基于形状特征的人脸检测技术

张慧宁

（黄河水利职业技术学院，河南 开封 475004）

基于形状特征的人脸检测技术

张慧宁

（黄河水利职业技术学院，河南 开封 475004）

人脸识别具有其他生物特征识别技术所无法比拟的直接、友好、方便等优点。论述了人脸检测的概念和研究现状，分析了人脸检测系统中图像灰度化、图像增强、图像二值化滤波等图像预处理技术，探讨了基于形状特征的人脸检测技术的应用前景。

形状特征；人脸检测；灰度变换；图像增强；二值化滤波

0 引言

在社会信息安全问题备受关注的环境下，自身安全和个人隐私保护成为这个时代的热门话题。基于钥匙、密码、个人身份识别码、磁卡、IC卡等的传统的安全措施已不能完全满足社会要求。人们把目光投向了生物特征识别技术，即利用人体固有的生理特征或行为特征来进行身份的鉴别或确认。基于生物特征的人脸识别是一种更直接、更方便、更友好、更容易被人们接受的非侵犯性识别方法，其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、罪犯识别等方面具有巨大的应用前景，越来越成为当前模式识别和人工智能领域的一个研究热点。作为人脸自动识别系统的先决条件，人脸检测技术有着十分重要的作用。人脸检测是将人脸从图像背景中检测出来，它是人脸识别、视点跟踪和人脸图像压缩等技术应用中的重要环节。由于受图像背景、亮度变化及人的头部姿势等因素的影响，使得人脸检测成为一项复杂的、具有挑战性的研究课题。笔者在此主要探讨基于形状特征的人脸检测技术的应用。

1 人脸检测技术的概念及研究现状

1．1 人脸检测技术的概念

人脸检测问题最初来源于人脸识别（Face Recognition），它是对于给定的静态图像或动态图像先进行判断，看是否存在人脸，如果存在，则进一步给出每个人脸的位置、大小以及各个面部器官的位置信息。人脸检测技术是一种在远距离、用户非配合状态下的快速身份识别技术，同时能够满足在实际应用场景下进行多个人脸的分拣、判断及识别，并与人脸数据库进行实时比对，完成快速的身份识别，实现智能预警的目的。

1.2 人脸检测技术的研究现状

国外关于人脸检测问题的研究学者和机构有很多，比较著名的有MIT，CMU等［1］；国内有清华大学、中国科学院等单位的人员进行相关研究。人脸检测的应用也不再局限于人脸识别系统，已经开始应用到车辆安全驾驶和照相机去红眼等系统，同时也广泛应用于全新的人机界面、安全访问、视频检测等领域。目前，应用人脸检测技术最多的领域有：（1）国际会议场所、奥运会运动场馆，甚至重要设施的工地和港口等需要对大量的人员进行身份认证与安全防护的领域。（2）通过人脸的表情变化和互换产生大量娱乐互动效果的虚拟领域。（3）基于人脸图像检测技术的搜索分类引擎。

2 人脸检测系统的设计

人脸检测是实时人脸识别和表情识别的基础，只有将人脸检测得准确，人脸识别和表情识别才能得以实现。

在人脸检测系统中，由于原始图像在尺寸、角度方面不合要求，或者是由于室外光照不均匀等原因，会造成图像质量不高。所以，需要按照一定的要求对原始图像进行预处理，以利于用户提取感兴趣的信息。

图像预处理的主要目的是消除图像中无关的信息，滤除干扰、噪声，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据。从而改进特征抽取的可靠性，为人脸准确检测和定位提供保障。图像处理过程如图1所示。

图1 图像处理过程Fig.1 Image processing

2．1 图像灰度化

图像的灰度变换是通过建立灰度映射来调整源图像的灰度，从而达到图像增强的目的。其操作步骤为：（1）对原始图像坐标轴放大，得到脸部信息。（2）调整图像的像素值，也可以改变对比度和颜色，或调节灰度图像的亮度或彩色。（3）调用imadjust函数，根据所用的图像及想得到的结果，经过试验，确定函数中的［low_in high_in low_out high_out］参数。（4）经过灰度的线性变换得到有用信息。图2为图像灰度变换前后的变化。

2．2 图像增强

在曝光不足或过度情况下，图像灰度局限在很窄的范围内，造成图像中的像素灰度没有层次，图像看起来比较模糊。直方图突出我们感兴趣的灰度范围，进而对图像做修正、增强，使图像质量得到改善。

由图3（a）显示的原始图像及图3（c）原始直方图可知，这幅图像最为突出的特点是较暗，且动态范围较低。相对于整个灰度范围来说，直方图的宽度非常狭窄，图像质量比较差，地物可分性较差。经过灰度变换和直方图均衡化后，图像的对比度及平均亮度明显提高，直方图在整个亮度标度上显著扩展，图像质量提高（如图3（c）和图3（d）所示）。

图2 图像灰度变换Fig.2 Image gradation transformation

2．3 图像二值化滤波

图像的噪声（如敏感元件、传输通道等引起的噪声）多半是随机的，它们对某一像素的影响可以看作是孤立的。因此，与邻近各点相比，该点灰度值将有显著的不同。采用领域平均值方法可以消除噪声。即，把图像分成若干个N×N的窗口，对每个窗口内像素组成的点集进行加平均，然后输出。邻域平均值的平均作用会引起模糊现象，模糊程度与领域半径成正比。其处理办法是取超限等领域平均值。如果某个像素的灰度值大于其邻域像素的平均值，且达到一定水平，则判断该像素为噪声，继而用领域像素的均值取代这一像素。如图4所示，原始图像中加入椒盐噪声来模拟图像的噪声，经过中值滤波和模板二值滤波后，能有效地去除椒盐噪声。但是，模板滤波会引起模糊现象。使用3×3的模板能有效地去除噪声，且不会引起模糊现象，效果较好。

图3 图像增强Fig.3 Image intensification

图4 图像二值化滤波Fig.4 Image binaryzation smoothing

2.4 基于形状特征的人脸检测技术的应用

人脸检测是指在输入图像中确定所有人脸 （如果存在）的位置、大小和位姿的过程。在大多数场合中，由于场景较复杂，人脸的位置是预先不知道的，因而首先必须确定场景中是否存在人脸，如果存在人脸，再确定其位置。基于形状的检测方法是利用人脸五官形状的信息，用一些形状模式在数字图像中匹配人脸，进而进行人脸检测。如图5所示，对原始图像进行灰度变换、滤波、二值化处理后，减小背景区域，并圈出人脸的位置。为减小背景区域，可将图像部分边缘区域设置为黑色。

图5 形状特征的人脸检测Fig.5 Face detection of shape feature

3 结语

基于形状特征的人脸检测虽然精确度较高，能够圈出人脸部位，但是图片里包含了一部分背景图像区域，会影响对人脸的高精度检测和人脸部位的精确定位。此外，在动态环境下，人脸检测技术还可能会出现以下问题，从而影响检测的正确性［2］：（1）不同个体之间的区别不大，所有人脸的结构都相似，甚至人脸器官的结构外形都很相似，这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。（2）人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大。（3）人脸检测还受光照条件（例如白天和夜晚，室内和室外、迎光和背光等）、人脸的诸多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

虽然人脸检测技术经过几十年的发展已经有了很大的突破，其意义也远远超出了过去产生的指纹检测、掌纹检测、视网膜检测、骨骼检测、心跳检测等技术，但是由于它对人体的生物特征有精确把握，如果使用不当，极易形成对个人隐私的永久性损害［3］。因此，如何有效地解决这些问题，是今后人脸检测技术发展中需要着力解决的问题。

在计算机技术、网络技术和人工智能技术高速发展的今天，人脸检测技术将会有更广阔的空间来展现其价值。也许就在明天，人脸就成为我们电子生活中的重要名片和标签，“刷脸”成为一种生活习惯。以人脸检测为基础的人脸识别将不断改变着我们的生活，改变着我们的生活方式。

［1］ 梁路宏，艾海舟，徐光祐，等．人脸检测研究综述［J］．计算机学报，2002，25（5）：449-459．

［2］ 中国报告大厅．2014-2020年中国人脸识别市场调研与发展趋势预测报告 ［EB／OL］．［2016-11-20］www．chinabgao．com／report／print661263．html．

［3］ 田镭．人脸检测技术研究［D］．上海：上海交通大学，2007．

[责任编辑 胡修池]

TN915．〔43〕

B

10．13681／j．cnki．cn41-1282／tv．2017．02．012

2017-01-12

黄河水利职业技术学院校内青年基金项目：人脸识别在校园门禁系统中的应用（2015QNKY008）。

张慧宁（1981-），女，河南三门峡人，讲师，硕士，从事高校电气自动化技术教学与研究工作，研究方向：控制理论与控制工程专业。