基于特征和基于圖像相結合的快速人臉檢測

摘要：為了提高人臉檢測的速度，提出了一種基于特征和基于圖像相結合的快速人臉檢測方法。該方法對訓練樣本圖像進行離散小波變換(DWT)，使用低頻逼近系數來訓練支持向量機(SVM)分類器；在檢測時，首先利用雙眼區域的亮度關系和臉部的對稱特征來快速過濾掉大量的背景區域，再利用SVM對余下的區域進行進一步的驗證，以確認是否為人臉。實驗結果證明了該方法的正確性和有效性。

關鍵詞：人臉檢測； 基于特征； 基于圖像； 小波變換； 支持向量機

中圖分類號：TP391.41文獻標志碼：A

文章編號：1001－3695(2008)01－0294－03

人臉檢測是指判斷給定圖像中是否存在人臉。若存在，則確定人臉的位置、大小和位姿。人臉檢測是模式識別和計算機視覺領域的一個重要研究方向，在智能人機接口、視覺監測、圖像標注與檢索、數字視頻分析等諸多應用領域有著非常廣泛的實用價值。人臉檢測的方法可以分為基于特征的方法和基于圖像的方法兩大類[1]。基于特征的方法利用臉部幾何特征、膚色特征以及運動等特征，這類方法的檢測速度較快，但是檢測率較低；基于圖像的方法[2，3]利用了模式識別理論，使用事先訓練好的分類器判斷圖像中的大量窗口是否為人臉，這類方法的檢測率較好，而且適用的范圍比較廣，但是檢測的速度比較慢，不能滿足實際的要求。為了達到較快的檢測速度和較高的檢測率，O.Sawettanusorn等人[4]提出了一種基于特征與基于圖像相結合的人臉檢測方法。該方法利用雙眼區域的亮度關系和臉部的對稱性來快速過濾掉大量的背景區域，再利用相機得到的距離信息對余下的區域進行進一步的驗證。

現有的很多基于圖像的方法對每個窗口均進行復雜的計算以確定其是否為人臉[2，3]，實際上存在人臉的窗口的數量遠遠小于不存在人臉的窗口的數量，并且很多背景區域和人臉的差別很大，可以通過計算復雜度低的特征計算來快速過濾掉大量的背景區域；對于較復雜的背景區域，再使用訓練好的分類器作進一步的驗證。針對這種情況，本文提出了一種新的基于臉部特征的過濾器。首先使用這種過濾器對大量的窗口進行過濾，對余下的區域再利用支持向量機進行驗證。利用這種方法，使檢測速度有了較大的提高。

由于本文提出的人臉檢測方法的檢測速度與背景的復雜程度有很大的關系，表中的速度提高率是整體檢測結果的平均水平。從表1中可以看出，使用臉部的灰度關系以及對稱性可以使檢測速度有大幅度的提高，且檢測率并沒有明顯的下降。

5結束語

本文提出了一種基于特征與基于圖像相結合的快速人臉檢測方法。該方法首先通過雙眼區域的灰度特征和臉部的對稱性來快速過濾掉大量的非人臉區域；對余下的區域，用小波變換的低頻系數作為特征輸入SVM進行進一步的驗證，實驗結果證明了該方法的有效性。本方法利用的是臉部的灰度關系以及對稱關系，所以不能檢測出旋轉角度較大以及有掩模的人臉，設計出能夠有效地檢測出旋轉角度較大的人臉以及臉部有掩模的人臉的算法，將是以后研究的一個工作方法。

參考文獻：

[1]HJELMAS E，LOW B K. Face detection: a survey[J]. Computer Vision and Image Understanding， 2001，83(3):236－274.

[2]ROWLEY H A， BALUJA S， KANADE T. Neural network based face detection[J]. IEEE Trans on Pattern Analysis and Machine Intelligence， 1998，20(1):23－38.

[3]OSUNA E， FREUND R， GIROSI F. Training support vector machines: an application to face detection[C]//Proc of IEEE Conf Computer Vision and Pattern Recognition. 1997:130 136.

[4]SAWETTANUSORN O， SENDA Y， KAWATO S， et al. Detection of face representative using newly proposed filter[J]. Signal Process， 2004，8(2):137 145.

[5]VIOLA P， JONES M. Rapid object detection using a boosted cascade of simple features[C]//Proc of IEEE Conf CVRP.2001: 511－518.

[6]邊肇祺， 張學工. 模式識別[M]. 2版.北京：清華大學出版社， 2000:284－303. 

[7]BURGES C. A tutorial on support vector machines for pattern recognition[J]. Data Mining and Knowledge Discovery， 1998，2(2):121 167.

[8]CRISTIANINI N， TAYLOR J S. An introduction to support vector machines and other kernel based learning methods[M].Cambridge： Cambridge University Press， 2000:82 107.

[9]孫延奎. 小波分析及其應用[M]. 北京：機械工業出版社， 2005:5－45.

[10]TORRENCE C， COMPO G P. A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological Society， 1998，79(1):61－78.

[11]HEISELE B， POGGIO T， PONTIL M. Face detection in still gray ima￣ges AI memo No. 1687， CBCL. Paper No. 187 Center for Biolo￣gical and Computational Learning[D].Cambridge: MIT， 2000.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”