基于膚色特征的人臉檢測方法

專利名稱：基于膚色特征的人臉檢測方法
技術領域：
本發明屬于圖像處理技術領域，具體地說，是涉及一種基于膚色特征的人臉檢測
技術。
背景技術：
人臉識別技術是生物認證的一種。近年來隨著人工智能和電子商務迅速發展，人 臉自動識別技術成為最有潛力的生物識別技術和生物身份驗證手段。人臉自動識別技術 就是利用計算機分析人臉圖像，進而從中提取出有效的面部信息并用來辯識此人身份的技 術。它涉及到模式識別、圖形圖像處理、計算機視覺、生理學、心理學以及認知學等諸多學科 知識，并與基于其它生物特征的身份鑒別方法以及計算機人機感知交互的研究領域都有密 切聯系。與指紋、掌紋、視網膜、虹膜、基因等其它的生物特征識別系統相比，人臉識別系統 具有對人無傷害、無限制、友好方便等特點，易于為用戶所接受。 人臉識別技術可以被應用在多種不同的安全領域，比如證件(如駕駛執照)、護照 中的身份認證；樓宇進出的安全控制；重要場所中的安全檢測和監控；智能卡的身份認證 等等。人臉識別技術在信息安全領域也有著巨大的潛在應用價值。隨著網絡技術日益走進 人們的日常生活，越來越多的用戶可以訪問互聯網，越來越多的信息被置入互聯網。而由于 網絡信息訪問的便捷性，網絡的安全控制成為一個日益迫切的重要問題。利用人臉的特征 識別技術，可以進行計算機的登陸控制，可以進行應用程序安全使用、數據庫安全訪問和文 件加密，可以實現局域網和廣域網的安全控制，可以保護電子商務的安全性。人臉識別技術 可以用于創造友好自然的人機交互方式，是智能計算機領域研究的重要內容之一。 一個可 以識別使用者臉像的智能計算機，可以按照其特點為該使用者提供工作環境，從而使人與 計算機之間交互如同人與人之間的交互一樣輕松自如。另外，人臉識別技術還被用在圖像 庫檢索領域，在大型的人臉數據庫中檢索出與索引相同或相近的臉像。例如，公安部門可以 利用人臉識別技術進行罪犯庫的管理和查詢。由于人臉識別的非侵犯性，具有直接、方便、 友好的特點，是人們最容易接受的身份鑒別方式。隨著網絡技術和桌上視頻的廣泛采用，圖 像捕捉正在成為個人計算機的標準外設，同時電子商務等網絡資源的利用對身份驗證提出 了新的要求，人臉識別成為最有潛力的身份驗證手段之一。 人臉識別過程一般包括人臉的檢測和定位、特征提取和人臉識別三部分。很明顯， 人臉的檢測是人臉識別過程中最基本的步驟，如果檢測誤差太大，那會對后續工作產生很 大困難，甚至使結果沒有任何意義。人臉檢測是一個相當復雜的問題，由于面部表情的不同 及光照條件的變化，以及眼睛、鼻子、嘴巴和胡須等的影響，面部傷痕的出現等，均可不同程 度的影響人臉檢測的準確度，導致誤檢或漏檢。因此，多年來人臉檢測方法的研究一直引起 人們的關注。 早期的人臉識別算法都是在認為已經得到了一個正面人臉或者人臉很容易獲得 的前提下進行的，但是隨著人臉應用范圍的不斷擴大和開發實際系統需求的不斷提高，這 種假設下的研究已不再能滿足需求，人臉檢測開始作為獨立的研究內容發展起來。目前，國內外的文獻中所涉及的人臉檢測算法已經有多種，許多重要的國際會議和期刊都也都涉及 到人臉檢測問題研究論題。人臉檢測的研究涉及模式識別、圖像處理、生理學、心理學、認知 科學與基于其它生物特征的身份鑒別方法以及計算機人機感知交互領域都有密切聯系，因 此，早在20世紀60年代即引起了研究者的強烈興趣。進入20世紀90年代，由于各個領域 對人臉檢測系統的迫切需求，人臉檢測的研究重新成為研究的熱點。今天，人臉檢測的應用 背景已經遠遠超出了人臉識別系統的范疇，在基于內容的檢索、數字視頻處理、視覺監測等 方面都有著重要的應用價值，因此越來越受到業界的廣泛重視。 但是，常見的人臉檢測算法比較復雜，比如基于灰度特征的人臉檢測算法等，都需 要花費大量的時間進行運算，從而使得系統的實時性很差。

發明內容
本發明為了解決現有人臉檢測算法運算復雜、時間長、實時性不好的問題，提供了 一種基于膚色特征的人臉檢測方法，通過簡單的處理過程即可實現人臉圖像的檢測定位。 運算速度快，系統實時性好。 為了解決上述技術問題，本發明采用以下技術方案予以實現
—種基于膚色特征的人臉檢測方法，包括以下步驟
a、提取待檢測的人臉圖像； b、對人臉圖像進行色彩平衡，消除光源顏色變化對人臉區域的影響； c、進行顏色空間轉換，將經過色彩平衡處理后的人臉圖像轉換到亮度跟色度分離
的顏色空間； d、選定待檢測的人種，以提取相應人種的膚色信息分布范圍； e、判斷人臉圖像中的每個像素點的三分量是否同時落入上述的膚色信息分布范
圍內，若是，則將該像素點設置為l，否則，設置為O，以生成二值化圖像； f、對所述二值化圖像進行形態學處理。
其中，在所述步驟b中，具體采用以下的色彩平衡過程 (1)計算人臉圖像的R、 G、 B這3個分量的均值及總的均值；其中，R、 G、 B三個
分量的均值采用對圖像中每個像素點的R、 G、 B分量值分別進行統計，然后除以總像素點 個數的方法獲得，分別用符號avgR、 avgG、 avgB進行表示；3個分量的總均值avgGray = (avgR+avgG+avgB)/3 ; (2)計算R、 G、 B各分量的調整系數aR、 aG、 aB，其中aR = avgGray/avgR ;aG = avgGray/avgG ;aB = avgGray/avgB ; (3)利用求得的調整系數調整人臉圖像中每個像素點的R、 G、 B分量值，即R = R*aR ;G = G*aG ;B = B*aB ; (4)將調整后的R、 G、 B三分量中分量值大于255的值調整為255。 進一步的，所述亮度跟色度分離的顏色空間優選為YCbCr顏色空間。與之對應的
顏色空間轉換過程即為RGB顏色空間到YCbCr顏色空間之間的轉換，具體轉換過程如下 Y = 0. 257*R+0. 504*G+0. 098*B+16 ;Cb = -0. 148*R-0. 291*G+0. 439*B+128 ;Cr = 0. 439*R-0. 368*G_0. 071*B+128。
又進一步的，在所述步驟d中，供用戶選擇的人種包括三類，即白色人種、黃色人 種和黑色人種。 若選定的待檢測人種為白色人種，則提取的膚色信息分布范圍是Y中的膚色信 息范圍為(50,180)， Cb中的膚色信息范圍為(140,190)， Cr中的膚色信息范圍為(142， 190)。 若選定的待檢測人種為黃色人種，則提取的膚色信息分布范圍是Y中的膚色信 息范圍為(80,200)， Cb中的膚色信息范圍為(130,195)， Cr中的膚色信息范圍為(130， 170)。 若選定的待檢測人種為黑色人種，則提取的膚色信息分布范圍是Y中的膚色信 息范圍為(70,160)， Cb中的膚色信息范圍為(150,180)， Cr中的膚色信息范圍為(145， 170)。
再進一步的，在所述步驟f的形態學處理過程中主要包括以下過程 首先，對生成的二值化圖像進行腐蝕操作，以將二值化圖像中的白色小孔腐蝕掉，
使白色區域面積減小； 然后，對二值化圖像進行膨脹處理，以增大白色區域的面積，使黑色區域減小，以 突出臉部區域。 更進一步的，所述膨脹處理需要執行多次，以獲得比較理想的人臉檢測結果。
優選的，所述膨脹操作優選執行3次。 與現有技術相比，本發明的優點和積極效果是本發明的基于膚色特征的人臉檢 測方法檢測速度快、直觀、符合人們的感性認識，并且不受形狀、大小的影響，算法簡單易 懂，相比于傳統的基于灰度特征的人臉檢測算法而言，能夠大大提高運算速度，尤其適用于 實時性要求高的系統中。 結合附圖閱讀本發明實施方式的詳細描述后，本發明的其他特點和優點將變得更 加清楚。


圖1是本發明所提出的基于膚色特征的人臉檢測方法的一種實施例的程序流程 框圖。
具體實施例方式
下面結合附圖對本發明的具體實施方式
進行詳細地描述。 為了使人臉檢測能夠適合實際應用，希望在某一個顏色空間中，人類的膚色能夠 聚成密集分布的一類，也就是在此顏色空間中顏色特征有聚類特性，并且在有聚類特性的 顏色空間中找到聚類特性較好的顏色空間，因為聚類特性越好，越有利于人臉的檢測。
RGB顏色空間是用于顯示和保存彩色圖像的最常用的彩色空間，由R(紅)、 G(綠)、B(藍)三個分量所組成，三維空間中的三個軸分別與紅、綠、藍三基色相對應，原點 對應于黑色，離原點最遠的頂點對應于白色，而其他顏色則落在三維空間中由紅、綠、藍三 基色組成的彩色立方體中。但是，RGB顏色空間中亮度信息是隱含在三基色里面的，對光線 強度的變化很敏感，所以，不太適合進行人臉圖像的檢測，最好使用色度跟亮度分離的顏色空間。 目前，色度跟亮度信號分離的顏色空間有很多，例如VHS、 YIQ、 HIS、 YUV、 YCbCr顏 色空間等。其中，在YCbCr顏色空間里，Y分量代表亮度，Cb為藍色分量，Cr為紅色分量。實 際上，還有一個分量Cg，它代表綠色分量，只是在YCbCr空間里沒有用到。在RGB顏色空間 中，顏色由紅、綠、藍3個分量組成，每種顏色也就對應于3種顏色分量，即紅色分量Cr、藍色 分量Cb和綠色分量Cg，任意2種顏色分量和亮度信息均可以構成一個三維的空間。在該顏 色空間中膚色具有較好的聚類效果。所以，除了 YCbCr顏色空間以外，還存在YCbCg，YCgCr 等顏色空間。 本實施例優選使用YCbCr顏色空間，并在此顏色空間的基礎上提出了一種基于人 臉膚色特征、且不受形狀、大小等因素影響的人臉圖像檢測方法。 下面通過一個具體的實施例來詳細闡述所述基于膚色特征的人臉檢測方法的具 體設計步驟及實現過程。 實施例一，參見圖1所示，本實施例所提出的基于膚色特征的人臉檢測方法具體 包括以下步驟 S101、提取人臉圖像資料； S102、對提取出來的人臉圖像進行預處理； 在進行基于膚色特征的人臉區域檢測之前，首先要對人臉圖像進行預處理。當光 源發生變化時，圖像的亮度、色度位置和范圍都會發生變化，因此要對色彩發生偏移的圖像 進行色彩平衡，來消除光源顏色變化對人臉區域檢測的影響；然后，調整圖像的紅、綠、藍3 個分量的強度，恢復出圖像場景的原始顏色特征。其中，對人臉圖像進行色彩平衡的具體過 程包括以下步驟 (1)計算人臉圖像的R、G、B這3個分量的均值及總的均值； 其中，R、G、B這3個分量的均值可以采用對圖像中每個像素點的R、G、B分量值分
別進行統計，然后除以總像素點個數的方法獲得，分別用符號avgR、 avgG、 avgB進行表示； 3個分量的總均值avgGray = (avgR+avgG+avgB)/3 ; (2)計算R、 G、 B各分量的調整系數aR、 aG、 aB，即令 aR = avgGray/avgR ; aG = avgGray/avgG ; aB = avgGray/avgB ; (3)利用求得的調整系數調整人臉圖像中每個像素點的R、 G、 B分量值，即
R = R*aR ;
G = G*aG ;
B = B*aB ; (4)將調整后的R、 G、 B分量中分量值大于255的值調整為255。
S103、顏色空間轉換； 由于提取到的人臉圖像大多都是JPG或者BMP格式的圖片，也就是說它的顏色空 間是RGB空間，所以需要進行顏色空間之間的轉換。本實施例以將顏色空間由RGB空間轉 換到YCbCr空間為例進行說明，具體可以利用以下的轉換公式實現
Y = 0.257*R+0. 504*G+0. 098*B+16 ;
7
Cb = -0. 148*R-0. 291*G+0. 439*B+128 ;
Cr = 0. 439*R-0. 368*G_0. 071*B+128 ; 以計算出人臉圖像在YCbCr顏色空間中的各分量的分量值。 S104、選擇待檢測的人種，以提取相應人種的膚色信息分布范圍； 由于不同人種的膚色信息在YCbCr顏色空間中的分布情況不同，因此，需要針對
待檢測人臉圖像中的人種，調取該人種膚色所對應的Y、 Cb、 Cr三分量的膚色信息分布范
圍，以作為提取圖像中人臉區域的依據。 在本實施例中，定義白色人種Y中的膚色信息范圍為(50， 180) ， Cb中的膚色信息 范圍為(140,190)， Cr中的膚色信息范圍為(142,190)。黃色人種Y中的膚色信息范圍為 (80，200)，Cb中的膚色信息范圍為(130，195)，Cr中的膚色信息范圍為(130,170)。黑色人 種Y中的膚色信息范圍為(70， 160) ， Cb中的膚色信息范圍為(150， 180) ， Cr中的膚色信息 范圍為(145,170)。 S105、根據提取的膚色信息分布范圍確定待檢測的人臉圖像中的人臉區域，并生 成二值化圖像； 依次提取人臉圖像中的每一個像素點的Y、 Cb、 Cr三分量的分量值，若三個分量的 分量值均落入步驟S104中所提取的膚色信息分布范圍內，則將該像素點的值設置為l，否 則設置為0，由此便可以得到一個人臉區域為白色、背景區域為黑色的二值化圖像。
S106、對二值化圖像進行形態學處理； 通過步驟S105獲得的二值化圖像中會存在很多不是人臉的小孔和毛剌，這些小 孔和毛剌會引起特征的錯誤提取，如何將這些小孔和毛剌去除呢？本實施例優選使用形態 學處理的方法加以解決。 形態學以幾何學為基礎對圖像進行分析，其基本思想是用一個結構元素作為基本 工具來探測和提取圖像特征。基本的運算有膨脹、腐蝕、開啟和閉合。膨脹的作用是使處 理后的圖像比原圖像占的像素要多，使圖像更大。腐蝕的作用是使處理后的圖像比原圖像 占的像素少，使圖像有所收縮。開啟的作用是去掉輪廓上的突出毛剌，使有毛剌的部分變 得圓滑，截斷狹窄的連線，即將圖像中細小的線去掉。閉合的作用是去掉區域中的小孔，填 平狹窄的斷裂、細長的溝壑以及輪廓的缺口，起到平滑圖像的作用。 在本實施例中，對通過步驟S105獲得的二值化圖像先進行腐蝕操作，將白色小孔 腐蝕掉，這使得白色區域面積減小。然后對圖像進行膨脹處理，增大白色區域的面積，使黑 色區域減小，以突出臉部區域。在本實施例中，所述膨脹處理需要進行多次，優選進行三次 膨脹處理，以獲得比較理想的人臉檢測結果(試驗表明僅經過一次或者兩次膨脹處理得 到的臉部區域不夠理想)。 由此，便完成了基于膚色特征的人臉區域檢測過程。 當然，本發明的人臉檢測方法同樣適用于除YCbCr顏色空間以外的其它色度跟亮 度分離的顏色空間，比如YCbCg， YCgCr空間等，只要使用相應的空間轉換公式將RGB顏色空 間的人臉圖像轉換到相應的亮色空間，然后針對該亮色空間，結合不同人種的膚色特征確 定出合適的該亮色空間三分量的膚色信息范圍，在實際進行人臉檢測時，只需判斷空間轉 換后生成的人臉圖像中的每個像素點的三分量是否同時落入上述的膚色信息范圍內，即可 生成人臉區域為白色，背景為黑色的二值化圖像，實現對人臉部區域的準確檢測。
應當指出的是，以上所述僅是本發明的一種優選實施方式而已，對于本技術領域 的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改 進和潤飾也應視為本發明的保護范圍。
權利要求
一種基于膚色特征的人臉檢測方法，包括以下步驟a、提取待檢測的人臉圖像；b、對人臉圖像進行色彩平衡，消除光源顏色變化對人臉區域的影響；c、進行顏色空間轉換，將經過色彩平衡處理后的人臉圖像轉換到亮度跟色度分離的顏色空間；d、選定待檢測的人種，以提取相應人種的膚色信息分布范圍；e、判斷人臉圖像中的每個像素點的三分量是否同時落入上述的膚色信息分布范圍內，若是，則將該像素點設置為1，否則，設置為0，以生成二值化圖像；f、對所述二值化圖像進行形態學處理。
2. 根據權利要求1所述的基于膚色特征的人臉檢測方法，其特征在于在所述步驟b 中，包括以下的色彩平衡過程(1) 計算人臉圖像的R、 G、 B這3個分量的均值及總的均值；其中，R、 G、 B三個分量 的均值采用對圖像中每個像素點的R、 G、 B分量值分別進行統計，然后除以總像素點個 數的方法獲得，分別用符號avgR、 avgG、 avgB進行表示；3個分量的總均值avgGray = (avgR+avgG+avgB)/3 ;(2) 計算R、 G、 B各分量的調整系數aR、 aG、 aB，其中aR = avgGray/avgR ;aG =(3) 利用求得的調整系數調整人臉圖像中每個像素點的R、G、B分量值，即R = R*aR ;G =G*aG ;B = B*aB ;(4) 將調整后的R、 G、 B三分量中分量值大于255的值調整為255。
3. 根據權利要求1或2所述的基于膚色特征的人臉檢測方法，其特征在于所述亮度 跟色度分離的顏色空間為YCbCr顏色空間。
4. 根據權利要求3所述的基于膚色特征的人臉檢測方法，其特征在于在所述步驟d 中，若選定的待檢測人種為白色人種，則提取的膚色信息分布范圍是Y中的膚色信息范圍 為(50， 180) ， Cb中的膚色信息范圍為(140， 190) ， Cr中的膚色信息范圍為(142， 190)。
5. 根據權利要求3所述的基于膚色特征的人臉檢測方法，其特征在于在所述步驟d 中，若選定的待檢測人種為黃色人種，則提取的膚色信息分布范圍是Y中的膚色信息范圍 為(80,200) ，Cb中的膚色信息范圍為(130，195)，Cr中的膚色信息范圍為(130,170)。
6. 根據權利要求3所述的基于膚色特征的人臉檢測方法，其特征在于在所述步驟d 中，若選定的待檢測人種為黑色人種，則提取的膚色信息分布范圍是Y中的膚色信息范圍 為(70， 160) ， Cb中的膚色信息范圍為(150， 180) ， Cr中的膚色信息范圍為(145， 170)。
7. 根據權利要求3所述的基于膚色特征的人臉檢測方法，其特征在于在所述步驟c 中，顏色空間的轉換過程為RGB顏色空間到YCbCr顏色空間之間的轉換，具體轉換過程如 下Y = 0. 257*R+0. 504*G+0. 098*B+16 ; Cb = -0. 148*R-0. 291*G+0. 439*B+128 ; Cr = 0. 439*R-0. 368*G_0. 071*B+128。
8. 根據權利要求3所述的基于膚色特征的人臉檢測方法，其特征在于在所述步驟f的形態學處理過程中包括以下過程首先，對生成的二值化圖像進行腐蝕操作； 然后，對二值化圖像進行膨脹處理。
9. 根據權利要求8所述的基于膚色特征的人臉檢測方法，其特征在于所述膨脹處理 執行多次。
10. 根據權利要求9所述的基于膚色特征的人臉檢測方法，其特征在于所述膨脹操作 執行3次。
全文摘要
本發明公開了一種基于膚色特征的人臉檢測方法，包括以下步驟①提取人臉圖像資料；②對人臉圖像進行色彩平衡；③進行顏色空間轉換；④選定待檢測的人種，以提取相應人種的膚色信息分布范圍；⑤判斷人臉圖像中的每個像素點的三分量是否同時落入上述的膚色信息分布范圍內，若是，則將該像素點設置為1，否則，設置為0，以生成二值化圖像；⑥對所述二值化圖像進行形態學處理。本發明的基于膚色特征的人臉檢測方法檢測速度快、直觀、符合人們的感性認識，并且不受形狀、大小的影響，算法簡單易懂，相比于傳統的基于灰度特征的人臉檢測算法而言，能夠大大提高運算速度，尤其適用于實時性要求高的系統中。
文檔編號G06K9/00GK101706874SQ20091026010
公開日2010年5月12日 申請日期2009年12月25日 優先權日2009年12月25日
發明者龐珊珊 申請人:青島朗訊科技通訊設備有限公司