王彥

（武漢鐵路職業(yè)技術(shù)學院，湖北 武漢430205）

0 引言

人臉檢測（face detection）指在輸入的彩色圖像中確定所包含的人臉的位置、大小、位姿的過程［1］.人臉包含豐富的信息，是一種典型的生物特征，人臉檢測在個人身份鑒別、智能視頻監(jiān)控和人機交互中具有廣闊的應用前景.隨著人工智能、機器視覺和模式識別的發(fā)展，人臉檢測在基于人臉特征的應用中越來越重要，其快速性和準確性已成為人臉檢測算法所追求的目標［2］.由于大多數(shù)圖像設備能夠獲得彩色圖像，基于彩色圖像的人臉檢測也逐漸成為研究的熱點.

對于彩色圖像中的每個像素點，計算其相似度，可以得知該像素點屬于膚色區(qū)域的可能性大小［3］.根據(jù)膚色相似度，采用閾值化技術(shù)可以對輸入圖像進行膚色分割.然而，采用固定的閾值可能存在這樣的問題：如果閾值取得過大，許多膚色區(qū)域?qū)o法檢出，造成漏檢；如果閾值取得過小，將導致許多非膚色區(qū)域被誤檢成膚色區(qū)域.因此給出一種動態(tài)閾值確定方法，將膚色相似度與求得的動態(tài)閾值相結(jié)合，以實現(xiàn)對輸入圖像的膚色區(qū)域進行精確分割，從而提高人臉檢測的速度與性能［4］.基于人臉膚色信息在色彩空間中的聚類特性，利用Fisher準則獲取動態(tài)閾值，對人臉圖像進行分割，并將圖像分成非膚色區(qū)域和類膚色區(qū)域，從而實現(xiàn)對人臉區(qū)域的定位和識別.

1 基于Fisher準則的閾值動態(tài)獲取算法

對于待檢測的彩色圖像，經(jīng)常會受到光照不均、灰度不均、噪聲等因素的干擾，同時也會對利用膚色模型計算得到的膚色似然圖像起到一定的干擾作用.在這種情況下，直方圖閾值分割法效果不太好；最大熵閾值分割法對噪聲極為敏感，同時還會使一個較為簡單問題復雜化，增加了系統(tǒng)的計算量；模糊閾值分割法在具體的實際應用中，模板窗口的大小確定、函數(shù)的選取將對分割結(jié)果造成很大的影響［5］.相比較而言，由Ostu等人研究提出的一種基于最小二乘法原理的最大類間方差閾值圖像分割法，體現(xiàn)出一定的優(yōu)越性.

基于最小二乘法原理的最大類間方差閾值圖像分割法的基本思想是：在灰度級別下，先將圖像劃分成兩部分，再計算這兩部分之間的方差，當方差值達到最大值時，所對應的參數(shù)閾值即為最佳分割閾值［6］.通過最大類間方差閾值圖像分割，實現(xiàn)動態(tài)選取閾值的目的.膚色分割的準確度直接關(guān)系到后續(xù)人臉檢測的結(jié)果，因此在膚色分割之前，要根據(jù)待檢測圖像自身特點選取一個最合適的閾值，引入模式識別理論中的Fisher評價準則作為實現(xiàn)自動選取閾值的最佳判斷準則.

將Fisher評價準則用于解決人臉圖像的分割問題，主要是利用了Fisher函數(shù)的類間均值最大、總類內(nèi)方差最小的原則，從而可以自動獲取某幅圖像所對應的最佳分類閾值.

1.1 基于Fisher準則動態(tài)閾值的獲取 在模式識別中，假設m維特征x在任一直線上投影，將m維特征逐漸減小到1維，形成一維空間.但如何選取投影直線，才能使類間的距離達到最大值呢？

考慮將n維空間的樣本投影到一條直線上，形成一維空間.經(jīng)過研究發(fā)現(xiàn)：即使目標樣本能夠在n維空間里形成多個相互獨立的分散區(qū)域塊，但經(jīng)過投影變換以后，當這些目標樣本投影到一條直線上，最后的結(jié)果仍然會使得許多目標樣本相互摻和起來，難以識別.因此，如何在某一個方向上找到一條最適合進行分類的投影直線，在該直線上目標樣本能夠分離識別，是Fisher準則要攻克的難題.

Fisher準則函數(shù)不僅可以獲得特征向量的最佳一維投影方向，也是判定類別分離程度的有效準則.圖像的閾值將圖像劃分為目標和背景兩類，閾值取得越準確，目標和背景的分離程度越好，分割效果越好，因此將Fisher準則函數(shù)應用于圖像的分割，以不同的灰度值將圖像劃分為目標和背景兩類，當Fisher準則函數(shù)取最大值時，目標和背景達到最佳分離程度，所取得灰度值為最佳閾值.

1.1.1 在n維x空間

1.1.2 在一維y空間以上分析可見，引入Fisher評價準則的目的是經(jīng)過投影變換后，各類目標樣本在一維y空間中盡可能變得分散，即類別之間的均值差ˉm1-ˉm2盡可能達到最大值；同時使各個類間樣本的內(nèi)部密集程度盡可能高，使類內(nèi)離散度的取值達到最小化.

假設選取兩個樣本類，對應的Fisher評價函數(shù)為：

從（8）式可以得出結(jié)論：欲使JF（T）取最大值，必須使兩個樣本類別平均值達到最大化，同時還需兩個樣本類別的方差達到最小化.此時所對應的一維投影方向就是最佳投影方向.

基于Fisher評價準則的基本理論和有關(guān)參量，結(jié)合具體的實際應用，可以將在人臉檢測中的膚色似然圖像作為研究的目標樣本類，該膚色似然圖像中存在兩個樣本類，即膚色樣本類和非膚色樣本類，分別對應評價函數(shù)中的兩個樣本類.下面利用引入的Fisher評價函數(shù)，在一維空間中找最佳的分類閾值T.具體步驟如下：

1）在一幅待檢測圖像中，將其所有像素點分為目標對象和背景兩類，利用前面的公式計算得到原圖像的膚色似然圖.

2）利用經(jīng)驗值，事先給定閾值區(qū)域，如［0.05，0.65］，當改變閾值時，以0.01的幅度進行賦值運算，從中選取最適合分類的閾值T.

3）當選取的閾值為最佳閾值T時，F(xiàn)isher評價函數(shù)的值達到最大化，對應的兩個類別的平均值間距離最大，且方差最小，同時也實現(xiàn)了動態(tài)閾值的獲取.

1.2 膚色似然圖像的二值化 用最佳閾值T將膚色似然圖像中的膚色區(qū)域分離出來.選取膚色似然圖像上的任一點，該點在色彩空間中的色度值向量用Ⅰ（x，y）表示.定義閾值解碼器為：

其中：Ⅰ（x，y）＝［Cb（x，y），Cr（x，y）］T；P（Ⅰ（x，y））為用膚色似然度公式計算得到的圖像上像素點的膚色概率.

2 仿真實驗

根據(jù)閾值解碼器，實現(xiàn)了膚色似然圖的二值化，同時也實現(xiàn)了將膚色區(qū)域（包含類膚色區(qū)域）從背景區(qū)域中分割出來，得到了膚色分割后的二值化圖像，初步檢測到包含有人臉的膚色區(qū)域.膚色似然圖像二值化后，基于Matlab的人臉識別仿真實驗結(jié)果如圖1所示.

圖1 膚色分割圖

通過仿真實驗可以看到，利用動態(tài)閾值的選取，針對不同的待檢測圖像，均得到較好的膚色分割結(jié)果.同時在分割過程中也不可避免的產(chǎn)生了噪聲，會對后續(xù)的人臉檢測產(chǎn)生干擾，所以我們今后的工作需對二值圖像進行去噪處理，消除噪聲的干擾.

3 結(jié)束語

本文中提出了基于Fisher判別準則的自適應閾值的選擇算法，將膚色和非膚色作為兩類樣本進行分類，當評價函數(shù)最優(yōu)時可確定分類閾值，對膚色似然圖進行二值化.實驗結(jié)果表明，本文中提出的算法能夠提高膚色的分割精度，對提高人臉檢測的速度和精度起到關(guān)鍵作用，對研究基于膚色分割與其他方法結(jié)合的人臉檢測具有一定的參考價值.

［1］趙麗紅，劉紀紅，徐心和.人臉檢測方法綜述［J］.計算機應用研究，2004，21（9）：1-4.

［2］郭秀梅，劉賢喜.基于膚色的人臉檢測算法的研究［D］.泰安：山東農(nóng)業(yè)大學，2008.

［3］于蕾蕾.雙種群遺傳算法的改進激起應用研究［D］.合肥：合肥工業(yè)大學，2009.

［4］郭聳，顧國昌，蔡則蘇，等.膚色相似度和動態(tài)閾值相結(jié)合的膚色分割技術(shù)［J］.計算機工程與應用，2010，46（18）：1-3.

［5］梁路宏，愛海舟，肖習攀.基于模板匹配與支持矢量機的人臉檢測［J］.計算機學報，2002（1）：22-29.

［6］Zitova B，F(xiàn)lusser J.Image registration methods：a survey［J］.Image and Vision Computing，2003（21）：977-1000.