孫紅艷 趙輝

摘要：本文通過分析人臉檢測的算法，并根據(jù)手機系統(tǒng)的特點，提出了基于膚色分割與AdabOOSt相結(jié)合的檢測方法。首先，利用膚色分割算法分割膚色區(qū)域，并對原始圖像進行預(yù)處理。然后，再通過AdabOOSt算法，利用Haar特征，對預(yù)處理后的圖像中是否存在人臉進行精檢。

關(guān)鍵詞：人臉檢測 膚色分割 Adaboost算法 Haar特征

一、引言

人臉檢測是對給定的靜止或動態(tài)圖像，檢測里面是否包含人臉，人臉檢測的方法分成兩類：一種是借助人臉特征進行分析的方法，一種是根據(jù)統(tǒng)計理論進行建模的方法。

基于特征的檢測方法分為：基于低層特征的分析方法，組群特征分析方法和變形模型方法?；诮y(tǒng)計理論建模方法有：Adaboost法、隱馬爾可夫模型、人工神經(jīng)網(wǎng)絡(luò)、支持向量機等。

本文通過膚色分割算法，在待檢測圖像分割出包含膚色的有效區(qū)域，并且在檢測過程中，對非膚色區(qū)域進行預(yù)處理，將它們設(shè)成統(tǒng)一的顏色，這樣，將會減小在下一步的處理中，將非膚色區(qū)域檢成人臉的概率;然后，再通過Adaboost算法，利用矩形特征對經(jīng)過膚色分割處理后的膚色區(qū)域中是否包含有效的人臉數(shù)據(jù)進行精檢。

二、膚色分割算法

膚色特征是聚類特征，并且特征穩(wěn)定、區(qū)別能力較強、計算復(fù)雜度低，因而，在算法選擇上，我們首先利用膚色特征，對人臉檢測進行預(yù)處理，快速地分割出膚色區(qū)域，基于膚色的人臉檢測主要包含兩部分：顏色空間的選取及在所選取的顏色空間上的膚色模型的建立。

本文選用在YCbCr顏色空間上，進行膚色分割的處理，借助簡單閾值模型對圖像中存在的膚色區(qū)域進行粗檢，目的就是查找到了圖像中的可能的膚色區(qū)域，并作為人臉的候選區(qū)域，同時，去除非膚色區(qū)域，從而減小圖像中的非膚色區(qū)域?qū)θ四樳^程的干擾，并減小人臉精檢步驟的計算量。

通過顏色空間的對比，我們可以發(fā)現(xiàn)，YCbCr顏色空間正好可以滿足我們的要求，剔除亮度Y分量以后，利用二維互相獨立的Cb、cr分量構(gòu)造坐標(biāo)平面，就可以分析膚色的聚類區(qū)域。根據(jù)Chai的研究，如果輸入圖像的像素值在以下范圍內(nèi)，就可以認(rèn)為其屬于膚色像素：

利用上述公式，可以將膚色區(qū)域從圖像中分割出，分割時，可以適當(dāng)放寬膚色的閾值，以盡量減少在膚色分割環(huán)節(jié)漏檢膚色區(qū)域的可能性。分割出來來的膚色區(qū)域，作為包含人臉的候選區(qū)域，將會被轉(zhuǎn)給下一級的驗證算法Adaboost處理模塊來進行精檢處理。

三、Adaboost算法

77≤cb≤127且133≤Cr≤173

Viola與Jones在2001年構(gòu)建了一個人臉檢測框架，這個框架不僅能夠獲得比較高的人臉檢測率，而且檢測速度很快，達(dá)到了真正實時的效果。在這個框架中，用到的主要技術(shù)有三項：Adaboost算法、分類器級聯(lián)、矩形特征與積分圖。

本文選用了Adaboost算法，在膚色模型分割出的膚色區(qū)域上，利用矩形特征來進行第二階段的人臉檢測。同時，在膚色分割過程中，對非膚色區(qū)域進行特殊處理，將所有的非膚色區(qū)域的像素值設(shè)成0.即黑色，這樣，能夠確保Adaboost在對非膚色區(qū)域進行檢測時，不會檢到滿足矩形特征特征值的區(qū)域，從而，提高了檢測率，同時，使Adaboost環(huán)節(jié)的處理只集中在膚色區(qū)域進行，降低了檢測時間。

四、系統(tǒng)實現(xiàn)

本文實現(xiàn)了一個用于人臉檢測的WP8.1系統(tǒng)，處理過程為：首先，在YCbCr空間上對圖像進行預(yù)處理，提取出膚色區(qū)域，將非膚色區(qū)域設(shè)成黑色;然后，通過Adaboost+Haar特征的方法，對預(yù)處理后的圖像數(shù)據(jù)進行人臉檢測，以下是此系統(tǒng)的結(jié)構(gòu)流程圖。

五、實驗結(jié)果與數(shù)據(jù)分析

從網(wǎng)絡(luò)上下載了50張包含各種人臉位姿、不同人臉數(shù)目、各種背景等的測試圖像，對此系統(tǒng)進行測試，其中單人臉圖像10張（共包含的人臉數(shù)目10），2-4人臉圖像10張（共包含的人臉數(shù)目33），5-10人臉圖像15張（共包含的人臉數(shù)目128），10人臉以上圖像10張（共包含的人臉數(shù)目156），特殊圖像（如特別復(fù)雜的背景，分辯率很大的圖像、人臉數(shù)目超過30的圖像等）5張（用于評介此系統(tǒng)的性能），以下是測試的統(tǒng)計結(jié)果，表中的A代表利用Adaboost算法進行檢測，B代表利用膚色分割與Adaboost相結(jié)合的算法進行檢測。

從上表，我們可以看出，與單純的利用Adaboost算法進行人臉檢測相比，膚色分割與Adaboost相結(jié)合的算法能有效地降低誤檢率，同時，獲得更快的檢測速度，但是，對于提高檢測率貢獻不大。同時，對于復(fù)雜的圖像，如分辨率很大的圖像，檢測的耗時明顯增加，這主要是檢測區(qū)域過大及手機處理能力有限造成的：而對于人臉數(shù)目超過50的圖像，檢測時間過長，甚至以幾十秒計，在性能上是無法接受的，還需要對系統(tǒng)進一步的優(yōu)化。