基于肤色检测的人脸验证系统的研究

贵州师范大学物理与电子科学学院 蒋渊渊 张劭昀



基于肤色检测的人脸验证系统的研究

贵州师范大学物理与电子科学学院 蒋渊渊 张劭昀

【摘要】人脸检测是指采用一定的算法或策略对任意的输入图像或图像序列进行搜索遍历，从而判断其中是否包含人脸，如果包含人脸，则定位出每个人脸的位置、大小以及姿态[1]。当前，很多的检测技术都是针对正面的人脸而言的，这就在某种程度上限制了其实用性。在实际生活中，视频中的人脸不一定就是正对着画面让其提取。为了对其进行改进，本文从肤色检测方面进行入手，确定人脸的候选区再根据脸部特征实现人脸的检测。本实验是在VC++6.0环境下实现的。

【关键词】肤色检测；VC++6.0；人脸检测；人脸验证

0　引言

随着电子世界的发展，人们对视频的应用逐渐开始广泛起来。电话会议、监控以及一系列视频软件的应用，使得生活中人们每时每刻的活动，都被清清楚楚记录。要在视频中将人们辨认，第一步就是要找到视频中的人脸，再对其进行辨认处理，这就要使用到人脸检测技术。人脸检测技术的本质就是确定视频中是否有人脸的存在，如果有，就通过人脸的一些特征确定出人脸的位置以及人脸的大小，并将其检测结果输出。本文是通过肤色检测来最终实现人脸检测的，首先通过光线补偿来消除图片中人脸的色度偏差，使得图像更加容易处理。然后通过相似度的计算来计算出图像中与肤色相似的像素点，确定出肤色部分，再进行二值化分析将肤色区域和背景区域分离。将处理得到的通过形态学处理可以消除部分噪声的影响，最后根据人脸的一些基本特征排除不可能为人脸的区域实现人脸验证。基于肤色检测的人脸检测系统具体流程图如图1所示：在人脸检测系统中，利用肤色来进行人脸识别主要的过程就是先确定肤色的区域，然后再根据人脸部的一些主要特征，像人脸的位置主要在整个人的上方以及人脸轮廓的比例大小等等。主要环节包括光线补偿、相似度计算、肤色分割以及形态学处理这几个方面。

图1　人脸检测系统框图

1　光线补偿

在采集图像信息时，由于曝光或者是其他原因使得图片的色彩偏离了原来照片的真实颜色向另外一个方向移动，就是我们经常所说的色彩偏冷、偏暖等。为了解决这些问题，首先就要对图片进行光纤补偿来消除这种影响，以便于后续的方便处理。光纤补偿通常分为亮度补偿和色温补偿，也可分为自然适应光补偿和参考白补偿。本文所使用的是参考白补偿这种方法。

参考白补偿的方法本质上就是调整图片像素的RGB值，使得图片的整体亮度变大。RGB色彩空间的R、G、B三个分量之间的独立性比较明显，在其基础上直接建立肤色模型是存在比较大的困难的，R、G、B色彩空间原理可以用三维立体模型来描述[2]，具体来说是将图像中的像素按由高到低的顺序进行排列，将前5%的像素都取出来，如果在这5%里面的所有像素的数目足够多，我们就可以将它设置为参考白，同时把这些像素的色彩的R、G、B值都调到255。然后用这些像素亮度的平均值除以255得到的就是光补偿系数，整个图片中的像素的亮度值再都根据得到的光补偿系数来进行变换。

2　相似度计算

肤色在人脸检测和跟踪中是一种有效的特征[3]，通过对图像中人的肤色的相似度的计算就可以排除很大一部分与人的肤色不同的区域，得到一定的候选区域。然后再对候选区的图像进行特征比对，就能将人脸检测出来。具体做法是把输入的彩色图像从RGB空间变换到YCgCr空间，针对YCgCr空间的高斯模型，计算得出每个像素点与肤色的相似度，并将其结果输出。计算公式为：

3　二值化分析

二值化是光学字符识别（OCR）预处理阶段的关键技术，其处理效果的好坏直接影响光学字符识别的识别率的高低[4]。对相似度计算所得的图片进行二值化处理，就可以很清楚的得到肤色部分与非肤色部分，这样跟利于后续进一步的对人脸的识别。具体的做法就是将与肤色相似度很大的那部分设置成为1代表肤色，对相似度很小的那部分设置成为0代表背景。具体过程可以用公式表示，即：

这种情况下就涉及到阈值T的设定，如果阈值T设定的太大，则会将目标像素点设定为背景；如果将阈值T设定的太小，又会将背景误归为目标。阈值设定一般包括全局阈值、自适应阈值以及最佳阈值等等。

全局阈值就是在整个处理过程中都使用同一个阈值，这种方法在背景和目标有明确的区分时适用；在很多情况下，一个图片中背景和目标不是每一处都是一样的，所以很难用全局阈值来处理，这种情况下就可以使用自适应阈值的方法。所谓自适应阈值法就是整个图片中，根据不同的局部特征使用不同的阈值来分别处理，这种方法虽然解决了全局阈值的缺陷，但是加大了其运算量，使其速度变慢。

二值化处理后的效果如图2所示：

图2　二值化处理后的效果

4　形态学处理

形态学不进可以作为抽取图像中区域形状特征，也经常用于图像的预处理和后处理[5]，在经过二值化处理后得到的二值图像很容易区分出肤色区域和非肤色区域，但是像图2(b)的处理结果一样，会有手、胳膊等皮肤区域也都会检测出来，当然还包括噪声。在这种情况下，怎么样才能区分出来是人脸还是胳膊和其他的皮肤区域，以及该怎么样消除噪声的影响等等，就要用到形态学处理。

形态学处理主要包括腐蚀和膨胀两个部分，通过腐蚀可以去除掉物体边界以外的点，让物体在边界处往里收缩，可以将小于目标元素的一些点去除掉；而膨胀刚好相反，膨胀是将目标图像放大，使得一些离得很近的目标点能够聚集在目标图像的一个集合里，对图像中空洞的填补有很大的作用。腐蚀和膨胀处理后的结果如图3所示：

图3　腐蚀和膨胀处理后的结果

5　人脸验证

通过前述的一些处理后，就可以得到一些候选区域，包括手、胳膊等等所有包含肤色的区域。接下来就是要在这些候选区域里通过人脸的一些形状特征来进行人脸的验证，例如按人脸的外接矩形的长宽比来确定。人脸的高度和宽度的黄金比例是：

所以按照这个比例来确定人脸也是可以的，如果接近这个比例我们就可以将其判定为人脸部分，否则判定为非人脸区域。也可以根据人脸的形状来确定，人脸形状可以看作是近似椭圆的，显然，一旦能过通过检测系统获取了椭圆的上、下、左、右4个点的坐标，椭圆的位置（即脸的位置）就会被发现[6]。如图4所示：

图4　候选区域分析及过滤图

6　结语

电子世界的迅猛发展，使得人脸验证的应用变得越来越广泛。本文是从肤色方面入手，克服了在验证过程中出现由于不是正脸对准从而导致的验证失败的问题。通过对图像中肤色信息的采集以及后续的光照补偿、相似度计算、二值化分析和形态学处理实现对图像中含有肤色的区域进行提取，最后根据人脸的一些面部特征最终实现人脸的检测。

参考文献

[1]郭耸.人脸检测若干关键技术研究[D].哈尔滨工程大学,2011.

[2]周虹.YCbCr色彩空间的彩色图像光线补偿方法研究[J].柳州职业技术学院学报,2014,14(3)::50-53.

[3]朱双燕.基于肤色的人脸检测与识别方法的研究[D].武汉理工大学,2007

[4]童立靖等.几种文本图像二值化方法的对比分析[J].北方工业大学学报,2001,23(1):28-33.

[5]阳天舒等.基于形态学的自适应阈值分割算法[J].电子设计工程,2015,23(13):102-104.

[6]赵媛媛等.基于肤色模型法的人脸定位技术研究[J].数学建模及其应用,2014,3(4):21-26.

蒋渊渊（1990—），男，硕士，现就读于贵州师范大学，研究方向：语音信号处理。

作者简介：