基于人脸识别技术的脸型发型搭配系统实现与分析

胡在林

摘要：人脸识别技术是基于人们的脸部特征特点进行图形身份识别的识别技术，目前人脸识别技术在许多行业均得到广泛运用。该论文首先对系统用到的相关的技术方法进行了较为详细的分析介绍，然后对系统的实施方案和关键技术进行了简单的阐述。

关键词：人脸识别；特征点；发型搭配；图像处理

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）28-0174-02

随着生活水平的不断提高，人们对外在美的追求也不断提升，一款漂亮的发型，能瞬间提升气质魅力。但是，每个人的脸型、发质、喜好都不一样，不能看见一款漂亮的发型就盲目去剪，发型与脸型巧妙搭配，才能为你的形象加分。但现实情况是，由于顾客不知道自己的脸型到底适合哪种发型，发型师对脸型的分析也不是很精准，再加上发型师与顾客对发型的描述都很抽象，使得最终设计出来的发型差强人意。

1、技术资源

1.1 脸型分类

人的基本脸型：圆形脸、方形脸、长形脸、长方形脸、菱形脸、倒三角形脸、三角形脸。

1.2 五官分析

三庭：上庭、中庭、下庭；

五眼：以人的眼睛的长度作为基本衡量单位，横向在脸部分为五个等份；

纵向分类：上庭長、上庭短；中庭长、中庭短；下庭长、下庭短。

2 人脸检测技术分类

2.1基于肤色的检测方法

基于人的脸部肤色的检测方法是目前最为常用的人脸检测的方法，由于人脸的肤色和所处的环境存在较大的色泽差异，所以通过人的肤色很容易将人脸和背景进行区分。

2.2基于形状的检测方法

基于人脸形状的检测方法是根据人脸和五官基本的形状信息，采用一些形状模式在数字图像中进行人脸的匹配，最终完成人脸检测。

2.3基于统计理论的检测方法

基于统计理论的检测方法是通过统计分析与机器学习找出人脸样本与非人脸样本彼此的统计特征，然后使用各自的特征信息构建分类器来完成人脸的基本检测。

3 系统设计

3.1设计思路

本系统共分四个研发阶段：

1）可行性评估：针对市面上就有的相似系统进行技术分析，比较和归纳，并从中寻找新系统制作时的立基点。

2）样本搜集与分析：进行发型搜集、分析与归纳；找出各发型共通点与差异性。

3）系统制作：根据需求与规格，开始进行系统设计与开发。

4）系统测试：进行系统测试，根据测试者之评论修正或修改系统。

本系统分为6个功能：

用户输入一张头像图片（格式为bmp），经过：①图像预处理；②人脸定位；③特征点提取；④脸部提取；⑤人脸识别；⑥脸型判断；⑦发型匹配；⑧最终匹配到最适合自己的发型搭配。

3.2 图像预处理

该处理过程包括有如下5个基本过程，概述如下：

1）光线补偿

由于得到的图片经常会出现光线不平衡现象，这将影响下面对图片中特征信息的准确提取，所以第一步必须要先对图像进行光线补偿处理。经光线补偿后使得图像的特征信息更加明显。同时本系统还用到了YcrCB色彩空间，它是一种用于视频系统中的色彩空间，在该空间中，Y代表像素的亮度，Cr和Cb代表色度。

2）灰度变化

为了将图像的信息更加简单、具体的表现出来，我们需要用到图像的灰度变化处理，将彩色图像转变成黑白两色图像，但这一过程也会使部分图像信息丢失。所以在处理过程中应该图像的复杂信息用较为简单的方式进行表达处理。

3）高斯平滑处理

在图像采集过程中，由于多种不定因素的影响，会出现许多的噪声，这回影响了图像的处理质量，导致图像数据的丢失。而平滑处理会降低图像的视觉噪声，同时处理掉图像中的高频部分，进而使得低频成分凸显出来。

4）直方图均衡

直方图均衡化是处理后使得输入图像在每个灰度级上都有相同像素点数目，中心思想是把原始图像中存在的比较集中的灰度区间转变成在全部灰度范围内的均匀分布的灰度直方图，该直方图变换式为：

5）对比度增强

对比度增强为了将图像的对比度拉开，对图像做进一步的图像处理。

6）二值化

二值化是为了更加快速进行分析识别和理解，减少计算量，我们将获取的多层次得灰度图像处理加工成为二值图像信息。二值化是通过控制阈值进而改变图像中的像素颜色，使图像仅有黑白两色，我们将此称为二值图像。

3.3人脸定位

人脸定位过程是将人的嘴巴，眼睛，鼻子等基本脸部特征信息做出相应的标记。因此本系统基于人脸定位技术，利用眼睛的对称性，将图像中眼睛、嘴巴、鼻子三个脸部基本特征进行定位。然后快速准确地标记定位出鼻子和嘴巴的特征点和相关信息。

3.4特征点获取

提取步骤如下：1）提取两眼中心点之间的距离；2）提取右眼的倾斜角度；3）定位人脸图像中眼睛和嘴巴的中心点并进行标记；4）在一个矩形框内标注出提取后的所有特征信息。

3.5脸部提取

经过以上特征点定位提取等过程，可将人脸区域精确定位，并将人脸存储于本地，待后面与发型匹配时进行提取。

3.6人脸识别

经过前面几步的处理过程，根据人脸各区域特征点的标记，可将人脸划分为许多区域，并分析出五官信息，如图3：

3.7脸型判断

将人脸分割首先将脸部分成13条线26个点，如图所示，分別是水平特征线段十条以及垂直特征线段三条；水平特征线又分为眉毛部分的AB，眼睛部分分为水平方向WX、EF、GH，鼻子部分为鼻孔下线之线段IJ，嘴巴部分分为MN、KL、OP，以及额头线YZ，脸部最宽线也就是顴骨的位置为M 1M 2，垂直特征线则分为两眼中点垂直方向为ST 以及通过眼睛部分之QR、UV。最后再将这些线段分別摘取出来，如下图。

通过计算分析各特征线之间的距离及比例关系，将图片中人的具体脸型确定出来，进而在图库中选出最适合该脸型的发型。

3.8发型搭配

由于已提前设定好图片大小，人脸导入后，根据相关坐标定位可自动实现发型与脸型的匹配，发型和人脸图片还设有拉伸、缩放、拖动、旋转等功能，有助于脸型与发型的完美匹配和顾客浏览的直观性。

4 结束语

本系统加入了人脸识别功能，可以直观快捷的判别出顾客的脸型，并在没有发型师指导的情况下预先给出最适合的参考发型。从而使使用者在使用时更加快捷化、形象化，可以更准确的设计出适合使用者的发型外，因为系统的全面web化，而且操作流程简单、方便，让使用者可以节省翻阅发型书籍与色卡的时间，进而有效地缩短了发型搭配时间，同时也提高了设备利用率。

参考文献：

[1] 苏煜，山世光，陈熙霖，等.基于全局和局部特征集成的人脸识别[J]. 软件学报， 2010， 21（8）：1849-1862.

[2] 严严，章毓晋.基于视频的人脸识别研究进展[J]. 计算机学报， 2009， 32（5）：878-886.

[3] Wright J， Yang A Y， Ganesh A， et al. Robust face recognition via sparse representation.[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2009， 31（2）：210-227.

[4] 王守觉， 曲延锋， 李卫军，等.基于仿生模式识别与传统模式识别的人脸识别效果比较研究[J]. 电子学报， 2004， 32（7）：1057-1061.