信息视频图像人脸检测算法研究

卢曼慧

（辽宁工业大学 辽宁 121001）

0 引言

随着人机交互技术的发展，视频监控，可视电话、视频电视会议的广泛应用，人们开始将人脸检测与跟踪作为统一的整体加以研究。人脸检测与跟踪的应用领域十分广泛，已经成为了计算机视觉及相关领域中的关键技术，在基于内容的视频存储与检索、数字视频处理、高级人机交互、智能视频监控等方面有着重要的应用价值。

1 运动信息检测

采用帧间差分算法进行运动信息检测。

(1)利用公式0.299×R+0.587×G+0.114×B将RGB色彩的视频图像转换为灰度图像。

对灰度图像做帧间差分处理获得差分图像，经实验确定，阈值k为70。

2 肤色提取

肤色分割首先要选取一种合适的色彩空间。本文选用了YCbCr色彩空间，YCbCr色彩空间中Y表示颜色的亮度，Cr表示红色分量，Cb表示蓝色分量，Cr和Cb一起表示颜色的色度信息，并且Cr和Cb之间是二维独立的。其主要的优点在于可以有效地将亮度和色度进行分离，色度信息在很多彩色图像分割的应用中是很有效的，也非常适合于将肤色区域从图像背景中分割出来。

Anil K.Jain专门统计研究了皮肤的色彩模型，他通过统计大量图像中的肤色像素点在YCbCr空间的位置，建立了肤色在YCbCr空间的模型。为了得到更好的聚类特性，对CbCr空间进行了非线性分段变换，经过变换的得到色彩空间用Y表示。然后取CC子空间中的投影，得到肤色区域在空间的投影区域。子空间中的肤色聚类区域可用一个椭圆来近似，该椭圆的解析式为：

将每个像素带入上述公式中进行计算，当表达式小于时1认为是肤色，否则不是。

3 人脸检测

肤色分割后的图片中还存在一些非人脸区域，需要对其进行数学形态学处理和人脸区域筛选，把误检的背景和非脸的肤色区域去除。

(1)数学形态学处理：通常，一幅彩色图像经过色彩空间的转换、肤色分割后所得到的图像边界往往是不平滑的，物体区域有些错判，背景区域上则散布着一些小的噪声。使用形态学上连续的开和闭运算可以显著改善这种情况。

(2)人脸区域筛选：经过基于数学形态学处理和区域标记后，图像中的小块噪声大多数被清除，但是由于背景十分复杂，影响因素较多，某些类肤色区域仍未去除。为了尽量丢弃非人脸肤色区域，保留真正的人脸的肤色区域，可采用判断区域外接矩形长宽比和区域面积等参数删除大多数非人脸肤色区域。

4 实验结果和结论

采用Matlab对本算法进行仿真实验，实验结果如图1所示。

图1 人脸区域筛选

由图1(b)可以看出，肤色提取后的结果中存在一些非人脸的背景和肤色区域，如非肤色的误检区域，人手等的肤色区域；由图1(c)可以看出，数学形态学处理后，可以平滑边缘、去除较小的背景误检区域；由图1(d)可以看出人脸区域筛选后，可以把大部分非人脸的肤色区域去除。

实验结果表明该算法能够对视频图像序列中的人脸进行检测，具有良好的性能和一定的研究参考价值。

[1] 陈天华.数字图像处理[M].北京：清华大学出版社，2007.6

[2] 张洪刚，陈光，郭军.图像处理与识别[M].北京：北京邮电大学出版社，2006

[3] 李朝晖.数字图像处理及应用[M].北京：季节工城出版社，2004.6

[4] 王耀南，李树套.计算机图像处理与识别技术[M].北京：高等教育出版社，2001

[5] Rein-Lien Hsu and Anil K.Jain, Face Detection in Color Images[M],IEEE Trans. Pattern Analysis and Machine Intelligence,May 2002,vol.24,no.5,pp.696—706