肤色与唇色信息相结合的人脸检测

韩征彬++张景++黄鑫悦++李宛瑾++吴冰

摘 要：人脸识别一直是图像处理研究的热门领域，现在社会中的应用更是越来越广泛，可用于安防、案件侦查和移动支付等领域，其中，人脸检测是人脸识别的前提。通常的人脸检测技术有基于肤色、模板匹配和AdaBoost等检测方法。该文采用肤色和唇色信息相结合的人脸检测技术，可以较好的检测出图像中的人脸位置。

关键词：人脸检测 肤色 唇色 彩色均衡

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2017）06（c）-0001-02

在人脸检测领域，人脸特征的选取是基础与核心[1]。人脸检测技术主要分为基于特征和基于统计两种方法，两种方法各有优缺点。基于特征的方法容易受到亮度、干扰等影响，但对人脸角度变化，范围较大的图像检测具有优势；而基于统计方法虽然不易受到噪声背景等的影响，但一般计算复杂，存在样本量大，训练困难等问题。

该文采用肤色模型的人脸检测，并结合唇色检测，并对其进行优化。解决思路为将图像进行增强处理，突出感兴趣区域（ROI），减少噪声和其他干扰，结合肤色高斯概率模型，计算属于肤色的概率，然后根据对人脸的先验知识，排除一些较为明显的干扰。根据唇色特征再判断属于肤色区域中是否存在嘴唇，如果存在，则判定此区域含有人脸。

1 图像预处理

受光照和其他因素的影响，采集的人脸图像存在其他干扰，所以要先进行图像预处理，增强图像中感兴趣区域的特征，主要有光照预处理和图像增强等。

光线预处理采用GrayWorld算法的彩色均衡法，分别计算图像R、G、B3个颜色分量的平均值，并且需要求得图像的平均灰度值，然后分别调整每个像素的R、G、B值，使得調整后图像的3个颜色分量的平均值都近似于平均灰度值。

人脸图像增强主要是去除噪声， 在获取的图像中，由于设备或环境的影响，图像中会有噪声的存在，噪声的存在对于图像处理和识别都会造成影响。中值滤波是把局部区域的像素按色彩亮度进行排序，取该领域中色彩亮度的中值作为当前像素的值。因为中值滤波并不是简单的取均值，因而它不会产生很多模糊部位，对人脸图像检测不会产生很多影响。

2 基于YCbCr色彩空间的肤色模型

2.1 色彩空间

皮肤的颜色是人体的一个重要特征，也是识别人脸的首要特征。肤色检测是检测人脸的第一步。基于肤色特征检测人脸，主要是构造人脸的肤色模型[2]，使用数学模型进行检测，判断各个像素点属于肤色的概率。

颜色模型是指利用三维空间一点坐标去描述可见光的颜色，常见的颜色模型有RGB、CMYK、HSL、HSB、YCbCr等模型。YCbCr颜色模型中的Y为亮度信息，Cb、Cr分别表示蓝色和红色，YCbCr颜色空间和人的视觉系统很相似，而且具有非常好的聚类性，适合用于肤色模型的构建中。

2.2 肤色模型

经过统计学研究，肤色是符合正态分布的随机样本，即也满足高斯分布。肤色模型就是利用统计学原理，使用数学方法来表示某一像素属于肤色的概率，其中简单高斯模型是一种常见的模型表示方法，其表达形式简单、直观。高斯模型通过计算像素的概率值构成连续的数据信息并得到一个肤色概率图，根据数据的大小完成肤色的确认[3]。

二维高斯型函数：

通过采集大量的肤色样本计算他们的统计特征，可以求得C和M的值为：

2.3 图像二值化

将图像中的每一个像素点带入肤色模型函数，可以得到每一点属于肤色的概率，即肤色似然度。再将每一点的值除以图像上最大的似然度值，然后进行归一化，即乘上255，得到的灰度图就是类肤色图像[4]，灰度值越高表明属于肤色的概率就越大。

得到类肤色灰度图后，需要对其进行二值化，分割肤色区域，该文采用阈值分割法对灰度图进行分割，阈值分割法选择直方图法。二值化图像后进行形态学处理，腐蚀、膨胀。对连通区进行标记。图1为原始图像，图2为标记后的二值化图像，可以看出除了肤色区域被标记，还有背景中一些类肤色区域也被标记。根据经验可知，人脸的长宽比例在一定范围内，因此可以根据这个范围排除一些干扰，图3为去除掉一些大小、长宽比例不在范围内的连通区。

3 唇部检测

利用唇部的色度差，即RGB分量在唇部的分布差异，可以检测出唇部的位置和大小。唇部检测算法有Wark等提出的 Chromatic Feature Extraction（CFE）[5]和Lewis等提出的RedExclusion（RE）[6]。该文利用Wark等提出的CFE算法。CFE算法认为唇色和肤色的差别是红色和绿色分量，他得出的判别式为：L≤≤U，即唇部的红色分量与蓝色分量的比值在一定的范围内，经过研究计算，Wark得出L=1.5，U=2.2。

根据上述准则，在肤色检测结果的连通区内判别是否存在唇部区域，图4为检测结果，图中存在一些类肤色，类唇色区域的干扰。因为唇部所占人脸面积的比例具有一定范围，可以去除不符合比例范围的类唇色干扰区。图5为最终人脸检测结果。

该文主要基于肤色和唇色信息，运用彩色平衡，图像增强等技术，实现了人脸检测的功能，同时结合唇部、人脸区域的面积及比例信息，可以去除干扰区域，得到比较准确的检测结果。

参考文献

[1] 李智勇.基于光照预处理的人脸检测研究[D].陕西师范大学， 2006.

[2] 李智勇，田贞.基于肤色模型的人脸检测研究[J].现代电子技术，2011，34（3）：131-133.

[3] 程舰.人脸识别技术在期货软件登录中的应用研究[D].大连海事大学，2014.

[4] 肖明坤，王厚大.一种基于肤色分割的彩色图像人脸检测算法[J].信息化研究，2007，33（3）：40-42.

[5] Wark T，Sridharan S，Chandran V.An Approach to Statistical Lip Modelling for Speaker Identification via Chromatic Feature Extraction[A].International Conference on Pattern Recognition[C].IEEE Computer Society， 1998：123.

[6] Lewis T W，Powers D M W.Lip Feature Extraction Using Red Exclusion[A].Pan-Sydney Workshop Visualization[C].2002：61-67.