盛光磊　王麗娟

摘要：介紹了一種基于膚色模型與改進Adaboost算法相結(jié)合的人臉檢測方法。該方法首先利用膚色在YcbCr空間中的聚類特性，對圖像進行預(yù)檢測，得到候選人臉區(qū)域，進而采用改進的Adaboost方法對弱分類器進行級聯(lián)，得到最終的人臉分類器。在特征選擇上，使用基于像素的多層特征（PixelBased HierarchicalFeature，PBHF），以解決傳統(tǒng)Adaboost方法檢測時間過長的問題。實驗結(jié)果表明，該人臉檢測方法比單純采用Haarlike 特征的人臉檢測方法更加有效。

關(guān)鍵詞：Adaboost；膚色模型；人臉檢測；多層特征

DOIDOI：10.11907/rjdk.151240

中圖分類號：TP317.4

文獻標識碼：A 文章編號：16727800（2015）006018003

作者簡介作者簡介：盛光磊（1982-），男，河南開封人，碩士，鄭州升達經(jīng)貿(mào)管理學(xué)院信息工程系講師，研究方向為圖像處理、嵌入式系統(tǒng)；王麗娟（1979-），女，河南長葛人，碩士，鄭州升達經(jīng)貿(mào)管理學(xué)院信息工程系講師，研究方向為計算機通信與微機控制。

0 引言

人臉檢測已成為生物鑒別技術(shù)應(yīng)用、人機接口和監(jiān)測等領(lǐng)域的重要研究課題。目前，人臉檢測方法很多，最常用的就是Adaboost方法，該方法實時性好、魯棒性強。但是，該方法需要大量的訓(xùn)練樣本，需花費大量的時間在訓(xùn)練參數(shù)的修改上。為了得到更好的檢測結(jié)果，Lienhart[1]提出了一種基于旋轉(zhuǎn)人臉的Haarlike特征集，這樣可以提高旋轉(zhuǎn)人臉的檢測精度。劉瓊、彭光正[2]等提出一種改進的Adaboost人臉檢測算法；陳世剛、馬小虎[3]提出了基于多高斯膚色分割和Haarlike強度特征的人臉檢測，例如文獻[46]所用方法在檢測時都需要比較長的檢測時間，才可得到比較精確的檢測結(jié)果。

本文所提出的人臉檢測方法，能顯著減少訓(xùn)練時間和檢測時間，進一步提高特定環(huán)境下人臉檢測的可行性。在膚色模型中通過膚色分割，可以篩選出大多數(shù)非人臉，準確地保留臉候選人臉。并利用改進的Adaboost算法，采用PBHF特征得到的強分類器進行人臉檢測。

1 膚色分割

將RGB圖像轉(zhuǎn)換到亮度-色度空間，通常稱之為YCbCr色彩空間，這樣做是因為在YCbCr色彩空間中膚色的聚類性比較好。

由于生活中存在大量與人類皮膚顏色相似甚至相同的物體，因此膚色檢測結(jié)果中，可能包含大量的非膚色區(qū)域。為了降低對后續(xù)檢測所造成的影響，根據(jù)文獻[7]中所提方法作進一步的區(qū)域分割，最終得到候選人臉區(qū)域。

4 實驗結(jié)果

以CMU人臉集[9]為測試集，采用VC++6.0進行軟件模擬。這些人臉集包含很多種人臉，比如旋轉(zhuǎn)角度、不同光照情況、不同服裝、不同膚色的人臉等。檢測結(jié)果比較如表1所示。

人臉檢測系統(tǒng)的性能指標主要有以下4部分：訓(xùn)練時間、檢測時間、檢測率、誤檢率。盡管本文所提方法相較于Haarlike特征而言，其檢測率和誤檢率要差一些，但是在訓(xùn)練時間上要強很多。如果使用傳統(tǒng)的Haarlike特征，訓(xùn)練時間較長，往往需要要1天以上，但如果使用PBH特征，只需要10分鐘即可。訓(xùn)練時間會產(chǎn)生這么大的差異，其原因在于傳統(tǒng)Haarlike特征多于150 000個，而PBH特征少于600個。盡管特征差距在數(shù)量上比較小，但在實際檢測時，訓(xùn)練時間相差較大。這是因為對于傳統(tǒng)Haarlike特征訓(xùn)練，數(shù)量較大造成了頻繁的數(shù)據(jù)換入和換出，而PBH特征可以很容易地全部放入內(nèi)存中，這就造成了訓(xùn)練時間的巨大差距。部分檢測結(jié)果如圖4所示。

5 結(jié)語

本文提出了一種基于膚色模型和改進Adaboost算法的人臉檢測方法，首先采用膚色的聚類性進行預(yù)檢測，然后使用基于像素的多層特征（PBHF）進行改進的Adaboost算法提升，最終得到強分類器作為人臉劃分依據(jù)。實驗結(jié)果表明，與傳統(tǒng)Adaboost方法相比，訓(xùn)練時間大幅減少，而檢測率相當?？傮w而言，本文所提出的方法是有效的。

參考文獻：

[1]R LIENHART，A KURANOV，V PISAREVSKY.Empirical analysis of datection cascades of boosted classifiers for rapid object[Z].in DAGM 25th Pattern Recongnition Symp.，2003：297304.

[2]劉瓊，彭光正.一種改進的Adaboost人臉檢測算法[J]計算機應(yīng)用與軟件，2011，28（6）：265268.

[3]陳世剛，馬小虎.基于多高斯膚色分割和Haarlike強度特征的人臉檢測[J].蘇州大學(xué)學(xué)報：自然科學(xué)版，2011，27（3）：3034.

[4]孫士名，王愛國，紀友芳.基于Adaboost算法的彩色圖像人臉檢測研究[J].微計算機應(yīng)用，2011，32（3）：711.

[5]張君昌，張譯.基于改進Adaboost算法的人臉檢測[J].計算機仿真，2011，28（7）：240244.

[6]張寧，李娜.基于Adaboost算法的人臉檢測技術(shù)的研究與實現(xiàn)[J].現(xiàn)代電子技術(shù)，2011，34（14）：46.

[7]胡曉燕，張宇.基于膚色的人臉檢測算法研究[J].合肥工業(yè)大學(xué)學(xué)報：自然科學(xué)版，2012，35（7）：908912.

[8]黃興，王小濤，陸麗華.一種快速高效的人臉檢測方法[J].計算機工程與應(yīng)用，2013，49（3）：198200.

[9]CMU front face images[EB/OL].http：//vasc.ri.cmu.edu//idb/html/face/frontal_images/ index.html.

責(zé)任編輯（責(zé)任編輯：孫 娟）