一種基于特征膚色的人臉檢測方法

一種基于特征膚色的人臉檢測方法

由于每個人都需要面對人臉識別系統(tǒng)，因此面部識別是計算機(jī)視覺領(lǐng)域的一個非?；钴S的研究主題。人臉檢測是完成人臉自動識別任務(wù)的第一步,是人臉識別的基礎(chǔ),因而人臉檢測方法的研究具有十分重要的意義。近幾年人們對人臉檢測做了大量的研究,提出了許多人臉檢測方法。其中的神經(jīng)網(wǎng)絡(luò)、變形模板匹配、邊緣檢測和隱馬爾可夫模型等方法,雖然具有很大的理論價值,但是在實現(xiàn)算法中計算量大、實時性差,并且在復(fù)雜背景下的檢測效果也不是很理想。另外有一類利用顏色信息的人臉檢測方法,主要是在彩色圖像中利用人的膚色特征來檢測人臉,該類方法是一個很有潛力的研究方向。本文是在特征臉方法的思想啟發(fā)下,提出了特征膚色的概念,進(jìn)而提出了基于特征膚色的人臉檢測方法。根據(jù)視覺原理,顏色數(shù)據(jù)在HSI彩色空間中能夠提供更好的辨別信息,便于圖像處理,因此本文中采用的方法首先進(jìn)行了RGB到HSI的彩色空間轉(zhuǎn)換。1維彩色空間的形成光在頻域分布中的不同位置正好體現(xiàn)了各種顏色,顏色是人對光譜中可見區(qū)域段光的感知結(jié)果。根據(jù)三基色原理,自然界常見的各種顏色光都可以用相互獨立的三種基本顏色混合得到,這三種基本顏色就叫做三基色,由此就構(gòu)成了三維彩色空間。例如最常見的由紅、綠、藍(lán)三基色構(gòu)成的RGB彩色空間。彩色空間有許多種,下面介紹我們用到的兩種彩色空間及其轉(zhuǎn)換。1.1彩色空間的三個分量這是最常用的彩色空間。國際照明委員會(CIE)采用紅(R)、綠(G)、藍(lán)(B)三種單色作為彩色空間的三個分量,這就是RGB彩色空間。三維空間中的三個軸分別與紅、綠、藍(lán)三基色相對應(yīng),原點對應(yīng)于黑點,離原點最遠(yuǎn)的頂點對應(yīng)于白點,而其它顏色則落在三維空間中由紅、綠、藍(lán)三基色構(gòu)成的彩色立方體中。其它彩色空間一般以RGB彩色空間為基礎(chǔ),是RGB彩色空間的線性或非線性函數(shù)。1.2彩色空間的轉(zhuǎn)換這一彩色空間用色調(diào)H(Hue)、飽和度S(Saturation)、光強(qiáng)度I(Intensity)三個參數(shù)描述顏色特性。色調(diào)決定彩色光的光譜成分,取決于光的波長,說明彩色光中混入白光的數(shù)量;飽和度是某種波長的彩色光純度的反映,純光譜色的含量越多,其飽和度越高;亮度取決于彩色的強(qiáng)度,是彩色光對視覺的刺激程度。由于HSI彩色空間更接近人對彩色的認(rèn)識和解釋,許多情況下在該彩色空間中進(jìn)行圖像分析和處理,比在RGB彩色空間中更加方便和有效。鑒于以上認(rèn)識,本文的人臉檢測方法的首要步驟就是要把RGB彩色空間轉(zhuǎn)換到HSI彩色空間中,所以下面詳細(xì)介紹RGB到HSI的彩色空間轉(zhuǎn)換。RGB空間中灰度線是彩色立方體的對角線,而在HSI空間中是垂直中軸,所以可以建立一個(x,y,z)坐標(biāo)系,旋轉(zhuǎn)RGB立方體使其體對角線與z軸重合而其R軸在xz平面上。這個旋轉(zhuǎn)由式(1)給出:x=1√6[2R-G-B]y=1√2[G-B]z=1√3[R+G+B](1)x=16√[2R?G?B]y=12√[G?B]z=13√[R+G+B](1)接下來我們通過在xy平面中定義極坐標(biāo)系來轉(zhuǎn)化為圓柱形坐標(biāo)系,有ρ=√x2+y2ρ=x2+y2??????√《=ang(x,y)(2)其中《=ang(x,y)是從原點到點(x,y)的直線與x軸的夾角。我們現(xiàn)在有了圓柱形坐標(biāo)系,其(《,ρ,z)對應(yīng)于(H,S,I),但是這樣定義的飽和度與強(qiáng)度不獨立,補(bǔ)救的辦法是通過除以對應(yīng)不同《角的值ρ的最大值使ρ歸一化。這樣推導(dǎo)出飽和度公式為S=ρρmax=1-3min(R,G,B)R+G+B=1-√3Ιmin(R,G,B)(3)S=ρρmax=1?3min(R,G,B)R+G+B=1?3√Imin(R,G,B)(3)在式(2)中,色調(diào)H由《來定義,一個等價的方法是計算角度θ=cos-1[12[(R-G)+(R-B)]√(R-G)2+(R-B)(G-B)](4)θ=cos?1[12[(R?G)+(R?B)](R?G)2+(R?B)(G?B)√](4)于是色調(diào)H的值為2顏色和提取2.1人臉特征的提取特征臉方法是Turk和Pentland提出的非常經(jīng)典的人臉識別方法,它同時也能用在人臉檢測中。該方法的核心思想是把一組人臉訓(xùn)練圖像做K-L變換來構(gòu)造主元子空間,把人臉特征提取到該主元子空間中,然后把測試圖像投影到主元子空間中進(jìn)行識別或檢測。其中的主元是人臉訓(xùn)練樣本集經(jīng)過K-L變換得到的特征向量,由于這些特征向量所對應(yīng)的圖像很像人臉,所以被叫做“特征臉”(Eigenfaces),主元子空間也叫做特征臉子空間。本文把這種提取人臉特征的方法應(yīng)用于膚色特征提取中,即把一組標(biāo)準(zhǔn)的膚色點作為訓(xùn)練樣本集進(jìn)行K-L變換得到特征向量,我們從特征臉類推把這些特征向量叫做“特征膚色”;然后用特征膚色構(gòu)造膚色空間,從而把膚色特征集中提取到膚色空間中,在膚色空間中進(jìn)行人臉檢測。2.2特征皮膚點的生成按照特征臉方法,我們通過K-L變換來獲得特征膚色。用K-L變換來提取特征的技術(shù)在模式識別和圖像處理中應(yīng)用由來已久。K-L變換是以圖像的統(tǒng)計特性為基礎(chǔ)的一種最佳的正交變換,也稱為特征向量變換或主分量變換。在數(shù)字圖像處理中,把一幅圖像看作一個隨機(jī)向量,然后采用離散K-L變換。對N×1隨機(jī)向量的某集合f={f1,f2,f3,…,fn},它需統(tǒng)計總體的N個樣本。其均值向量為μ=E{f}≈1ΝΝΣi=1fi(6)μ=E{f}≈1NΣi=1Nfi(6)其協(xié)方差矩陣為Σf=E{(f-μ)(f-μ)Τ}≈1ΝΝΣi=1(fi-μ)(fi-μ)Τ≈1Ν[ΝΣi=1(fifiΤ)]-μμΤ(7)可以通過式(8)求Σf的特征值和特征向量:Σf=λiαi,0≤i≤N-1(8)式中λi是特征值,相應(yīng)的特征向量為αi。通常λi按從大到小排列,這樣對于這一組f的集合,其變換核矩陣A是由特征向量αi按照對應(yīng)于特征值λi的順序排列組成的矩陣,即A=[α1,α2,…,αn](9)用這個K-L變換核矩陣A的轉(zhuǎn)置矩陣AT與向量f相乘,可得到一個新的向量F,F向量就是K-L變換的結(jié)果,K-L變換的表達(dá)式如F=ATf(10)顯然K-L變換是由矩陣A定義的一個線性變換。K-L變換的均方誤差最小,并且能夠消除原有向量f的各分量之間的相關(guān)性,這樣我們就能夠找到一個分類判別的最佳方向。為了獲取特征膚色,我們從本研究所的人像數(shù)據(jù)庫中選取了60塊標(biāo)準(zhǔn)的小塊膚色區(qū)域,總計20000個膚色點,作為訓(xùn)練樣本集。首先把樣本集從RGB彩色空間轉(zhuǎn)換到HSI彩色空間中。每個膚色點是三維HSI彩色空間中的一個點,我們把它看作是一個三維向量i=(H,S,I)。設(shè)訓(xùn)練集為{i1,i2,…,im},IK∈R3,k=1,2,…,m。首先求出訓(xùn)練集樣本的數(shù)學(xué)期望為μ=1mmΣk-1ik?μ∈R3(11)然后計算訓(xùn)練集樣本的協(xié)方差矩陣為{B=1mΣ(ik-μ)(ik-μ)Τ=AAΤB∈R3×3(12)其中,A=[i1-μ,i2-μ,…,im-μ](13)不像在特征臉方法中,這里的協(xié)方差矩陣B只是一個3×3的很小的矩陣,所以我們不用SVD奇異值分解定理的降維技術(shù)就能容易地直接求出協(xié)方差矩陣B的特征值λ1,λ2,λ3和特征向量μ1,μ2,μ3。在特征臉方法中一般要舍棄特征值小的特征向量而只保留少數(shù)特征值大的特征向量(主元),從而構(gòu)成的空間叫做主元子空間,而現(xiàn)在我們本來也只有三個特征向量μ1,μ2,μ3,所以沒有必要減少特征向量,把μ1,μ2,μ3全保留下來。顯然,我們用μ1,μ2,μ3構(gòu)成的空間不是子空間,而是完整的空間。在代數(shù)意義下,訓(xùn)練集協(xié)方差矩陣B完備地表達(dá)了訓(xùn)練集的所有信息,而B又可以用(μ1,μ2,μ3)完備地表達(dá)。因此,如果所選訓(xùn)練集包括了所有情況下的皮膚顏色點,則可以認(rèn)為由(μ1,μ2,μ3)構(gòu)成的空間能夠充分地描述膚色,能夠把膚色特征集中抽取出來。也就是說,任何膚色點都能用(μ1,μ2,μ3)的線性組合表示。我們稱(μ1,μ2,μ3)為特征膚色,由(μ1,μ2,μ3)構(gòu)成的空間稱為膚色空間,一個膚色點對應(yīng)于膚色空間中的一個點。3面部特征的識別3.1測試圖像的分割把待檢測圖像從RGB彩色空間轉(zhuǎn)換到HSI彩色空間中,然后把圖像中的每一點f(H,S,I)投影到特征膚色構(gòu)成的膚色空間中得到系數(shù)向量y,如式(14)所示:y=UTf,其中U=(μ1,μ2,μ3)(14)系數(shù)向量y表示測試顏色點f在膚色空間中的位置。由于膚色點和非膚色點在膚色空間中分屬于明顯可分的兩個不同的區(qū)域,所以用系數(shù)向量y可以判別顏色點是否為膚色點,是膚色點置白,否則置黑。這樣把測試圖像分割為二值圖像,膚色區(qū)域被變?yōu)榘咨熬?非膚色區(qū)域變?yōu)楹谏尘?。三組膚色分割的樣圖如圖1所示,每組中的左右圖分別為原圖和分割后的圖像。3.2篩選色澤區(qū)域把膚色分割后的二值圖像進(jìn)行噪聲消除和區(qū)域連通,然后用連通區(qū)域搜索算法檢測到所有膚色區(qū)域。由于這些膚色區(qū)域中有一些可能是胳膊或具有膚色顏色的衣服等其它非人臉區(qū)域,所以要對膚色區(qū)域進(jìn)行篩選。篩選采用幾何形狀分析的方法,把非人臉膚色區(qū)域過濾掉,最終檢測到人臉區(qū)域。4人臉檢測正確率分析我們對本研究所人像數(shù)據(jù)庫中的708幅圖像進(jìn)行了測試,除了極少數(shù)受噪聲、光照條件干擾的