基于眼和嘴定位的人脸归一化算法研究

薛丹丹

（中北大学 电子测试技术国家重点实验室，山西太原 030051）

0 引言

人脸识别是生物特征识别技术[1]的一种，是近年来计算机视觉和模式识别及人工智能等领域的研究热点，也是难点。目前，人脸识别技术已经广泛应用于身份识别、监控系统及自动门禁系统等方面[2]。

眼睛是人脸比较突出和稳定的特征，眼睛的精确定位是人脸归一化的关键步骤[4]。 目前，常见的关于眼睛提取的方法有：灰度投影法[5]、霍夫变换法、Hough变换法、对称变换法[6]、变形模板法和神经网络法[7]等，这些方法都有各自的优缺点，被广泛应用。这里为了最大限度地减小计算量，采用灰度投影法对双眼定位。考虑到人脸旋转，或者眼神方向等因素对瞳孔位置的影响，也对嘴部中心进行定位，从而保证定位的准确性。基于此本文提出了一种基于双眼和嘴定位的人脸归一化算法。

1 人脸归一化算法流程

人脸归一化是人脸识别预处理阶段的关键步骤。在检测到人脸后，首先通过直方图均衡化法消除人脸的不均匀光照，再采用灰度投影法对人脸的双眼和嘴进行定位；然后根据双眼的坐标值检测人脸是否发生平面偏转，如果有偏转，则要采用仿射变换[8]的方法对偏转进行平面旋转矫正，即几何位置的归一化；接着根据双眼和嘴部中心的距离，做大小的归一化。其归一化流程图如图1所示。

图1 人脸图像归一化流程图

2 基于灰度投影的双眼和嘴的定位

2.1 直方图均衡化

在采集图像时，由于室外光照强度不均匀，或者成像过程中成像设备本身带来的噪声，使得在人脸特征定位前需要先进行直方图均衡化，增加图像的对比度，拉大背景与目标的差距，使目标更加突出。以来自Yale人脸库的一张人脸图像为例，其直方图均衡化结果如图2所示。

图2 直方图均衡化结果

2.2 灰度投影

常用的灰度投影法即积分投影法。

假设f(x,y)是点(x,y)处的灰度值，x的取值范围是x1≤x≤x2,则其在水平方向上的积分投影可表示为：

y的取值范围是y1≤y≤y2，则其在垂直方向上的积分投影可表示为：

2.3 眼和嘴的定位

通过积分投影法得到人脸图像（图2中直方图均衡化后的图像）双眼和嘴部中心点的定位结果如图3所示。

图3 眼、嘴定位结果

图3 （a)中，根据垂直积分投影结果分别找到眉毛边界横轴坐标a1、a2，眼睛瞳孔位置所在的横轴坐标b1、b2；根据水平垂直积分投影找到眼睛瞳孔位置和嘴巴的纵轴坐标分别为c和d。则眼睛瞳孔位置的坐标可确定为(b1,c)和(b2,c)，另外根据人脸的对称性得到嘴部的中心位置即水平线d的中点。从而得到图3（b)的定位结果。

3 归一化处理

人脸的归一化处理主要包括两部分：几何位置的归一化、大小的归一化。

3.1 几何位置的归一化

根据双眼的定位结果计算偏转角度，然后做仿射变换，矫正此角度。

(1)计算偏转角度

设两眼坐标为(x1,y1)、(x2,y2)，则偏转角度可以表示为：

(2) 平面内旋转矫正

仿射变换包括5种形式：平移、缩放、翻转、旋转和错切。这里只有旋转变换，其变换矩阵可表示为：

假设变换前图像中任意一点坐标为(x,y)，则其旋转角度θ后，其坐标变为(x',y')，即:

平面内图像旋转矫正结果如图4所示，偏转角度为θ=-10°。

图4 平面内旋转矫正结果

3.2 大小归一化

假设人的双眼瞳孔间距为d，而两瞳孔中心到嘴部中心点距离则为1.1d。文中采用的是双眼和嘴部中心点三点定位的方法得到定位信息（如果原图像为平面内偏转图像，则需要对矫正后的图像重新进行双眼和嘴部中心点定位），以两瞳孔的距离和方向轴作为基准,进行横向的尺度缩放；再将两瞳孔的中点O与嘴部中点O'的距离缩放至两瞳孔距离的1.1倍(即1.1d),对人脸图像进行纵轴方向的缩放；最后根据双眼及下颌位置对图像水平方向进行剪裁,以双眼距离的1.8倍(即1.8d），以此完成对人脸图像大小的归一化。人脸特征比例关系如图5所示。

图5 人脸特征比例关系

4 实验结果

实验在MATLAB 2008a 软件平台上进行仿真，实验对象来自于Yale人脸库和Internet的人脸图像，其中人眼的定位准确率可达98.7%, 嘴巴的定位准确率可达97.4%,平均时间为0.6s。文中的算法简单高效，并能使光照不均匀、大小不一致、平面内脸部有一定偏转的人脸图像得到良好的归一化效果，部分归一化结果如图6所示。

图6 归一化结果

5 结束语

本文提出了一种基于眼和嘴定位的人脸归一化算法。该算法能够准确地对人眼和嘴部中心定位，并通过定位信息，对人脸进行旋转矫正和尺寸的缩放，完成人脸几何位置和大小的归一化。而且实验证明了该算法的可行性，简单有效，在人脸识别系统中具有较好的实用价值。

[1] 刘新业.基于人脸识别的人脸图像预处理研究[J].电子测试,2008(2):27.

[2] 梁路洪,艾海舟,徐光祜,等.人脸检测研究综述[J].计算机学报,2002,25(5):449-458.

[3] 温浩,卢朝阳,高全学.融合小波变换和张量PCA的人脸识别算法[J].西安电子科技大学学报,2009,36(4):602-607.

[4] KawaguchiT, HidakaD, RizonM. Detection ofEyes from Human Faces byHoughTransform and Separability Filter[C]//Proc of the IEEE Int lConf on Image Processing.Otia:OitaUniversity,2000:49-52.

[5] 冯建强,刘文波,于盛林.基于灰度积分投影的人眼定位[J].计算机仿真,2005,22(4):75-77.

[6] 徐艳,陈孝威.人脸检测中的眼睛定位算法研究[J].计算机与信息技术,2006(6):24-28.

[7] 吕东辉,王滨.YCbCr空间中一种基于贝叶斯判决的肤色检测方法[J].中国图象图形学报,2006,11(1):47-52.

[8] 韩艳丽.多姿态人脸图像处理方法研究[D].太原:中北大学,2004:28-35.