信息視頻圖像人臉檢測算法研究

盧曼慧

（遼寧工業大學 遼寧 121001）

0 引言

隨著人機交互技術的發展，視頻監控，可視電話、視頻電視會議的廣泛應用，人們開始將人臉檢測與跟蹤作為統一的整體加以研究。人臉檢測與跟蹤的應用領域十分廣泛，已經成為了計算機視覺及相關領域中的關鍵技術，在基于內容的視頻存儲與檢索、數字視頻處理、高級人機交互、智能視頻監控等方面有著重要的應用價值。

1 運動信息檢測

采用幀間差分算法進行運動信息檢測。

(1)利用公式0.299×R+0.587×G+0.114×B將RGB色彩的視頻圖像轉換為灰度圖像。

對灰度圖像做幀間差分處理獲得差分圖像，經實驗確定，閾值k為70。

2 膚色提取

膚色分割首先要選取一種合適的色彩空間。本文選用了YCbCr色彩空間，YCbCr色彩空間中Y表示顏色的亮度，Cr表示紅色分量，Cb表示藍色分量，Cr和Cb一起表示顏色的色度信息，并且Cr和Cb之間是二維獨立的。其主要的優點在于可以有效地將亮度和色度進行分離，色度信息在很多彩色圖像分割的應用中是很有效的，也非常適合于將膚色區域從圖像背景中分割出來。

Anil K.Jain專門統計研究了皮膚的色彩模型，他通過統計大量圖像中的膚色像素點在YCbCr空間的位置，建立了膚色在YCbCr空間的模型。為了得到更好的聚類特性，對CbCr空間進行了非線性分段變換，經過變換的得到色彩空間用Y表示。然后取CC子空間中的投影，得到膚色區域在空間的投影區域。子空間中的膚色聚類區域可用一個橢圓來近似，該橢圓的解析式為：

將每個像素帶入上述公式中進行計算，當表達式小于時1認為是膚色，否則不是。

3 人臉檢測

膚色分割后的圖片中還存在一些非人臉區域，需要對其進行數學形態學處理和人臉區域篩選，把誤檢的背景和非臉的膚色區域去除。

(1)數學形態學處理：通常，一幅彩色圖像經過色彩空間的轉換、膚色分割后所得到的圖像邊界往往是不平滑的，物體區域有些錯判，背景區域上則散布著一些小的噪聲。使用形態學上連續的開和閉運算可以顯著改善這種情況。

(2)人臉區域篩選：經過基于數學形態學處理和區域標記后，圖像中的小塊噪聲大多數被清除，但是由于背景十分復雜，影響因素較多，某些類膚色區域仍未去除。為了盡量丟棄非人臉膚色區域，保留真正的人臉的膚色區域，可采用判斷區域外接矩形長寬比和區域面積等參數刪除大多數非人臉膚色區域。

4 實驗結果和結論

采用Matlab對本算法進行仿真實驗，實驗結果如圖1所示。

圖1 人臉區域篩選

由圖1(b)可以看出，膚色提取后的結果中存在一些非人臉的背景和膚色區域，如非膚色的誤檢區域，人手等的膚色區域；由圖1(c)可以看出，數學形態學處理后，可以平滑邊緣、去除較小的背景誤檢區域；由圖1(d)可以看出人臉區域篩選后，可以把大部分非人臉的膚色區域去除。

實驗結果表明該算法能夠對視頻圖像序列中的人臉進行檢測，具有良好的性能和一定的研究參考價值。

[1] 陳天華.數字圖像處理[M].北京：清華大學出版社，2007.6

[2] 張洪剛，陳光，郭軍.圖像處理與識別[M].北京：北京郵電大學出版社，2006

[3] 李朝暉.數字圖像處理及應用[M].北京：季節工城出版社，2004.6

[4] 王耀南，李樹套.計算機圖像處理與識別技術[M].北京：高等教育出版社，2001

[5] Rein-Lien Hsu and Anil K.Jain, Face Detection in Color Images[M],IEEE Trans. Pattern Analysis and Machine Intelligence,May 2002,vol.24,no.5,pp.696—706