基于肤色建模和眼睛亮度检测的人脸定位技术研究

摘 要：提出了基于肤色建模和眼睛亮度检测的方法对彩色图像中的人脸进行检测。在检测前，先对图像进行光线补偿，再通过肤色模型获得可能的脸部区域，最后根据眼睛在人脸固有位置亮度检测人眼，最终确定人脸区域。通过实验测试说明，该方法对人脸的检测达到了较好的效果。

关键词：人脸检测；光线补偿；肤色建模

中图分类号：TP317.4 文献标识码：A 文章编号：16727800（2012）011012702

________________________________________

作者简介：魏佳（1978-），男，硕士，陕西理工学院数学与计算机科学学院讲师，研究方向为数字图像处理。0 引言

人脸作为图像与视频中重要的视觉对象之一，是智能人机接口等许多应用的处理目标对象。近年来，人脸检测技术在模式识别、计算机视觉、人机交互等诸多领域引起了普遍重视。人脸检测技术在计算机视觉等领域的研究中有着重要的意义：一方面，将人脸作为基本视觉对象来考虑，是自动检测与人脸识别、人脸跟踪、表情识别、人脸合成与人脸编码、唇读等技术的必要前提；另一方面，人脸检测技术有着从智能安全监控、电子商务、视频会议和远程教育、基于内容的检索等诸多领域的广泛应用。

人脸检测是指在使用计算机在输入图像中判断人脸是否存在，若存在，确定人脸的大小、位置。人脸检测系统的输入可能包含人脸图像，输出是关于图像中是否存在人脸及人脸数目、位置、尺度、姿态等信息的参数化描述。具体地说，就是根据一定的算法确定输入图像是否存在人脸，如果存在的话，标出人脸的位置作为人脸检测系统的输出。

1 肤色建模

肤色是人脸最重要的信息，而且肤色不受面部细节特征、旋转、表情变化以及饰物遮挡等情况的影响。

不同种族、性别人的肤色差异主要体现在亮度上。要提高肤色的聚类性就要消除亮度的影响。经过实验验证，在YCrCb色彩空间下，利用肤色模型求相似度矩阵返回每个像素是否为肤色的概率Fmod。获取矩阵的最大值对相似度矩阵进行归一化。计算整张图片的亮度平均值。归一化之后的每个矩阵点乘以255，如果该值仍然小于整张图片的Y分量平均值，则认为该点不是人脸的皮肤。最后把认为是人脸皮肤的像素点置为白色，其余的点置为黑色，得到黑白二值图像。其中，RGB色彩空间转换YCrCb色彩空间如式（1）所示，YCrCb空间下肤色相似度Fmod计算如式（2）所示。

2 眼睛定位

由肤色模型确定的区域并不一定就是人脸区域，有可能是手臂、脖子或其它与肤色相近的色块区域，为了进一步验证是否是人脸区域，需进一步检测这些区域中是否有眼睛。

在之前确定的人脸区域内，根据图1所示人脸结构，以距左边界0.08～0.36宽度、距下边界0.58～0.78长度的矩形内检测左眼，以距左边界0.64～0.92宽度、距下边界0.58～0.78长度的矩形内检测右眼。具体检测方法为：分别统计两个小矩形内亮度小于某个亮度的像素点比例，当大于某个阈值时，认为在该区域内存在眼睛，这个区域为最终确定的人脸区域，否则删除这个区域。

3 实验结果

（1）打开位图文件的结果（图2）。

图1 人脸结构

图2 打开位图文件

（2）皮肤颜色建模结果（图3）。

图3 肤色建模

（3）得到人脸区域结果（图4）。

图4 得到人脸区域

（4）眼睛亮度匹配排除非任梁区域结果（图5）。

图5 眼睛亮度匹配

（5）勾勒人脸，得到最终确定的人脸区域（图6）。

图6 得到最终确定的人脸区域

4 结语

通过实验证明，肤色模型能够很好地区分出皮肤区域，依据人脸结构再在肤色区域内检测是否存在人眼，就能筛选出人脸区域。本项目的方案是完全可行和有效的。

目前系统存在的主要问题为：①只能判断正面人像区域，对于侧面人像不能准确判断；②对于配戴眼镜、头发遮挡额头等特殊情况准确率较差。这些问题是下一步研究的任务。

参考文献：

[1] 陶亮.复杂背景下人眼自动定位[J].计算机辅助设计与图形学学报，2003（11）.

[2] 徐慧.Visual C++数字图像实用工程案例精选[M].北京：人民邮电出版社，2004.

[3] 周长发.精通Visual C++图像处理编程[M].北京：电子工业出版社，2004.

[4] 张宏林.Visual C++数字图像模式识别技术及工程实践[M].北京：人民邮电出版社，2003.

[5] 何斌.Visual C++数字图像处理[M].北京：人民邮电出版社，2001.