顏色信息技術(shù)在人臉識別技術(shù)上的應用分析

摘要：人臉識別技術(shù)是目前各大智能設備廠商搶占市場的主要技術(shù)之一。作為比指紋識別交互性更簡易的識別技術(shù)，人臉識別技術(shù)的成功率，識別速度以及準確率是其目前主要需要突破的三大難點。假如在識別人臉圖像時僅憑輪廓曲線來進行計算，其成功率和準確度都可能達不到市場應用的標準。假如在圖像處理時引入每個像素點的顏色信息并加以利用，就可以讓魯棒性得到很大的提升，選取合適的顏色空間對于利用膚色提取人臉具有關鍵的意義。在后期識別算法相對成熟的時候，圖像前期的顏色處理是決定這項技術(shù)“天花板”的關鍵技術(shù)。而如何形成完整的顏色人臉鑒別體系，也是目前在完善的另一個方向?？傮w來看，顏色信息技術(shù)在人臉識別領域有著不可或缺的重要地位。關鍵字：人臉識別，顏色信息技術(shù)，交互，魯棒性1.

人臉識別中應用的顏色空間目前人臉圖像采集方式大多為彩色圖像，假如放棄其中的顏色信息，則圖像中包含的信息就會減少很多。當光線不同時，采集到的人臉圖像可能有很大的差別，光線較亮或者較暗的情形都可能使采集到的RGB信息發(fā)生改變，從而導致識別不準確。同時，由于RGB是設備相關的顏色空間，所以當設備有多個或者設備發(fā)生變化時，也會發(fā)生識別失敗的情況。所以在使用人臉圖像中的顏色信息前，必須在這些信息中找到較為穩(wěn)定的分量。目前主流的基于顏色空間的人臉識別方法都有一個目標，即膚色的分離。在大多情況下認為膚色是人臉識別中首要提取的量，也是顏色信息中較為穩(wěn)定的參量。將膚色分離后再基于提取的輪廓和其他信息，可以更高效地與庫中的人臉數(shù)據(jù)進行對比。目前有實際應用的人臉識別顏色處理方法主要有以下幾種：1.1.

基于HSV空間的膚色分離方法在1996年提出使用HSV顏色空間來提取膚色[。HSV(Hue,Saturation,Value)是根據(jù)顏色的直觀特性由A.R.Smith在1978年創(chuàng)建的一種顏色空間,也稱六角錐體模型(HexconeModel)。這個模型中顏色的參數(shù)分別是：色調(diào)（H），飽和度（S），明度（V）。在將圖像的RGB信息轉(zhuǎn)換到HSV顏色空間之后，舍棄V的信息，并設定符合膚色范圍的S和H的閾值。實驗中設置為Smin=0.23，Smax=0.68，Hmin=0°，Hmax=50°并對一張圖像進行了膚色提取，得到了以下的圖案，可以看到能夠成功提取出人的臉部特征。圖1基于HSV顏色空間提取人臉1.2.

基于LAB顏色空間的人臉提取LAB顏色空間在人臉識別中較少應用，但是歷史上有一定的嘗試。Lab顏色模型由三個要素組成，一個要素是亮度（L），a和b是兩個顏色通道。a包括的顏色是從深綠色（低亮度值）到灰色（中亮度值）再到亮粉紅色（高亮度值）；b是從亮藍色（低亮度值）到灰色（中亮度值）再到黃色（高亮度值）。由于分離的結(jié)果對比度不高，所以實際產(chǎn)品中幾乎沒有使用。以下是基于LAB顏色空間的人臉提取嘗試：圖2基于Lab顏色空間提取人臉1.3.

基于RIQ顏色空間的膚色提取方法提出了將圖像變換到RIQ空間，并提取其中的膚色部分。RIQ顏色空間由透明度和色調(diào)組成。其中，R代表透明度或亮度，表示圖片的灰度值。I和Q代表圖片的色調(diào)，I代表從橙色到青色的顏色變化，Q代表從紫色到黃綠色的顏色變換。分別提取圖片的R,I,Q顏色參數(shù)，將一幅圖片分解為三張子圖。分別對三張子圖作主分量分析，提取特征向量。圖3將人臉圖案分成RIQ子圖1.4.

基于YCbCr顏色空間的膚色提取方法YCbCr顏色空間是目前在人臉識別中使用最廣泛的顏色空間，這種顏色空間相比于其他的顏色空間有非常多的優(yōu)點：該空間具有與人類視覺感知過程相類似的構(gòu)成原理。YCbCr顏色模型被廣泛地應用在電視顯示等領域中，也是許多視頻壓縮編碼，如MPEG、JPEG等標準中普遍采用的顏色表示格式。

YCbCr的顏色空間具有與HSV等其它一些色彩格式相類似的將色彩中的亮度分量分離出來的優(yōu)點；YCbCr的計算過程和空間坐標表示形式比較簡單，與RGB之間的換算關系簡單，避免了非線性空間的奇異性。YCbCr的顏色空間是離散的，采用YCbCr空間易于實現(xiàn)聚類算法；膚色在YCbCr色彩空間的聚類性較好。以下是一次基于YCbCr顏色空間的圖像處理實例，主要用于構(gòu)建人臉的眼睛位置模型：圖4將彩色人臉圖分離到Y(jié)CbCr顏色空間1.5.

基于混合顏色空間的人臉構(gòu)建在實際產(chǎn)品的應用中，只應用某種顏色空間的識別速度和精度往往不能達到客戶想要的使用體驗。目前常也采用混合顏色空間來進行人臉構(gòu)建，主要思想是對原圖像的RGB值變換到不同的顏色空間中。比如HSV，YCbCr顏色空間中，并提取其中對膚色識別比較敏感的分量進行計算，加權(quán)歸化得到人臉構(gòu)建的識別結(jié)果。圖5顏色空間歸化基本思路權(quán)重的設置需要通過機器學習來進行。如圖將一張原始圖像分解到不同的顏色空間，設置每個顏色空間每個分量的權(quán)重，并進行計算歸化，再與期望得到的人臉區(qū)域進行對比，當訓練的數(shù)目足夠大時，每個分量的權(quán)重趨于穩(wěn)定。圖6將一幅圖分解到多個顏色空間中混合顏色空間的人臉構(gòu)建相比其他使用單一顏色空間精確度更高，但是需要設置很多的參數(shù)，也要大量的人臉樣本進行學習，在每次使用時的計算復雜度也多于使用單一顏色空間。2.

在人臉識別中應用顏色信息技術(shù)的難點2.1.

環(huán)境光引起的膚色偏移不同環(huán)境光照射在人臉上會讓膚色發(fā)生變化，光源的光譜不同，則反射光的光譜不可能超出光源的光譜范圍。在這種情況下，顏色技術(shù)的引入可能會對識別結(jié)果引起反作用，在輪廓識別精確度的基礎上，如果照明光源和實際應用中的光源差別過大時，最后的精度反而低于輪廓識別。在光照條件較為極端時，人臉的膚色超出機器的設定閾值，就會發(fā)生完全不能識別的情況。

圖7不同光照條件下的人臉膚色[5]2.2.

光照強度超出傳感器的閾值大多數(shù)人臉識別中，顏色信息技術(shù)應用的第一步是去掉顏色信息中的亮度信息。當光照強度過高或者過低時，去掉亮度信息后剩下的顏色信息就不夠準確。當亮度過高過低引起傳感器過曝或者欠曝時，就會完全識別不出畫面中的顏色信息。2.3.

面部變化引起的識別困難目前很多人有改變自己膚色的習慣，如化妝，在改變膚色的情況下要仍然能夠準確識別，就需要對膚色的閾值有自動學習的能力。2.4.

人臉識別訓練樣本不夠把膚色作為提取人臉的標志需要大量的膚色樣本來確定膚色的范圍，按照目前情況下，由于成本的限制，因?qū)嶋H的樣本數(shù)相對有限，所以膚色的庫需要通過持續(xù)的學習才能擴展。但是這種做法可能涉及竊取用戶隱私。2.5.

誤識別率較高跟識別困難相反，當機器把膚色的閾值范圍加大的時候，可能造成不同人臉都能被同一個樣本人臉識別。這就造成了人臉識別的準確性下降。按實際應用來說，這個問題可能比識別成功率低更加嚴重，容易導致個人信息安全問題。3.

彩色人臉識別的研究方向3.1.

建立基于彩色圖像的統(tǒng)一鑒別模式目前彩色人臉的一個重要方向是基于彩色圖像的統(tǒng)一鑒別模式建立，J.Yang以RGB顏色空間提出了一種特征鑒別思路：將一幅彩色圖像分為紅、綠和藍三個顏色通道的圖像，雖然三幅圖像顯示的顏色和色彩深度有差異，但是都是表示同一個人臉樣本，他們的輪廓是相像的，所以也許能夠找到三個顏色通道在人臉識別技術(shù)中的相關性。圖8RGB通道的人臉輪廓定義D為三個通道經(jīng)過加權(quán)之后的融合圖像：

并定義三個色彩通道分量之間的平均相關系數(shù)為：

對于同樣樣本和不同樣樣本進行計算，發(fā)現(xiàn)彩色圖像的三個顏色成分之間的相關性是非常大的。同類的樣本相關系數(shù)是0.8766，不同類型的樣本相關系數(shù)僅為0.8740。平均相關系數(shù)雖然差距不大，但是足以分離一些較為相似的樣本。圖9相同和不同樣本的相關系數(shù)3.2.

利用顏色信息和插值算法提高圖像分辨率[8]在一些特殊情況下，當圖像的采集速度要求較高時，實際應用會采集一些分辨率較低的圖像。在這個時候，較低的分辨率可能達不到人臉識別的需求，這個時候需要對采集的圖像做出處理。與黑白圖像不同，彩色圖像的插值，尤其是包含人臉信息的插值算法，通常需要對膚色做出特定的調(diào)整。插值時選取的顏色空間分量應當與膚色有緊密的聯(lián)系。4.

個人對人臉識別中顏色信息技術(shù)應用的見解人臉識別技術(shù)的魯棒性受到很多因素的限制，算法或是機器學習的精度非常重要，但是其能達到的最高水平卻取決于最初獲得的圖像數(shù)據(jù)。圖像的顏色信息處理就是用來獲取這些初始數(shù)據(jù)的手段。假設能夠從圖像中提取對人臉識別影響最大的顏色分量，才能夠突破現(xiàn)有的技術(shù)限制，將這個領域的天花板提升到新的高度。在實際的人臉識別應用中，應用顏色信息技術(shù)通常是所有步驟中的第一步，這就要求不同的圖像采集設備有更高的顏色采集一致性。但是幾乎所有的設備都仍然沒有擺脫初始采集顏色空間的設備依賴，通常都是RGB顏色空間，這會導致在后期的計算