一种快速的证件照片人脸检测方法

文/张洲 张悦

1 引言

现今很多场合都需要身份信息的检测与识别，如火车站进站、银行提款等，人脸轮廓以及器官成为了识别一个人的重要依据。在人脸比对过程中，需要首先将证件照片的人脸区域，及其中的眼睛、嘴巴等面部器官区域准确检测出来，进而提取面部轮廓、器官特征，然后与实际采集的人脸信息进行比对。并且基于证件照片的人脸检测系统和指纹识别系统、DNA检测等其他身份信息验证方法相比较，不需要与检测设备相接触，更加方便快捷。因此研究基于证件照片的快速准确的人脸检测算法具有很大的实际意义和广阔的发展前景。

2 系统总体流程

本系统主要实现证件照片的人脸区域检测，同时确定眼睛和嘴巴的位置，总体方案流程图如图1所示。系统实现主要分两大部分：人脸区域检测和面部器官定位。

人脸区域检测采取的关键技术包括：

（1）空间转换：主要根据证件照片的背景颜色、人脸肤色的聚类特性等因素综合考虑，本文将证件照片原始RGB空间转换为YCbCr空间。

（2）肤色分割：色彩空间转换后，利用本文的椭圆肤色模型使图像中的人脸区域和背景区域进行分离；分离结果由黑白两色区分，其中白色区域为肤色区域，黑色区域为背景区域。

面部器官定位的关键技术包括：

（1）眼睛定位：在检测到人脸区域上，采用水平和垂直投影技术快速定位眼睛的位置，并用矩形框标记显示。

（2）嘴巴定位：叠加椭圆肤色模型和CbCr通道模型的检测结果，最终用矩形框标记显示。

图1：总体方案流程图

图2：椭圆模型处理后的二值照片

图3：人脸区域检测结果

图4：人脸区域灰度图像垂直投影曲线

图5：灰度图像水平投影曲线

3 人脸区域的检测

人脸区域检测的目的是将人脸所在区域从整幅证件照片中提取分割出来。利用人脸肤色与照片背景颜色的不同，区分出肤色区域并用矩形框截取出该部分图像，然后在人脸图像上进一步定位面部器官，这样做可以大大降低运算量，并且提高器官的定位精度。

3.1 照片色彩空间转换

原始证件照片成像的色彩空间是日常生活中最常用的RGB空间，但是相对YCbCr空间，该空间对光线的变化比较敏感，同时不同的照片拍摄设备也可能导致拍摄照片的颜色偏差，这些都有可能导致不同环境下拍摄到的证件照片中的人脸皮肤的颜色各不相同，并且与人脸本身的肤色颜色像素值产生偏差，而由此产生的偏差不利于依靠肤色区分人脸与其它区域。因此为了随后的人脸区域检测的准确性，本文首先对证件照片图像进行色度空间的转换。RGB（24位）色彩空间与YCbCr（256级）色彩空间的转换公式如式（1）所示：

式中变量R，G，B分别代表RGB空间的红、绿、蓝三个通道，变量Y，Cb，Cr为YCbCr空间的三个通道，分别代表颜色的亮度、蓝色和红色浓度偏移量。

3.2 肤色分割

在YCbCr色彩空间下，根据人脸肤色的聚类特性，本文采用椭圆肤色模型分割图像，初步定位人脸，再利用形态学方法进一步处理该区域，将肤色区域从整幅证件照片中分割出来，以便后续处理。

具体步骤如下：由于人脸皮肤颜色在CbCr面上基本集中在一个近似椭圆的区域内，因此如公式（2）所示，首先建立椭圆模型方程，然后依次读取证件照片中的每个像素点Pi，根据公式（3）判断其在Cb和Cr通道的数值是否落在公式（2）生成的椭圆区域内，如果Pi在椭圆区域内，则标记为“1”，并判定该像素点属于人脸区域，反之，Pi(x,y)在椭圆区域外，则标记为“0”，判定该像素点属于非人脸区域。

式中变量Cb，Cr分别代表像素点Pi在Cb和Cr通道的数值；并且针对证件照片的人脸特点进行实验测试，本文确定公式（2）和公式（3）中参数取值如下：椭圆的长半径a=26.39，短半径 b=14.03，ecx=1.6，ecy=2.4，cx=109.38，cy=152.02，θ=2.53。

经椭圆模型处理后，本文得到一个二值矩阵M，对应的二值图像如图2所示。求取二值矩阵M中的连通区域，采用形态学腐蚀膨胀算法，确定连通域包含的矩形区域，这些矩形区域即为可能的人脸区域。最后，根据证件照片分辨率，设定人脸区域面积和所处位置两个阈值，对所有可能是人脸区域的备选矩形进行面积和位置条件筛选，最终确定证件照片中的人脸区域，并用矩形框标定出来，分割结果如图3所示。

图6：眼睛区域定位结果

图7：椭圆模型检测到的嘴巴区域

图8：CbCr通道模型检测到的嘴巴区域

图9：嘴巴区域定位结果

4 面部器官的定位

4.1 眼睛定位

首先提取出上文检测到的人脸区域，并将其转换为灰度图像。由于在人脸区域的灰度图像中，眼睛的颜色和皮肤颜色相比，存在比较大的灰度差异。因此本文根据这一特点，采用投影方法定位出眼睛所在区域。统计分析表明证件照片中人脸及器官所处位置相对整幅照片基本固定，综合位置信息和投影曲线可以比较准确的定位出眼睛区域。

图4为人脸区域灰度图像的垂直投影曲线，垂直投影曲线中波峰对应区域为眼睛区域，结合眼睛在标准证件中的大致范围和对称性，可以确定出眼睛区域的竖向外侧边界；而眼睛区域的竖向内侧边界则由投影曲线的极值点确定。根据眼睛区域的竖向外边界，对人脸区域灰度图像仅竖向截取包含眼睛的部分，再进行水平投影（投影结果如图5所示），图中菱形标记点为曲线的极值点。图中第一个极大值和极小值对应区域为眉毛大致区域，第二个和第三个极大值对应区域为眼睛大致区域，第二个极小值大约为眼睛中线，结合位置信息，最终可确定眼睛区域的水平边界。结合水平投影和垂直投影结果，最终用矩形框标定定位结果，如图6所示。

4.2 嘴巴定位

嘴巴和肤色比较，颜色较为鲜艳，但单纯基于某个色彩空间的图像不足以准确地定位，因此本文分别采用椭圆模型和CbCr通道模型对照片图像进行处理，两种方法分割出的嘴巴区域叠加，做为最终的嘴巴区域。

证件照片采用椭圆模型生成的二值图像如图2所示，图像黑白数值反转并找出二值图像中所有的白色连通域，经过位置和面积筛选确定出嘴巴区域（图7中矩形框）。

CbCr通道模型的公式如下：

图像变换后结果如图8（a）所示，再采用阈值分割算法分割出嘴巴区域，如图8（b）所示。根据两个模型的叠加结果如图9（a）所示，其中椭圆模型确定的嘴巴区域用虚线矩形框标记，CbCr通道模型确定的嘴巴区域用实线矩形框标记，最终在彩色证件照片定位出的嘴巴区域如图9（b）所示。

5 结论

标准证件照片的人脸区域检测和面部器官定位可用于各类证件与持证人实时人脸采集信息的核对，在公安、档案管理、门禁系统安全验证、机器人视觉等方面有广泛的应用前景。本文采用的人脸区域检测和面部器官定位算法简单易行，大量实验证明该算法不仅准确率高，而且运行时间具有实时性，能够为后续的人脸比对提供便利。

参考文献

[1]张文彬.人脸识别技术在互联网金融行业中的应用[J].电子技术与软件工程,2017(01):156-157.

[2]邹香玲.智能视频监控系统中的人脸识别技术之研究[J].电子技术与软件工程,2017(03):91-92.

[3]阮琳琳.基于人脸识别的会所智能监控系统的研究[D].南京理工大学,2013.

[4]谭军一.基于人脸识别的智能门禁系统设计[D].成都理工大学,2016.

[5]王伟,奚传立.证件照片感兴趣区域的提取[J].信息技术,2015(10):195-197,205.

[6]黄禹馨,黄山,张洪斌.基于肤色和器官定位的实时人脸检测[J].计算机工程与科学,2014,36(05):936-940.

[7]Golammoazzam M,Muntarina K,Sultana N, et al.An efficient method for eye detection in color images using morphological operations[J].International Journal of Computer Applications,2014,95(02):23-27.

[8]孙慧.基于色彩恒常及肤色信息的人脸检测算法研究[D].江西理工大学,2013.