譚 陽，賀 璐

(湖南網絡工程職業(yè)學院，湖南長沙 410004)

一種有效提升識別率的面部圖像預處理方法

譚 陽，賀 璐*

(湖南網絡工程職業(yè)學院，湖南長沙 410004)

面部關鍵特征點的定位和取樣直接關系到面部識別率的高低，本文提出了一種對人類面部圖像進行細節(jié)提取，并進行了方向場化突出，最后將其特征2值化的預處理的方法，有效地抑制了面部圖像中提取的特征點樣本模糊的現象。實驗證明，通過這種方法對面部圖像的預處理，能夠較好地提升一般面部識別算法的識別率。

人臉識別;表情識別;關鍵點定位;特征提取

一、引言

Ekman將人臉表情劃分為6種基本類型［1］:高興、悲傷、憤怒、恐懼、驚訝和厭惡。并認為這是人類所共有的6種基本表情，且不受種族、文化及性別等差異的影響。但是直到目前為止，使用機器對人臉表情信息準確地識別仍存在一些技術性困難。

當前，絕大多數關于人臉識別算法和人臉表情分析算法在提取人臉特征之前，需要根據人臉特征點的位置(如眼角，嘴角)對面部圖像進行幾何歸一化處理，所以對于面部特征點的精確定位是一個關鍵的步驟。目前所有面部識別工具遇到的問題是:面部表情的變化是一個隨時間變化的動態(tài)過程，即使在已知人臉大概位置的情況下，其面部特征點的位置也時常處于定位模糊的狀態(tài)，并且這主要是由外部干擾和臉部的形變等不可預測的因素所造成的。

二、面部特征點定位的預處理方法

近年來，針對不同個體、姿態(tài)、光照條件下的人臉表情圖像識別方面的研究有了新的進展［2］－［4］。國內外的學者們提出先通過對關鍵特征部位(眼角、鼻翼、嘴角)進行取樣，然后對取樣的圖像進行歸一化處理并按照一定的方法來進行模式匹配，最后再對所獲取的表情進行分類和歸納?？梢钥闯?，對面部特征點的定位在很大程度上決定了取樣圖像的質量;目前較為常見的特征點的確定方法是先隨機收集面部特征點的樣本(正/負)，并對樣本進行類比和對比后確定。為了進一步提高人臉的識別率，首先必須要能夠較為精確地定位特征信息點的具體位置。為了實現這一目標，本文提出通過對人像圖像進行預處理的方式來提高正負樣本的差異性，以提高后期算法對人像表情的識別率。具體方法步驟如下:

1.圖像規(guī)格處理。通過感光設備捕獲的原始圖像中，由于存在各種不確定因素的影響(如光照強度過少或過多)，會使得捕獲圖像中的表情細節(jié)變得模糊及難以識別。為了突出原始圖像之間的細節(jié)差異并為后續(xù)處理提供較為統(tǒng)一的規(guī)格，首先需要對采集到的圖像進行規(guī)格化處理，即統(tǒng)一成灰度基本一致的圖像。這一過程會導致部分面部細節(jié)的丟失，因此需要加強并突出人像中的面部表情關鍵點及圖像邊緣的特征。Lin等人提出了式(1)所示的特征處理函數［5］，能夠有效地對圖像的總體灰度進行平衡，為后續(xù)處理步驟提供較為統(tǒng)一的操作前提。并且還能夠有效突出人像中面部表情中的線狀及點狀特征。

其中，I為N×N大小的原始圖像，I(i，j)表示原始圖像中像素點(i，j)的灰度值，G為處理后的圖像。

2.方向場處理。面部圖像中的皮膚和五官在表情表達的時候會具有特定的方向性，這也是對面部表情進行識別的另一個主要參考因素，并且這些方向還具有真實、漸變等特點。對其進行提取的準確性將直接影響表情的識別效果。為此，國內外學者在方向場的計算提取上提出過很多種方法，其中由Mehtre提出的鄰域方向模板法［6］是一種計算簡單且效果較好的方法。本文采用改進的Mehtre方法如式(2)。

圖1 5×5方向處理模板

計算點方向圖，采用5×5的模板，如圖1所示，以每π/8為一個計算方向，計算每個像素點在8個不同方向上的均值Aver［i］和方差 Var［i］。其中，Pdik為方向上的第k個像素的灰度值。

將計算得到的8個Aver［i］值分成4組，1和5一組，2和6一組，3和7一組，4和8一組;并計算每個組的Aver［i］值的絕對差值，并取方差值最大的方向。

3.面部圖像2值化。為了突出圖像中的表情特征信息，本文在Gabor函數［7］的基礎上進行改進，并采用改進后的函數作為濾波變換算子對灰度圖像進行2值化處理，為了能更好地突出原始圖像中的特征信息，本文對Gabor算子進行了偶對稱變換，如式(3)所示。

其中θ、f分別為函數濾波的方向和頻率，人臉圖像的特征紋線(面部皺紋)方向以水平方向為主，差值在±π/12之間，所以本文方法將方向θ和頻率f均設置為0、δi、δj分別為沿X軸及Y軸方向上的高斯包絡常數，其不同的取值會對處理后的圖像產生不同的影響:取值越大其去噪的能力越強，但對圖像細節(jié)的影響也隨之變大?？紤]到要保證在不同光照環(huán)境下獲得的人像圖像質量，這里將經方向場處理完成后圖像的平均灰度值(Average Gray Value，AGV)作為 δi及 δj的參數。

圖2 本文方法對人像圖像處理的過程

圖2中為對Sadness、Joy兩類基本圖像，采用本文3個處理步驟所得到的圖像。因Gabor算子具有較強的消除圖像中模糊及斷點部分的能力，在保留原函數良好的頻域選擇和方向選擇特性的同時，還能夠在頻域的不同尺度及方向上保留相關的特征信息，且還能較多地保留在時域與頻域連接處的信息量。

三、對比及分析

1.正負樣本對比。由于篇幅的關系，本文以左嘴角為例，如圖3所示，對每張人臉圖片以左嘴角為匹配中心點，割取16×16的嘴角樣本作為正樣本。再以左嘴角為中心，半徑為16個像素的圓上隨機選4個點作為中心點，割取16×16的樣本作為負樣本。

在圖3中原始Sadness圖像為S圖;原始Joy圖像為J圖。經本文方法預處理后的Sadness圖像為S＇圖，Joy圖像為J＇圖。其中，對于處理后得到的2值化圖像，為了能有效區(qū)分樣本提取區(qū)域和2值化圖像本身，對2值化圖像做了80%灰度處理。

截取得到的樣本圖像如下圖4所示，可以看出無論是對于正樣本還是負樣本而言，處理后的圖像對于面部特征部分都更加充分的凸顯，且對面部關鍵特征點的提取更加精確、有效。經過本文方法進行預處理后得到的樣本圖像可以使得面部識別率得到有效提升，并降低誤判的幾率。

2.常規(guī)面部識別算法的對比。Chang［8］等人提出了基于流形的表情分析方法(Manifold Based A-nalysis of Facial Expression，MBAF);Lee［9］等人提出了一種流形學習與張量分解相結合的表情識別算法(Facial Expression Analysis Using Nonlinear Decomposable Generative Models，NDGAF);Shan［10］等人提出了一種基于監(jiān)督式保局投影(Supervised Locality Preserving Projections，SLPP)的表情識別方法。本文以上述三種算法作為對比算法，在Cohn－Kanade和JAFFE人臉庫［11］上進行對比測試。使用上述三種標準算法分別對不經處理的面部圖像和按本文提出方法進行預處理后的面部圖像進行識別。

圖3 對原始圖像及處理圖像的正負樣本點的提取

圖4 兩種處理方法正/負樣本的對比

通過表1可以看出無論是對Cohn－Kanade測試庫還是JAFFE測試庫，三種面部識別算法的識別率均有所提高，這也證明了本文方法的有效性。

四、結語

本文提出了一種對人類面部圖像進行細節(jié)提取，并進行了方向場化突出，最后將其特征2值化的預處理的方法;有效地抑制了面部圖像中提取的特征點樣本模糊的現象。實驗證明，通過本文方法對面部圖像的預處理，能夠較好地提升一般面部識別算法的識別率。

表1 Cohn－Kanade人臉庫與JAFFE人臉庫上的人臉和表情識別率

［1］Ekman P.Emotion in the Human Face.New York:Cambridge University Press，1982.

［2］胡步發(fā)，黃銀成，陳炳興.基于層次分析法語義知識的人臉表情識別新方法［J］.中國圖象圖形學報，2011，16(3):420－426.

［3］于真.基于支持向量機的人臉識別技術研究［J］.計算機仿真，2011，28(12):296 －299.

［4］黨力，孔凡讓.獨立子空間下的草圖人臉合成與識別［J］.中國科學技術大學學報，2012，42(1):60－66.

［5］Lin Hong，Wan Yi－ fei，Anil Jain.Finger print image enhancement algorithm and performance evaluation［J］.IEEE Transactions on Patten analysis and Machine intelligence 1998，20(8):777－789.

［6］趙磊，楊路明，吳建輝.指紋圖像預處理新方法［J］.計算機應用2007，27(4):929－931.

［7］雷琳，王壯，粟毅.基于多尺度Gabor濾波器組的不變特征點提取新方法［J］.電子學報，2009，37(10):2314－2319.

［8］Chang Y，Hu CB，Turk M.Probabilistic expression analysis on manifolds.In:Proc.of the IEEE Computer Society Conf.on Computer Vision and Pattern Recognition(CVPR 2004)，Vol.2.2004.520 －527.

［9］Elgammal A，Lee CS.Separating style and content on a nonlinear manifold.In:Proc.of the IEEE Computer Society Conf.on Computer Vision and Pattern Recognition(CVPR 2004)，Vol.1.2004.478 －485.

［10］Shan CF，Gong SG，McOwan PW.Dynamic facial expression recognition using a Bayesian temporal manifold model.In:Proc.of the British Machine Vision Conf.(BMVC 2006)，Vol.1.2006.297 －306.

［11］續(xù)爽，賈云得.基于表情相似性的人臉表情流形［J］.軟件學報，2009，20(8):2191 －2198.

An Effective Method to Increase the Recognition Rate of Facial－image Preprocessing

TAN Yang，HE Lu

Positioning and sampling of the facial feature points are directly related to the level of facial recognition rate.This paper proposes a new preprocessing method to extract details from human facial image，highlighted by line element field，and finally characterized by two values.It effectively suppresses the blurred sample of feature points in facial image extraction.The experiments show that this method of facial image preprocessing could enhance the recognition rate of the general face－recognition algorithms.

facial recognition;expression recognition;key point positioning;feature extraction

TP391.41

A

1009－5152(2012)03－0060－05

2012－07－02

譚陽(1979－ )，男，湖南網絡工程職業(yè)學院講師，工程師，計算數學碩士;賀璐(1982－ )，女，湖南網絡工程職業(yè)學院講師。