复杂背景下的人脸检测

赵冬琴

(山西财经大学 实验教学中心，山西 太原 030006)

复杂背景下的人脸检测

赵冬琴

(山西财经大学 实验教学中心，山西 太原 030006)

人脸检测作为人脸识别的关键，检测的精确度和速度直接影响人脸识别系统的性能。本文在肤色模型二值化、积分投影和分块计算LGBP直方图的基础上对复杂背景下的人脸进行检测，结果表明人脸检测不受光照、表情和遮挡物等的影响，提高了检测的正确率和运算速度。

人脸检测；二值化；投影

随着互联网+大数据时代的到来，各种智能终端设备的普及和应用，人脸识别技术逐渐得到了应用。在光照、眼镜、肤色等因素影响下的人脸识别正确率依然特别低，因此在复杂环境下的人脸识别成为了目前的研究热点和难点。

人脸检测是人脸识别的关键。人脸检测就是在输入的图像中鉴别出是否存在人脸，以及人脸的大小、位置和姿态的过程。目前人脸检测的方法大致有：基于知识的方法[1]、基于模板匹配的方法、基于统计模型的方法和基于特征的方法。本文对复杂背景下的图像进行二值化处理、积分投影得到水平和垂直投影图，然后对投影图进行LGBP分块检测，得到复杂图像中的人脸区域。

1 图像的预处理

复杂背景下的人脸检测，必须经过图像预处理才能达到较好的检测效果。图像预处理包括图像输入位置的标准化及大小的正规化(几何归一化)、图像的灰度变换(灰度归一化)、二值化、投影。

几何归一化，是使在不同输入的情况下，人脸图像最后都统一到同样的大小，并使人脸的关键部位在图像中的位置尽量保持一致。

灰度归一化是将图像的灰度值和方差归一化到一个特定的范围内，对不同灰度值图像进行统一的处理。它是对图像进行光照补偿等处理，以克服光照(如高光、阴影等)变化的影响。

二值化的方法就是将图像上的像素灰度值设置为0或255，把一幅灰度图像转换成二值图像处理。通过设定阈值把灰度图像变成仅用两个值分别表示图像目标和背景的二值图像，实现物体与背景的分割。

投影是把n维坐标系中的点变换成小于n维坐标系中的点。投影包括垂直投影和水平投影。

2 基于肤色模型的人脸检测

肤色作为重要的特征信息，具有较好的鲁棒性，不受面部表情、姿态、复杂背景等因素的影响。合适准确的肤色选择和采集对于人脸检测的准确性至关重要。常用的颜色空间有RGB、YCbCr、HSV空间等。RGB采用红色、绿色、蓝色三色作为三基色表示图像，亮度色度混在一起，受光线影响，检测困难；HSV利用色度、饱和度和亮度建立色彩模型，色度、亮度分开，计算复杂度高；YCbCr不仅综合两者优点，而且空间离散，利于实现聚类。

本文采用YCbCr空间，使用高斯模型[2]进行计算，实验证明在YCbCr色彩空间的统计分布中黄种人的皮肤满足 145≤Cb≤180，145≤Cr≤165的阈值分布，利用实验得到的上下界限分布值来对肤色进行提取，肤色位置赋值为1，标记为白色，非皮肤区域赋值为0，标记为黑色，得到二值化图像(如图1所示)。

图1 图像转换

3 基于灰度图像的人脸检测

通过肤色检测得到了二值化图像，但是复杂图像得到的二值化图像还包含一些和肤色相近的区域，如手臂、胳膊、颈部等非人脸区域。因此需要通过灰度图像的检测去除非人脸区域，进而检测出人脸。灰度图像检测主要通过积和投影进行计算，计算量比较小。二值图像在水平和垂直方向的投影如图2所示，水平投影计算每行的黑色像素点个数。垂直投影计算每列的黑色像素点个数，灰度值有高低分布。

图2 投影图

3.1 人脸边界的确定

实验将二值化图像积分投影后观察人脸图像，不论复杂图像还是人脸数据库中的人脸图片，垂直投影眉心处的灰度值比较高，眼睛处的灰度值较低，水平投影有连续四个波谷，分别对应眉毛、眼睛、鼻子和嘴。通过积分投影眼睛的位置和特征也已突现出来。本文利用LBP[3]和Gabor滤波相结合的方法将整个图像区域分割为8×8的像素块，既降低了计算速度也节省了存储空间。在图像分割的每个块中自左向右搜索眼睛位置。根据眼睛的弧线张角和余弦公式(如图3所示)确定眼睛的位置。

图3 眼睛弧线张角

在垂直投影[4]图像中人脸的平均灰度明显不同于背景中的其它物体，人脸内部灰度值在眼睛和眉心处有一些有变化，其余地方比较平滑。人脸和复杂背景的交界会有一定的突变，在分界处的那一点会有一个大的梯度值，这样根据眼睛的位置和LGBP方法通过寻找垂直投影曲线中的较大凹槽或突起，就可以找到人脸的边界。本方法在自建的复杂图像库中检测出的人脸图像如图4所示。

图4 复杂图像中检测到的人脸

4 结论

本文在ORL人脸数据库、Yale人脸数据库和自建的复杂图像数据库中进行了验证，均得到了很好的检测率。避免了光照、表情和遮挡物的影响，提高了检测的正确率和运算速度。但是在人脸边界的确定过程中仍然需要一定的计算量，希望在以后的研究中能够更好的实现降维。

[1] 张彩明.计算机图形学简明教程[M].北京：高等教育出版社,2008.

[2] 苑玮琦，韩春霞.复杂背景下的多人脸检测方法[J].计算机应用,2010(3)：635-638.

[3] 周佳敏.复杂背景下多人脸的检测与识别算法[D].武汉：武汉理工大学,2015.

[4] 汤连春，李海燕，陈建华.基于局部特征的人脸检测与提取[J],计算机工程，2007(10)：210-211,214.

Facial Detection in Complex Background

Zhao Dongqin

(CenterofExperimentalandTeaching,ShanxiUniversityofFinanceandEconomics,TaiyuanShanxi030006,China)

Face detection as the key to face recognition, detection accuracy and speed directly affect the performance of face recognition system. Based on the binarization of the skin color model, the integral projection and the LGBP histogram, the face of the complex background is tested. The results show that the face detection is not affected by the light, the expression and the occlusion. The correct rate and the operation speed are improved.

face detection; binarization; projection

2017-03-04

赵冬琴(1984- )，女，山西阳泉人，助理实验师，硕士研究生，主要研究方向：数据挖掘、人工智能、脑信息学。

1674- 4578(2017)02- 0027- 02

TP181.09

A