基于肤色模型和特征定位的人脸检测算法

第27卷 第6期 吉首大学学报(自然科学版)Vol.27 No.6 2006年11月J ournal of J ishou University(Natural Science Edi ti on)Nov.2006文章编号:1007-2985(2006)06-0069-04基于肤色模型和特征定位的人脸检测算法张书真1,2,宋海龙3,杨卫平1(1.国防科学技术大学ATR国防科技重点实验室,湖南长沙 410073;2.吉首大学物理科学与信息工程学院,湖南吉首 416000;3.国防科学技术大学理学院数学与系统科学系,湖南长沙 410073)摘 要:针对彩色图像提出一种基于肤色模型和特征定位的检测算法.首先建立一个新的肤色模型(H SI I模型),它对光照亮度具有强鲁棒性.在肤色分割的基础上,利用水平灰度投影估计人眼水平位置,然后结合候选脸区的边缘图像,给出人眼的确定位置,并输出人脸检测结果.实验表明该算法简单、快速、鲁棒性强.关键词:人脸检测;肤色模型;脸部特征定位;水平灰度投影;边缘检测中图分类号:TP391.41 文献标识码:A人脸检测是模式识别与计算机视觉领域的一项热点课题,它广泛用于人脸识别、智能人机接口、视频会议等.目前,比较常用的人脸检测方法可以概括为基于知识、基于结构特征、基于模板匹配以及基于统计模型的方法[1-2].在彩色图像中,肤色对于人脸检测是一项非常有用的信息,有效地利用肤色信息可以大大减小人脸区域的搜索范围.在肤色分割的基础上,再利用针对灰度图像的方法做进一步检测.笔者提出一种基于肤色模型和特征定位的人脸检测方法.首先建立一种改进的H SI I颜色空间.实验证明,在该空间建立的肤色模型能够适用于光照亮度变化范围较大条件下的肤色检测.在肤色分割的基础上,对候选脸区进行水平灰度投影,估计出人眼水平位置,然后采用Canny算子提取候选脸区的边缘,再通过加窗方法定位人眼,并最终输出人脸检测结果.1 肤色分割1.1色彩空间分析以色调、饱和度、亮度为三要素表示的HSI色彩,与人对色彩的感知相一致,是适合人类视觉特性的颜色空间[3],由RGB空间转换到HSI空间的变换公式如下:I=13(R+G+B),(1)S=1-3R+G+B(RGB)min,(2)H= 若B G,2 - 若B>G.(3)其中: =arccos12[(R-G)+(R-B)][(R-G)2+(R-B)(G-B)]12;(RGB)min指R,G,B这3个分量中最小的分量值.收稿日期:2006-09-16基金项目:国家自然科学基金资助项目(60573028);东南大学移动通信国家重点实验开放基金资助项目(A200503)作者简介:张书真(1977-),女,湖南桑植人,吉首大学物理科学与信息工程学院讲师,硕士生,主要从事模式识别、数字图象处理研究.分析(1),(2)式可以发现,饱和度分量S 与亮度分量I 相互关联.图像亮度的增加可以认为是向图像中增加了白光成分,而白光成分的增加必然导致图像饱和度相应地降低,因此HSI 空间内建立肤色模型对光照亮度变化敏感.由光照理论可知,图像的颜色由照射光源的光谱成分以及图像对入射光谱的反射系数决定,而白光中R ,G ,B 分量应该相等(否则为色光).设若图像的像素对3种基色光的反射系数相差不大,则亮度改变引起的R ,G ,B 分量的改变值 R , G , B 近似相等,即 R = G = B .令R =R + R ,G =G + G ,B =B + B ,则有R -G =R -G ,同理(R -B )、(R -G )、(R -B )、(G -B )的值都不改变.将上述结果代入(3)式,可得色调分量H 的值不随光照亮度的变化而改变.同时,将(1)式与(2)式相乘,得SI =[R -(RGB )min ]+[G -(RGB )min ]+[B -(RGB )min ]3.(4)光照亮度改变后,因 R = G = B ,(4)式中[R -(R G B )min ]=[R -(RGB )min ],同理[G -(RGB )min ],[B -(RGB )min ]的值都不改变,即SI 的值不随光照亮度的变化而改变.通过上述分析,建立起一个改进的H SI I 颜色空间.在该空间中,实际颜色相同的2个像素,在光照亮度变化的条件下,仍然聚集到相同的空间位置上,在其二维投影H SI 平面上可以构造出适应光照亮度变化范围较大的肤色模型.1.2肤色模型建立肤色模型前,通过不同光照亮度下肤色点分布的实验证明了上述理论推导的正确性.图1表示了同一块皮肤样本在不同光照亮度下分别在H S 平面和H SI 平面的聚类结果,其中各坐标分量都做了归一化处理.图1-a 表示同一肤色样本在不同光照亮度下的图像,图1-b 表示在H S 平面内肤色点的分布,图1-c 表示在H SI 平面内肤色点的分布.图1 不同亮度下肤色样本在H S 面和H SI 面的分布图2 不同亮度下图像的二值化结果实验结果清楚地表明:H SI I 空间在光照亮度变化的条件下具有更好的聚类效果.进行H SII 空间的肤色模型训练时,选取了不同光照亮度、不同背景、不同年龄等因素的皮肤样本共40块,通过统计分析,给出一个阈值分割的肤色模型:H[0.00,0.17]且SI [0.02,0.25],或H [0.97,0.99]且SI [0.02,0.05].利用上面这个肤色模型,对不同光照亮度下同一幅彩色图像进行二值化处理,实验结果如图2所示.图2-a 表示亮度较低的图像及其检测结果,图2-b 表示正常亮度的图像及其检测结果,图2-c 表示亮度较高的图像及其检测结果.实验中,图像亮度变化范围虽然较大,但肤色分割的结果大致相同,肤色区域几乎都被检测出来.因70吉首大学学报(自然科学版)第27卷此,实验证明了在H SI I 空间建立的肤色模型是有效可行的,它对光照亮度的变化具有强鲁棒性.1.3候选人脸区域的确定图3 形态学处理及归并后的图像在肤色分割后的二值化图像中不可避免地出现噪声,笔者采用形态学算子去除分割后的噪声,并使得图像中重要的区域(肤色区域)仍能保持连贯的轮廓.图3-a 表示经形态学处理后的图像.为进一步排除形态学滤波后不含人脸的肤色区域,需要对滤波后的二值图像的目标区域进行形状分析,将不可能的人脸区域过滤掉.具体操作如下:首先对前阶段处理过的二值图像提取出轮廓及外接矩形;然后根据目标区域面积大小和外接矩形的长宽比,对获得的目标区域作出筛选.通过处理,就可以从肤色分割的图像中得到一组候选人脸区域,图3-b 表示归并后的候选人脸区域.[4]2 特征定位2.1水平积分投影估计人眼的水平位置将彩色图像转换为灰度图像,可以发现灰度图中脸部特征处(如鼻子、眼睛、眉毛等)的灰度值要低于脸部其他区域.因此,可以对正面人脸进行灰度投影分析,粗略定位特征部位的位置.笔者主要是用水平积分投影估计人眼的水平位置.水平积分投影如图4-a 所示.设候选人脸区域大小为M N ,I (x ,y )表示像素点(x ,y )处的灰度值,则图像的水平积分投影函数为图4 积分投影定位人眼水平位置过程H (y )=1M M x =1I (x ,y ).(5)为了去除噪声影响,将一维Gauss 模板与H (y )进行卷积运算,得到平滑后的水平投影如图4-b 所示.观察投影图可发现,在候选脸上半区通常有2个极小值点,分别对应人的眉毛和眼睛部位.而眉毛位于眼睛的上面,因此可将投影图中上半区的第2个谷点对应的y 值确定为人眼水平位置坐标,如图4-c 所示.2.2边缘检测实现人眼定位精确定位人眼采用了边缘检测和加窗处理,具体实现步骤如下:(1)通过最大方差准则设定阈值,对候选脸区的灰度图像进行二值化处理,这样的处理是接下来的边缘检测获得较好效果的关键步骤.二值化结果如图5-a 所示.(2)利用Canny 算子提取二值化图像的边缘.在提取边缘时将阈值取得较高,使得脸部的边缘点仅由眉、眼等特征位置的强边缘组成,而不会包括鼻的轮廓产生的弱边缘.图5-b 为提取边缘后的图像,边缘像素点用白色表示.(3)在边缘图像上加一个大小为K L 的窗,K 的取值应大于瞳孔的宽度,小于两眼的水平间距,L 的取值应大于眼睑的高度,小于眉眼的垂直距离.将此窗放在候选脸区边缘图图5 边缘检测提取人眼过程的左端,高度为预估人眼水平位置对应的y 值,然后在候选人脸区内沿人眼水平位置从左往右移动窗口,移动步长为K .每移动一次记录下窗口中白色像素点的数目,移动结束后找出窗口中白色像素点数目出现最大值和次最大值的2个位置,即为两眼睛所在的位置.图5-c 中灰色块表示窗口移动结束后找到的两眼位置.双眼位置一旦确定,即可根据 三停五眼 规则输出检测到的人脸区域.71第6期 张书真,等:基于肤色模型和特征定位的人脸检测算法3 结果与分析实验选用了不同来源的彩色图像共50幅,图6给出了部分图像的人脸检测结果.图6 部分图像的检测结果实验中检测失败的出现主要是在头部倾斜度过大和偏色光干扰的情况下.对于这些问题期望通过2种方法来解决:一是对候选脸区利用主轴旋转得到端正人脸后再做人眼检测,二是利用色彩平衡来纠正色光干扰.由于采用了对光照变化具有强鲁棒性的的H SI I 肤色模型,从而实现了较好的肤色分割;而且,有效的边缘检测算法为人眼的最终定位提供了保证.由于算法中人脸特征定位比较简单,因此获得了较快的检测速度.[5-6]参考文献:[1] 梁路宏,艾海舟.人脸检测研究综述[J].计算机学报,2002,25(5):449-458.[2] YANG M ing -Hsuan,DAVID J KRIEGMAN NARENDRA AHUJE.Detection Faces in Images:A Survey [J].IEEE Transactions onPattern Analysis and Machine Intelligence,2002,24(1):34-58.[3] 丁海波,薛 质,李生红.基于HSI 空间的肤色检测方法[J].计算机应用,2004,24:210-211.[4] LAM K M,YAN H.An Improved M ethod for Locating and Extracting the Eye in Human Face Images [C].Washington,DC,USA:IEEE Computer Society,1996.[5] ZHANG L M,LENDERS PATRICK.Knowledge -Based Eye Detection for Hu man Face Recognition [C].IEEE Fourth InternationalConference on Knowledge -based In telligen t Engineering System &Allied Technologies,2000.[6] 陶 亮,庄镇泉.复杂背景下人眼自动定位[J].计算机辅助设计与图形学学报,2003,15(1):38-42.Face Detection Based on Skin Model and Features LocationZHANG Shu -zhen,SONG Ha-i long,YANG We-i ping(1.ATR Lab.,National University of Defense Technology,Changsha 410073,China;2.College of Physics Science &Information Engineering,Jishou University ,Jishou 416000,Hunan China;3.Dept.of Mathematics &Sys tem Sciences,National University of Defense Technology,Changsha 410073,China)Abstract :A face detection algorithm for color ima ges based on skin model and facial feature location is presented.Firstly,a ne w skin model (H SI I skin model)which has the robustness for variety of brightness is built.Sec ondly,facial re gion s horizontal gray -level projection is used to estimate the horizontal position of eyes.Finally,the edge fea -tures are checked to give the proper position of eyes.Experiments show that the algorithm is simple,fast and robust.Key words :face detection;skin model;facial feature location;horizontal gray -level projection;edge detection(责任编辑 陈炳权)72吉首大学学报(自然科学版)第27卷。