人脸区域检测与分割

姜夕梅 黄诚 杨晓伟 孔淑敏

摘要： 随着现代社会的飞速发展，关于安全检测的准确性以及高效性要求越来越高，通过人脸进行安全识别具有巨大的发展前景。本文从实用角度出发，研究了在彩色图像中基于肤色分割的人脸区域检测与分割。文章首先生成灰度图像，接着将图像进行膨胀与腐蚀操作，为后续工作的稳定性做出保证，以减少失真。接着用边界法对图像实现分割，最终获得所需的人脸区域。本文通过图像成功展示了相关人脸图像的肤色识别以及分割效果。通过肤色可以分别出人脸区域，为后边的识别做好了准备。

关键词：人脸检测;分割;肤色

中图分类号： TP18        文献标识码：A

文章编号：1009-3044（2019）19-0191-03

Abstract： With the rapid development of modern society， the demand for accuracy and efficiency of security testing is getting higher and higher， and the security identification through face recognition has great prospects for development. In this paper， from a practical point of view， this paper studies the face detection and segmentation based on skin color segmentation in color image.Firstly， the method of skin color clustering is used to convert the RGB color space to the YCbCr color space first， and the colorimetric in YCbCr is used as the judgment basis to process the pixels in the color space to generate the gray image. Then the image expansion and erosion operations， to ensure the stability of follow-up work to reduce distortion. Then use the boundary method to segment the image， and finally get the desired face area. In this paper， we successfully demonstrate the skin color recognition and segmentation effect of related face images. Through the skin color can be separated from the face area， ready for the recognition behind.

Keywords： face detection; segmentation; color

隨着科学技术的飞速发展，各行各业迫切需求快速以及高效的自动身份验证系统。当前广泛使用的身份检测形式比如磁卡、IC卡等，虽然相关技术已经成熟，但是仍不易阻止伪造的发生。由于生物属性是人的内在属性，有着稳定的个体差异和物理稳定性，可以作为身份检测的理想依据。人脸检测以及指纹检测等相关生物特性具有直接、稳定、方便等特点。因此会成为一个研究热点。

近年来，人脸检测技术得到了广泛的发展与应用，在案犯识别、视频会议、智能人机交互、档案管理等方面应用潜力巨大，逐渐成了目前计算机与模式识别的一大热点研究。一个完整的人脸图像自动识别系统包含两个步骤：人脸检测与人脸识别。本文中的人脸检测主要的方向的判断输入的被检测图像中是否存在人脸，如果图像中存在人脸，通过相关算法进行检测，然后把人脸部分分割提取出来。

本文首先使用了基于肤色的人脸检测方法，通过相关参数对相关部位的人脸区域进行了确认，然后通过肤色聚类、形态学等手段对人脸区域进行分割。

1 算法以及原理

1.1 基于肤色的人脸检测

肤色是人脸的重要信息，该特征不依赖于面部的特征细节，对于表情变化、旋转等情况都可以使用，并且具有相对的稳定性，能够与大多数背景图像相区别。在彩色图像中，利用肤色对人脸检测具有很高的使用价值。

在实际情况中输入的人脸图像往往都会存在背景，这些背景如果不能有效提取出来，就会对人脸图像处理造成失真和错误，对后期的处理也会造成影响。这里应用的算法是基于肤色的色彩空间转换方法。

接着要介绍两种颜色模型，一种是RGB模型，一种是YCbCr模型。

RGB颜色模型是最基本的颜色模型，类似于人眼所看到的五彩斑斓的世界，也是最常用的彩色信息表达方式[1]。国际上指定在RGB颜色模型中选择红、绿、蓝三种单色光作为三原色，即任何颜色都可以通过这三种颜色混合得到。该模型中光照对颜色的影响很大，主要的不同体现在亮度上，比如人的皮肤有黑色、白色以及黄色等不同颜色。

尽管不同性别、不同年龄以及不同肤色的人脸在彩色空间的分布情况有所差异，比方人有黄皮肤、白皮肤等不同颜色皮肤，甚至即使是黄皮肤颜色深浅也不一样，但是不同主要体现在亮度上而不是色度上，肤色在一定范围内呈现聚类特性。经过统计实验发现，肤色空间在YCbCr上地聚合主要集中在 Cb=150 左右，对于人脸图像进行识别，让检验符合要求的相关区域称为白色，其余部分呈现黑色。相关图片在下一部分的程序结果中展示。

1.2 人脸区域分割

图像分割是一种重要的数字图像处理技术[4]。在实际的应用中，通常是将要分析和识别的目标从原始图像中分离并利用，图像分割即将图像分为各个具有独特特殊的区域，并从中提取出分析和识别的目标区域，其特性包括颜色、灰度值、纹理、形状等。图像分割是对图像进行分析的基础，只有预先分割，才能提取出更多利于分析的特性，实现进一步的图像处理。

2 程序以及处理结果

2.1 人脸检测以及灰度转换

首先编写一个函数 face_detection.m，实现肤色聚类的人脸检测以及二值化功能。

2.2 人脸分割

我们需要对人脸去进行提取，此时可以利用形态学处理方法，完成人脸的检测与分割。对函数 face_detection.m修改，添加形态学处理手段，实现新的人脸检测，函数定义为 refine_face_detection.m，其具体实现的MATLAB代码如下：

3 工作结语

本文通过肤色可以识别出人脸区域，并且能通过边界法实现了人脸的分割，但是也存在不足与局限性。比如本文的人脸检测是在肤色分割的基础上进行的，对于有墨镜，胡子等遮挡的人脸图像，他们的图像不能很好地分割出肤色区域，达不到需要的效果。对于所列举的图像，人脸部分的提取并不是很全面，比如人头部下方的衣服，在分割的时候还留在所得的图片中，对于后续的图像识别多多少少会存在影响。

图像检测的下一环节就是图像识别。目前由于个人以及时间有限，以上相关的问题还没有找到较好的解决方案，关于图像识别部分本文也没有涉及，希望在以后的研究中能够不断加以完善。

参考文献：

[1] 邓洪波.基于Gabor特征的人脸表情识别和手写体汉字识别[D].广州：华中理工大学，2006.

[2] Li Peihua，Ma Hongwei.Iris recognition in non-ideal imaging condition[J].Pattern Recognition Letters，2012，33（8），1012-1018.

[3] 楊丹，赵海滨，龙哲.MATLAB图像处理实例详解[M].北京：清华大学出版社，2013：468-472.

[4] Cootes T F，Twining C J，Taylor C J.Diffeomrophic statistical shape models，British Machine Vision Conference，2004，1：447-456.

[5] 吴国平.数字图像处理[M].武汉：中国地质大学出版社，2007：191-201.

[6] 路驰.基于肤色分割的人脸检测算法的研究与实现[D].东北大学，2012.

[7] Oge Marques.实用MATLAB图像和视频处理[M].北京：清华大学出版社，2013：261-276.

【通联编辑：唐一东】