當(dāng)前位置:首頁(yè) > 醫(yī)療電子 > 醫(yī)療電子
[導(dǎo)讀]0 引言在人臉檢測(cè)領(lǐng)域,人臉特征的選取是基礎(chǔ)與核心。目前主要的人臉檢測(cè)方法可以分為基于特征的方法和基于統(tǒng)計(jì)的方法兩大類(lèi)?;谔卣鞯姆椒梢蕴幚磔^大尺度和視角變化的人臉檢測(cè)問(wèn)題,但其最大的困難在于很難找到

0 引言

人臉檢測(cè)領(lǐng)域,人臉特征的選取是基礎(chǔ)與核心。目前主要的人臉檢測(cè)方法可以分為基于特征的方法和基于統(tǒng)計(jì)的方法兩大類(lèi)?;谔卣鞯姆椒梢蕴幚磔^大尺度和視角變化的人臉檢測(cè)問(wèn)題,但其最大的困難在于很難找到相對(duì)穩(wěn)定的特征,因?yàn)閳D像的顯示特征容易受到光照、噪聲等的影響;基于統(tǒng)計(jì)的方法可以避免特征提取和分析過(guò)程,但存在計(jì)算量大,以及非人臉樣本收集和樣本訓(xùn)練難的問(wèn)題。

為此,本文對(duì)基于膚色分割結(jié)合模板匹配的人臉檢測(cè)方法進(jìn)行了改進(jìn),提出基于“光照預(yù)處理+膚色模型+模板匹配”的人臉檢測(cè)解決思路,即在光照預(yù)處理的前提下,利用膚色特征建立膚色模型;根據(jù)膚色模型進(jìn)行膚色檢測(cè)和閾值分割;在對(duì)分割區(qū)域特征分析的基礎(chǔ)上,將篩選出的人臉候選區(qū)域與人臉模板相匹配;最后將匹配較好的區(qū)域在原圖像中用矩形框標(biāo)示出來(lái)。

1 膚色模型

人臉的膚色不依賴(lài)于面部的其他特征,對(duì)于人臉姿態(tài)和表情的變化不敏感,具有較好的穩(wěn)定性,而且明顯區(qū)別于大多數(shù)背景物體的顏色。大量實(shí)驗(yàn)證明,不同膚色的人臉對(duì)應(yīng)的色調(diào)是比較一致的,其區(qū)別主要在于灰度。人臉的膚色特征主要通過(guò)膚色模型來(lái)描述。膚色模型是在一定色彩空間描述膚色分布規(guī)律的數(shù)學(xué)模型。本文選用備受青睞的高斯模型。

1.1 色彩空間

一般說(shuō)來(lái),色調(diào)和飽和度相對(duì)亮度來(lái)說(shuō),是相互獨(dú)立的。在不同的光照條件下,雖然物體顏色的亮度會(huì)產(chǎn)生很大的差異,但是它的色度在很大范圍內(nèi)具有恒常性,基本保持不變。研究表明,人類(lèi)的膚色在YCbCr色彩空間的分布相對(duì)比較集中(被稱(chēng)為膚色的聚類(lèi)特性),不同種族之間膚色的差異主要是由亮度引起,而與顏色屬性無(wú)關(guān)。利用此特性,將圖像像素分為膚色和非膚色像素兩類(lèi),這樣可以大大提高人臉檢測(cè)的效率和正確性。

在YCbCr色彩空間中,Y表示亮度,Cb和Cr是顏色差別信號(hào),代表色度。因此,本文的膚色模型只選用YCbCr色彩空間的Cb和Cr色度分量,并用這兩個(gè)分量建立色度分布圖。實(shí)驗(yàn)中,需要先將普遍采用RGB色彩空間描述的圖像轉(zhuǎn)換到Y(jié)CbCr色彩空間。

1.2 建立膚色樣本

建立膚色模型需要使用大量包含不同膚色、不同大小人臉的RGB圖像。本文從互聯(lián)網(wǎng)、人臉庫(kù)和日常的生活照中選用了100幅膚色各不相同的人臉圖像,然后從中裁剪出人臉皮膚區(qū)域的一小部分,作為膚色樣本。接著將其從RGB色彩空間轉(zhuǎn)換為YCrCb色彩空間。

經(jīng)過(guò)色彩空間轉(zhuǎn)換之后,人臉圖像不可避免地會(huì)出現(xiàn)噪聲。本文采用滑動(dòng)窗口為3×3的二維中值濾波器來(lái)去除椒鹽噪聲,并在速度和效果上都取得了很好的結(jié)果。

1.3 建立膚色模型

濾除噪聲后,先用二維高斯分布來(lái)描述這種Cb-Cr的色度分布,然后對(duì)膚色樣本進(jìn)行訓(xùn)練,以此得到一個(gè)分布中心,再根據(jù)所觀(guān)察的像素離該中心的遠(yuǎn)近來(lái)得到一個(gè)膚色的相似度。最后利用均值和方差計(jì)算得到高斯分布模型,這就是實(shí)驗(yàn)中的膚色模型。二維高斯分布的表達(dá)式為:

2 人臉檢測(cè)

2.1 光照預(yù)處理

由于受外界光照環(huán)境的影響,尤其是光源顏色,采集來(lái)的彩色圖像經(jīng)常會(huì)發(fā)生彩色偏移。本文使用Gray World彩色均衡方法來(lái)消除這種彩色偏移。該方法首先通過(guò)圖像的R,G,B三個(gè)分量中各自的平均值avgR,avgG,avgB確定出圖像的平均灰度值avgGray,然后調(diào)整每個(gè)像素的R,G,B值,使得調(diào)整后圖像的R,G,B三個(gè)分量中各自的平均值都趨于平均灰度值avgGray。實(shí)驗(yàn)結(jié)果表明,消除彩色偏移能有效提高算法的檢測(cè)率和準(zhǔn)確率。

2.2 類(lèi)膚色檢測(cè)

本文算法最為關(guān)鍵的一步便是人體皮膚區(qū)域的粗檢測(cè)。檢測(cè)方法是計(jì)算圖像像素與膚色模型的相似度,這個(gè)值描述了像素與膚色的相似程度。相似度計(jì)算公式為:

通過(guò)計(jì)算圖像中每個(gè)像素與膚色模型的相似度,生成一幅類(lèi)膚色灰度圖像,如圖1所示。

2.3 閾值分割

由于人體皮膚區(qū)域的像素與膚色模型的相似程度較高,計(jì)算得到的相似度值就比較大,因此在類(lèi)膚色灰度圖中,皮膚區(qū)域顯得比其他部分更亮。這樣一來(lái),通過(guò)選取合適的閾值即可分割出膚色區(qū)域。

本文實(shí)驗(yàn)選擇的閾值以0.1為間隔從0.65逐漸減小到0.05。通過(guò)對(duì)選擇的相鄰兩個(gè)閾值的圖像相減,可以找到分割區(qū)域數(shù)量變化最小的閾值取值點(diǎn),這個(gè)閾值就是最佳闞值。根據(jù)這個(gè)閾值,就可以將類(lèi)膚色灰度圖轉(zhuǎn)換為二值圖。

圖2為轉(zhuǎn)換后的二值圖。

2.4 區(qū)域特征分析

由于閾值分割得到的二值圖中包含多個(gè)類(lèi)膚色區(qū)域,這就需要先對(duì)這些區(qū)域進(jìn)行標(biāo)記,以便逐個(gè)處理。為了不影響對(duì)人臉整體形狀的檢測(cè),采用形態(tài)學(xué)操作對(duì)標(biāo)記后的膚色區(qū)域進(jìn)行特征分析,以決定該區(qū)域是否包含一個(gè)人臉。這些特征主要包括孔洞、質(zhì)心坐標(biāo)、方向角、面積和高寬比。

由于人臉上包含有眼睛、眉毛、鼻子和一張嘴,因此在分割出來(lái)的人臉區(qū)域中至少包含一個(gè)孔洞,而且人臉的高寬比值通常接近1,這個(gè)特征參數(shù)就可以排除掉大部分的非人臉區(qū)域。實(shí)驗(yàn)中的高寬比值限定在0.6~1.2之間,當(dāng)檢測(cè)區(qū)域的高寬比值落在該區(qū)間時(shí),則認(rèn)為該區(qū)域是一個(gè)人臉候選區(qū)域。

3 模板匹配

模板匹配就是將預(yù)先建立的人臉模板與篩選出來(lái)的人臉候選區(qū)域進(jìn)行相關(guān)性匹配。匹配時(shí),首先根據(jù)候選區(qū)域的大小、質(zhì)心坐標(biāo)和方向角度調(diào)整人臉模板的尺寸、方向和位置,然后才進(jìn)行匹配。預(yù)先建立的人臉模板如圖3所示。首先用16個(gè)不同的人臉灰度圖像計(jì)算得到一張平均臉,然后從中分割出人臉的主要部分,作為實(shí)驗(yàn)中使用的人臉模板。

模板匹配常用的一種測(cè)度為模板與原圖像對(duì)應(yīng)區(qū)域的誤差平方和。確定這個(gè)值的一種方法便是使用歸一化互相關(guān)系數(shù)(以下簡(jiǎn)稱(chēng)相關(guān)系數(shù))。

兩個(gè)圖像矩陣的相關(guān)性匹配通過(guò)計(jì)算式(3)得到:

經(jīng)過(guò)多次測(cè)試發(fā)現(xiàn),當(dāng)相關(guān)系數(shù)取值大約為0.6時(shí),兩個(gè)矩陣匹配較好。如果人臉模板矩陣和人臉候選區(qū)域矩陣的相關(guān)系數(shù)是0.6或者更高,則認(rèn)為該區(qū)域包含一個(gè)人臉。測(cè)試完所有的膚色區(qū)域后,在原圖中用矩形框標(biāo)示檢測(cè)到的每個(gè)人臉。檢測(cè)結(jié)果如圖4所示。

4 結(jié)語(yǔ)

實(shí)驗(yàn)中用包含有60個(gè)不同人臉(包括黑人、白人和黃色人種)的20幅圖像對(duì)算法進(jìn)行測(cè)試,其中相關(guān)系數(shù)和高寬比值都選擇最佳值。測(cè)試結(jié)果表明,本文算法對(duì)實(shí)際生活中人臉圖像的正確檢測(cè)率達(dá)到了84%,對(duì)姿態(tài)和表情同樣具有較高的魯棒性,基本上達(dá)到了預(yù)期的目標(biāo)。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀(guān)點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專(zhuān)欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車(chē)的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車(chē)技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車(chē)工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車(chē)。 SODA V工具的開(kāi)發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車(chē) 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來(lái)越多用戶(hù)希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來(lái)越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開(kāi)幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱(chēng),數(shù)字世界的話(huà)語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱(chēng)"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉