一種快速的證件照片人臉檢測方法

文/張洲 張悅

1 引言

現今很多場合都需要身份信息的檢測與識別，如火車站進站、銀行提款等，人臉輪廓以及器官成為了識別一個人的重要依據。在人臉比對過程中，需要首先將證件照片的人臉區域，及其中的眼睛、嘴巴等面部器官區域準確檢測出來，進而提取面部輪廓、器官特征，然后與實際采集的人臉信息進行比對。并且基于證件照片的人臉檢測系統和指紋識別系統、DNA檢測等其他身份信息驗證方法相比較，不需要與檢測設備相接觸，更加方便快捷。因此研究基于證件照片的快速準確的人臉檢測算法具有很大的實際意義和廣闊的發展前景。

2 系統總體流程

本系統主要實現證件照片的人臉區域檢測，同時確定眼睛和嘴巴的位置，總體方案流程圖如圖1所示。系統實現主要分兩大部分：人臉區域檢測和面部器官定位。

人臉區域檢測采取的關鍵技術包括：

（1）空間轉換：主要根據證件照片的背景顏色、人臉膚色的聚類特性等因素綜合考慮，本文將證件照片原始RGB空間轉換為YCbCr空間。

（2）膚色分割：色彩空間轉換后，利用本文的橢圓膚色模型使圖像中的人臉區域和背景區域進行分離；分離結果由黑白兩色區分，其中白色區域為膚色區域，黑色區域為背景區域。

面部器官定位的關鍵技術包括：

（1）眼睛定位：在檢測到人臉區域上，采用水平和垂直投影技術快速定位眼睛的位置，并用矩形框標記顯示。

（2）嘴巴定位：疊加橢圓膚色模型和CbCr通道模型的檢測結果，最終用矩形框標記顯示。

圖1：總體方案流程圖

圖2：橢圓模型處理后的二值照片

圖3：人臉區域檢測結果

圖4：人臉區域灰度圖像垂直投影曲線

圖5：灰度圖像水平投影曲線

3 人臉區域的檢測

人臉區域檢測的目的是將人臉所在區域從整幅證件照片中提取分割出來。利用人臉膚色與照片背景顏色的不同，區分出膚色區域并用矩形框截取出該部分圖像，然后在人臉圖像上進一步定位面部器官，這樣做可以大大降低運算量，并且提高器官的定位精度。

3.1 照片色彩空間轉換

原始證件照片成像的色彩空間是日常生活中最常用的RGB空間，但是相對YCbCr空間，該空間對光線的變化比較敏感，同時不同的照片拍攝設備也可能導致拍攝照片的顏色偏差，這些都有可能導致不同環境下拍攝到的證件照片中的人臉皮膚的顏色各不相同，并且與人臉本身的膚色顏色像素值產生偏差，而由此產生的偏差不利于依靠膚色區分人臉與其它區域。因此為了隨后的人臉區域檢測的準確性，本文首先對證件照片圖像進行色度空間的轉換。RGB（24位）色彩空間與YCbCr（256級）色彩空間的轉換公式如式（1）所示：

式中變量R，G，B分別代表RGB空間的紅、綠、藍三個通道，變量Y，Cb，Cr為YCbCr空間的三個通道，分別代表顏色的亮度、藍色和紅色濃度偏移量。

3.2 膚色分割

在YCbCr色彩空間下，根據人臉膚色的聚類特性，本文采用橢圓膚色模型分割圖像，初步定位人臉，再利用形態學方法進一步處理該區域，將膚色區域從整幅證件照片中分割出來，以便后續處理。

具體步驟如下：由于人臉皮膚顏色在CbCr面上基本集中在一個近似橢圓的區域內，因此如公式（2）所示，首先建立橢圓模型方程，然后依次讀取證件照片中的每個像素點Pi，根據公式（3）判斷其在Cb和Cr通道的數值是否落在公式（2）生成的橢圓區域內，如果Pi在橢圓區域內，則標記為“1”，并判定該像素點屬于人臉區域，反之，Pi(x,y)在橢圓區域外，則標記為“0”，判定該像素點屬于非人臉區域。

式中變量Cb，Cr分別代表像素點Pi在Cb和Cr通道的數值；并且針對證件照片的人臉特點進行實驗測試，本文確定公式（2）和公式（3）中參數取值如下：橢圓的長半徑a=26.39，短半徑 b=14.03，ecx=1.6，ecy=2.4，cx=109.38，cy=152.02，θ=2.53。

經橢圓模型處理后，本文得到一個二值矩陣M，對應的二值圖像如圖2所示。求取二值矩陣M中的連通區域，采用形態學腐蝕膨脹算法，確定連通域包含的矩形區域，這些矩形區域即為可能的人臉區域。最后，根據證件照片分辨率，設定人臉區域面積和所處位置兩個閾值，對所有可能是人臉區域的備選矩形進行面積和位置條件篩選，最終確定證件照片中的人臉區域，并用矩形框標定出來，分割結果如圖3所示。

圖6：眼睛區域定位結果

圖7：橢圓模型檢測到的嘴巴區域

圖8：CbCr通道模型檢測到的嘴巴區域

圖9：嘴巴區域定位結果

4 面部器官的定位

4.1 眼睛定位

首先提取出上文檢測到的人臉區域，并將其轉換為灰度圖像。由于在人臉區域的灰度圖像中，眼睛的顏色和皮膚顏色相比，存在比較大的灰度差異。因此本文根據這一特點，采用投影方法定位出眼睛所在區域。統計分析表明證件照片中人臉及器官所處位置相對整幅照片基本固定，綜合位置信息和投影曲線可以比較準確的定位出眼睛區域。

圖4為人臉區域灰度圖像的垂直投影曲線，垂直投影曲線中波峰對應區域為眼睛區域，結合眼睛在標準證件中的大致范圍和對稱性，可以確定出眼睛區域的豎向外側邊界；而眼睛區域的豎向內側邊界則由投影曲線的極值點確定。根據眼睛區域的豎向外邊界，對人臉區域灰度圖像僅豎向截取包含眼睛的部分，再進行水平投影（投影結果如圖5所示），圖中菱形標記點為曲線的極值點。圖中第一個極大值和極小值對應區域為眉毛大致區域，第二個和第三個極大值對應區域為眼睛大致區域，第二個極小值大約為眼睛中線，結合位置信息，最終可確定眼睛區域的水平邊界。結合水平投影和垂直投影結果，最終用矩形框標定定位結果，如圖6所示。

4.2 嘴巴定位

嘴巴和膚色比較，顏色較為鮮艷，但單純基于某個色彩空間的圖像不足以準確地定位，因此本文分別采用橢圓模型和CbCr通道模型對照片圖像進行處理，兩種方法分割出的嘴巴區域疊加，做為最終的嘴巴區域。

證件照片采用橢圓模型生成的二值圖像如圖2所示，圖像黑白數值反轉并找出二值圖像中所有的白色連通域，經過位置和面積篩選確定出嘴巴區域（圖7中矩形框）。

CbCr通道模型的公式如下：

圖像變換后結果如圖8（a）所示，再采用閾值分割算法分割出嘴巴區域，如圖8（b）所示。根據兩個模型的疊加結果如圖9（a）所示，其中橢圓模型確定的嘴巴區域用虛線矩形框標記，CbCr通道模型確定的嘴巴區域用實線矩形框標記，最終在彩色證件照片定位出的嘴巴區域如圖9（b）所示。

5 結論

標準證件照片的人臉區域檢測和面部器官定位可用于各類證件與持證人實時人臉采集信息的核對，在公安、檔案管理、門禁系統安全驗證、機器人視覺等方面有廣泛的應用前景。本文采用的人臉區域檢測和面部器官定位算法簡單易行，大量實驗證明該算法不僅準確率高，而且運行時間具有實時性，能夠為后續的人臉比對提供便利。

參考文獻

[1]張文彬.人臉識別技術在互聯網金融行業中的應用[J].電子技術與軟件工程,2017(01):156-157.

[2]鄒香玲.智能視頻監控系統中的人臉識別技術之研究[J].電子技術與軟件工程,2017(03):91-92.

[3]阮琳琳.基于人臉識別的會所智能監控系統的研究[D].南京理工大學,2013.

[4]譚軍一.基于人臉識別的智能門禁系統設計[D].成都理工大學,2016.

[5]王偉,奚傳立.證件照片感興趣區域的提取[J].信息技術,2015(10):195-197,205.

[6]黃禹馨,黃山,張洪斌.基于膚色和器官定位的實時人臉檢測[J].計算機工程與科學,2014,36(05):936-940.

[7]Golammoazzam M,Muntarina K,Sultana N, et al.An efficient method for eye detection in color images using morphological operations[J].International Journal of Computer Applications,2014,95(02):23-27.

[8]孫慧.基于色彩恒常及膚色信息的人臉檢測算法研究[D].江西理工大學,2013.