圖1所示是膚色點(diǎn)在非線(xiàn)性變換后的yCb′C′r空間分布圖。在變換后，其Cb′Cr′區(qū)域中采用橢圓模型描述膚色分布，其橢圓模型可表示如下：

    上式中，根據(jù)膚色在Cb′Cr′空間內(nèi)的分布形狀，可取cx=109．38，cy=152．02，θ=2．53，ecx=1．60，ecy=2．4l，a=25．39，b=14．03。最后，便可對(duì)圖像中的每個(gè)像素進(jìn)行檢測(cè)，若其變換后的Cb′Cr′值在橢圓區(qū)域之內(nèi)，則視為膚色像素點(diǎn)，否則，為非膚色像素點(diǎn)。

2 新的膚色算法
    Hsu R L的方法雖然可以較好進(jìn)行人臉膚色檢測(cè)，但是，Hsu R L的橢圓模型則是根據(jù)大量膚色點(diǎn)在Cb′Cr′區(qū)域的分布規(guī)律建立起來(lái)的，不一定適合每張輸入圖像。對(duì)每幅圖像來(lái)說(shuō)，膚色點(diǎn)的聚類(lèi)分布范圍很小，而且位置分布不同。如在圖2所示的膚色分布中，其有些區(qū)域(如紅色)，相對(duì)于膚色點(diǎn)來(lái)說(shuō)，范圍就擴(kuò)大了，以至于HsuR L的橢圓模型很容易將非膚色點(diǎn)也包含進(jìn)來(lái)，從而導(dǎo)致膚色點(diǎn)的“過(guò)檢測(cè)”。而有時(shí)，背景中的一些區(qū)域也可能被檢測(cè)為膚色像素點(diǎn)，比如圖2(c)所出現(xiàn)的情況。

    為此，本文在Hsu R L方法的基礎(chǔ)上，提出了一種基于單幅圖像自身膚色分布特征的新的檢測(cè)算法。該新算法即考慮到膚色在某個(gè)特定的膚色空間中所具有的統(tǒng)計(jì)特征，同時(shí)又考慮到光線(xiàn)變化的影響。
    本膚色檢測(cè)算法主要是針對(duì)單幅圖像中人臉的膚色分布來(lái)進(jìn)行區(qū)域分割，同時(shí)結(jié)合膚色信息，自動(dòng)選取類(lèi)似的區(qū)域作為膚色區(qū)域，從而克服了傳統(tǒng)通過(guò)大量膚色樣本統(tǒng)計(jì)得到的膚色模型來(lái)進(jìn)行膚色檢測(cè)容易導(dǎo)致的過(guò)檢測(cè)問(wèn)題。該檢測(cè)算法的流程圖如圖3所示。

3 新算法的實(shí)現(xiàn)
    新算法的具體實(shí)現(xiàn)步驟可以分為顏色空間變換。
3．1 顏色空間變換
    新算法首先將圖像的色度空間由RGB轉(zhuǎn)換為YCbCr空間，并按式(1)～(4)進(jìn)行非線(xiàn)性變換。這是因?yàn)榉蔷€(xiàn)性變換后的顏色空間Cb′Cr′受到亮度的影響較小，能更好地利用色彩空間的顏色信息進(jìn)行建模。
3．2 CbCr二維直方圖
    統(tǒng)計(jì)每個(gè)像素的Cb′Cr′值并取其對(duì)數(shù)值，以形成一個(gè)Cb′Cr′值的二維直方圖。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，由于正常光照下的某個(gè)特定人臉的絕大部分區(qū)域的顏色都具有很強(qiáng)的一致性，其膚色點(diǎn)Cb′Cr′分量的二維直方圖通常都呈一定的峰狀。
3．3 標(biāo)記及直方圖分割
    提取二維直方圖中的峰值時(shí)，為便于消除干擾，應(yīng)引入一個(gè)參數(shù)K：

   
    其中，S表示從峰值到鄰近峰谷的最短距離，H表示峰值的高，圖4所示是進(jìn)行標(biāo)記的示意圖。

    做標(biāo)記時(shí)，首先檢測(cè)二維直方圖中的各個(gè)峰值區(qū)域，并將參數(shù)K大于閾值的峰值作為標(biāo)記(閾值為10％)，以便于下一步的膚色檢測(cè)。
    本文采用了一種水平面下移的方法來(lái)對(duì)二維直方圖區(qū)域進(jìn)行分割，即將二維直方圖看成位于水平面以下的峰谷，然后調(diào)整水平面，使之逐步下移，這樣，各個(gè)山峰便依次顯露出來(lái)。通?？上仍O(shè)定水平面高度H，然后下調(diào)水平面d，對(duì)高于水平面(H-d)的峰值點(diǎn)分配一個(gè)唯一的標(biāo)記，再接著調(diào)整水平面的高度，檢測(cè)位于H-2d與H-d之間的像素值。若該像素是一個(gè)新的峰值點(diǎn)，則分配新的標(biāo)記；否則，在其周?chē)鷮ふ揖嚯x最近且已經(jīng)標(biāo)記過(guò)的像素，并給它分配相同的標(biāo)記。直到給定高度上所有像素都分配到一個(gè)標(biāo)記為止。圖5所示是水平面下移算法流程圖。

3．4 膚色分割
    直方圖分割后，可得到若干區(qū)域，然后根據(jù)膚色模型(即Hsu R L方法中的橢圓模型)來(lái)確定可能為膚色點(diǎn)的區(qū)域?？蓪su R L的橢圓模型的中心點(diǎn)設(shè)為標(biāo)準(zhǔn)中心點(diǎn)，然后比較各個(gè)區(qū)域的峰值點(diǎn)與標(biāo)準(zhǔn)中心點(diǎn)的距離，距離越近，為膚色區(qū)域的可能性越大，可將其保留。最后，對(duì)輸入圖像的每個(gè)像素進(jìn)行檢測(cè)，若其在YCb′Cr′空間中的Cb′Cr′分量屬于膚色區(qū)域，則定義為膚色值，否則為非膚色值。

4 實(shí)驗(yàn)結(jié)果分析
    筆者對(duì)總共100幅圖像進(jìn)行了實(shí)驗(yàn)。每幅圖像均包含人臉膚色區(qū)域，人臉大小與光照變化范圍均比較大，且背景復(fù)雜。測(cè)試時(shí)，可使用如下三個(gè)準(zhǔn)則來(lái)評(píng)價(jià)分割結(jié)果：
    (1)膚色檢測(cè)結(jié)果好，可去除絕大多數(shù)背景；
    (2)膚色檢測(cè)結(jié)果一般，結(jié)果中仍有較多的背景；
    (3)膚色檢測(cè)結(jié)果差，結(jié)果中去除了較多膚色區(qū)域。
    表l所列是對(duì)這100幅圖像進(jìn)行膚色檢測(cè)算法的實(shí)驗(yàn)結(jié)果。

    由表1的結(jié)果可以看出，Hsu R L方法檢測(cè)出的結(jié)果有許多類(lèi)似膚色的像素點(diǎn)，且不能檢測(cè)圖像的高光部分，而本文的算法則能準(zhǔn)確地找到膚色分布區(qū)域，且對(duì)高光部分也不敏感。

5 結(jié)束語(yǔ)
    由于本文算法是基于單幅圖像的顏色分布，并不是采用某種固定的膚色模型，故能很好的適應(yīng)光線(xiàn)的變化，從而提高了膚色的有效分割率和檢測(cè)效果。