基于MATLAB的人脸检测定位算法研究*



基于MATLAB的人脸检测定位算法研究*

刘新永1，蔡凤丽2，王志杨2

(1.中国人民解放军装甲兵学院，安徽 蚌埠 233050；2.安徽电子信息职业技术学院，安徽 蚌埠 233060)

摘要:文章主要研究了人脸识别技术中的人脸检测定位算法，提出一种基于图像点运算和人脸模板匹配算法的人脸检测定位算法，阐述了基本算法原理，并利用MATLAB软件对算法进行了仿真分析.结果表明，提出的人脸检测定位算法，可以快速准确地检测和定位人脸图像.

关键词:人脸识别；人脸定位；图像点运算；模板匹配

1人脸识别系统的基本组成及功能

图1为人脸识别系统基本框图.在人脸识别系统中，最重要的是：人脸图像或图像序列的采集、人脸图像的检测与定位、人脸特征提取和人脸模板匹配、人脸识别等.[3]当进行人脸识别的时候，对于采集到的人脸图像或者图像序列，首先进行人脸检测与定位，在输入图像中分辨是否存在人脸图像；如果存在人脸图像，立刻对人脸进行检测定位标识，根据标识的人脸位置提取人脸的特征.

图1　人脸识别系统基本组成框图

检测和定位是两个过程，对于提取出来的人脸图像进行检测和对于人脸图像的定位这两个过程一般合并进行，检测的同时即定位.对提取出来的人脸通过提取特征数据来确定该人的身份.定位是计算机人脸识别系统中的必需环节.定位的目的是为人脸特征数据的提取和识别预先做好准备工作，从而提高有用信息的输出信噪比，某种意义上，相当于减小了噪声，加强了有用信息的输出比例.

2人脸检测定位的算法

人脸检测定位算法最传统、最常见的有两类：基于显性特征的方法和基于隐性特征的方法.基于显性特征的方法是根据人的肤色、脸的轮廓、脸部的结

构特征等直观的特征，利用肉眼总结出“人脸”区别于“非人脸”的特征，判断被检测区域是否有这些“人脸特征”，根据判断结果，判定区域内有没有“人脸”.基于隐性特征的方法将人脸区域看成一类模式，采集“人脸”和“非人脸”样本序列建设样本序列库，利用分类器将采集到的人脸与库中数据进行比较，判别采集到的人脸图像中，是否属于“人脸模式”来检测人脸.但是，传统的两大类算法均存在检测速度慢，人脸定位不准确等缺点.

本文中主要研究了一种新的基于图像点运算和人脸模板匹配的人脸检测定位算法，大大地加快了人脸检测速度.图像点运算技术，通过改变所采集的用户图像样本占据的灰度范围，使输入的采集图像样本经过点运算后能输出新的点运算图像，输出像素点的灰度值可根据输入样本图像的像素点的灰度值获取，点运算本质上就是输入的原始样本图像的像素到输出点运算图像像素的映射.[4]

假设已知输入的样本图像为A(x,y)，输出图像为B(x,y)，则点运算图像B(x,y)可表示为：

B(x,y)=f[A(x,y)]

(1)

B(x,y)是关于f的函数，f函数被称为灰度变换函数，f函数表示输入灰度值和输出灰度值之间的转换关系，点运算的确定随着f函数的确定随即也就确定了.

人脸模板匹配算法可以在一幅图像中找到已知的人脸.所谓人脸模板匹配，是根据目标人脸的特征制作人脸模板，用已知的人脸模板去覆盖原始图像中相同的区域进行匹配，利用人脸模板匹配算法进行人脸检测能获得极快的检测速度.

将图像点运算与人脸模板匹配算法相结合进行人脸检测的基本算法如下：

2.1皮肤灰度化算法

首先，采用图像点运算技术利用式(1)将彩色的原始图像转化成灰度图像(即：灰度化算法).

总之，彩超超声影像学在妇产科急腹症的诊断中有着很高的准确率，在临床操作中十分快速简单，并且对患者不会造成痛苦，是妇产科急腹症诊断中十分良好的方法，在妇产科急腹症临床治疗中也有着很强的应用性，今后应大力推广。

gray=0.39×R+0.50×G+0.11×B

(2)

式(2)中各变量意义分别为，gray：灰度值，R：红色分量值，G：绿色分量值，B：蓝色分量值.

均衡化灰度图像的生成.主要方法：在原像素灰度基础上乘以缩放因子，最后截至[0,255]，此过程本质上就是灰度比例的变换过程.

对于图像对比度差、图像细节不清楚现象的处理，最直接有效的方法就是线性扩展.灰度的线性扩展算法如式(3)：

(3)

式(3)中各变量意义分别为，f：原始图像灰度，g：均衡后灰度.

经过变换，把区间[a,b]的灰度级变换到区间[c,d]的灰度级.其中，a,b,c,d,f,g都是整数，且在[0,255]区间内.这种线性扩展方法能高效提高图像的质量.

2.2滤波去噪算法

对于滤波去噪，我们可以采用高斯平滑法.实际中，采集图像过程中随机噪声是不可避免的，随机噪声会影响采集图像的质量.我们可采用高斯平滑法处理噪声点，从而在很大程度上降低图像的视觉噪声，这样，低频成分就能更容易地被识别出来.高斯平滑的截止频率是由卷积核的大小和卷积系数决定的.低通滤波器(LBF)就是高斯平滑的卷积核，经过卷积，可以获得曲线平滑的水平投影和孤立点较少的二值化图像处理效果.[5]这种卷积法实现的高斯平滑法，常用的卷积核有以下三种：

不同的噪声采用不同的卷积核.本文使用的是高斯卷积核，即LP3，能去除不同的噪声干扰.

2.3图像二值化处理

图像二值化是一种图像处理的基本技术，很多图像处理过程中都采用了图像二值化的预处理过程.只有两个灰度级的图像我们称之为二值化图像，这种图像存储空间小，处理速度快.在进行图像二值化操作前要对图像进行预处理，包括彩色图像灰化和增强.常用的灰度均衡实现算法主要是直方图均衡化.[6]主要方法是：用灰度直方图增强图像对比度，理论依据是概率论基础.直方图均衡化是把原始直方图变换为均匀分布的直方图，从而使像素灰度值的动态范围增强，以此达到增强图像整体对比度的效果.由于选取阈值需要参照直方图，因此，一般在图像进行处理后，我们再获取图像的直方图以帮助选取阈值.二值化图像既保留了原始图像的主要特征，又在很大程度上压缩了原始信息量，而且它避免了乘法运算，比灰度级图像更适合符号法表示.

2.4人脸模板匹配算法

采用人脸模板匹配的算法，它的基本思想是，在人脸检测和人脸定位过程中，预先制作人脸模板，然后将人脸模板与样本相匹配，以此来判断所采集的图像样本中是否存在人脸图像.所设计的系统方案的详细算法如图2所示.主要的工作为对图片的前期预处理工作，主要包括：灰度处理、平滑滤波处理、二值化处理、人脸模板制作、人脸模板覆盖，以及对人脸的筛选.

图2　人脸模板匹配算法流程图

人脸匹配模板覆盖、筛选前，首先要进行原始人脸图像模板的制作，基本步骤如下：第一步，获取多张普通状态下的人脸图像，作为人脸原始图像样本；第二步，从原始人脸图像样本上将人脸的部分扣挖出来，得到人脸图像的匹配样本；第三步，尺度的标准化，即对人脸匹配样本进行量化；第四步，图像灰度分布标准化；第五步，将灰度图像进行平均处理最终获得平均人脸图像，按照比例缩小最终生成原始图像模板.[7]

原始图像模板生成后，分别按照不同形状的人脸，进行不同比例的拉伸，再进行灰度分布标准化后作为人脸模板.这样，在图像采集时，采用人脸模板覆盖原始图像人脸位置就可以从大批量的人脸待测图像中筛选出匹配性较高的人脸位置，从而进行确认.用于生成模板的人脸样本必须是一般性的，取最普通条件下的图像获取样本，否则，生成的模板在很大程度上匹配度会受到限制，当进行筛选匹配时，就会导致大多数人脸由于匹配度低检测不出来，因此，本文选取的图片只是在一般近似散射的光照下拍摄的，其目的就是为了提高检测率和降低漏检率.

3人脸检测定位的MATLAB仿真结果分析

选用近似散射的光照下拍摄的儿童人脸一般素材，针对本文中所研究的基于图像点运算和人脸模板匹配的人脸检测定位算法，利用MATLAB软件进行了人脸检测定位的仿真，仿真结果如图3所示(其中，a图为提供的原始图像；b图为皮肤灰度化算法处理后的图像；c图为滤波去噪后的图像；d图为二值化处理后的图像；e图为覆盖了人脸模板的灰度图像；f图为人脸检测定位的效果图)，通过对图3中的仿真结果进行分析，发现通过本文研究的人脸检测定位算法可以很好地检测到人脸并定位面部关键特征点，从而，主要的人脸区域就可以被裁剪出来.

图3　人脸检测定位的实际检测效果(MATLAB仿真效果图)

文章结合人脸定位技术的发展实际情况，尽量保证低的误检率，并快速实现人脸定位，对人脸定位技术的研究具有参考作用.我们应该在此基础上进一步降低漏检率，进行更高层次的研究.另外，综合国内外的人机交互技术发展情况，人脸检测定位技术已成为热点领域，未来，在这一领域，必将会研究出更加先进的新技术.

参考文献：

[1]祝磊,朱善安.人脸识别的一种新的特征提取方法[J].计算机学报,2007,34(6).

[2]何国辉,甘俊英.PCA-LDA算法在性别鉴别中的应用[J].中国图像图形学报,2006,32(19).

[3]张俭鸽,王世卿，盛光磊.基于小波和DFB-PCA的人脸识别算法研究[J].微计算机信息,2007(4).

[4]徐倩,邓伟.一种融合两种主成分分析的人脸识别方法[J].计算机学报,2007,43(25).

[5]王蕴红,范伟,谭铁牛.融合全局与局部特征的子空间人脸识别算法[J].电子学报,2005,28(10).

[6]庄哲民,张阿妞,李芬兰.基于优化的LDA算法人脸识别研究[J].中国图像图形学报,2007,29(9).

[7]钟向阳.基于Gabor小波的人脸识别系统的实现[J].中国图像图形学报,2005,23(3).

(责任编辑:王前)

中图分类号：TP391.41

文献标志码：A

文章编号：1008-7974(2015)06-0011-03

作者简介：刘新永，男，山东威海人，讲师.

基金项目：2013年高校省级优秀青年人才基金重点项目“基于特征脸和支持向量机的人脸检测识别技术研究”(2013sqrl104zd)

收稿日期：2015-09-10

DOI:10.13877/j.cnki.cn22-1284.2015.12.004