维普资讯 http://www.cqvip.com １．引言 人脸检测就是从图像中检测出人头或者人脸，并确定它 光线补偿（Ｌｉｇｈｔｉｎｇ Ｃｏｍｐｅｎｓａｔｉｏｎ）最早是由Ａｎｉｌ，Ｋ，Ｊａｉｎ 们的粗定位信息。人脸检测包含的内容十分广泛，从不同的 等提出的。该方法的提出主要是考虑到肤色等色彩信息经常 角度可以有多种不同的分类方法。按照图像类型来分，可以 受到光源颜色、图像采集设备的色彩偏差等因素的影响，使 分为静止图像和动态视频序列的人脸检测。对于静止图像， 得图像在整体上偏离本质色彩而向某一方向移动。为了抵消 侧重点在于如何使检测算法适应更多种类的图像；而对于 这种整个图像中存在的色彩偏差，将整个图像中所有像素的 动态视频序列来说，首要要求则是速度。按照色彩信息来分 亮度（是经过了非线性Ｙ校正后的亮度）从高到低进行排 类，可以分为彩色图像和灰度图像两种人脸检测。前者由于 列，取前５％的像素，如果这些像素的数目足够多，则将它们 可以利用肤色信息，因而检测起来相对比较容易；灰度图像 的亮度作为“参考白”，也即将它们色彩的Ｒ、Ｇ、Ｂ分量值都 主要是利用二值化的统计信息。按照图像前景来分，主要是 调整为最大的２５５。整幅图像的其他像素点的色彩值也都按 人脸姿态的不同。有的针对正面（包括平面内旋转一定角 这一调整尺度进行变换。这样做法的合理性在于：绝大部分 度）的人脸，有的则针对正面和侧面的人脸。按照图像背景 的图像都包含有纯白色，特别是包含人脸在内的图像中，在 的复杂程度来分，分为简单背景和复杂背景的人脸检测。简 眼球外围等处通常都是纯白色，所以将具有最大亮度的像素 单背景指可能没有背景，或者背景的类型比较单一；复杂背 的色彩值调整为纯白色是合理的。 景是背景未知的情况，背景中可能包含有和人脸非常类似 在Ａｎｉｌ Ｋ．Ｊａｉｎ光线补偿补偿方法的基础上，文献Ｃ６］提 的模式。 出了逆向光线补偿方法，即提出将整个图像中所有像素的亮 目前，人脸检测方面主要有两类方法：一类是针对彩色 度（经过了非线性Ｙ校正后的亮度）从低到高进行排列，取 图像的基于肤色的方法，根据人脸的色彩信息和启发式信 前３％的像素，如果这些像素的数目足够多，就将其定义成“参 息定位人脸区域，其优点是速度快且对姿态不敏感，缺点是 考黑”（Ｒｅｆｅｒｅｎｃｅ Ｂｌａｃｋ），也即将它们的色彩的Ｒ、Ｇ、Ｂ分量 由于肤色空间和其他颜色空间的交叉性，难以区分具有类 值都调整为最小的０。整幅图像的其他像素点的色彩值也都 似肤色的非人脸区域，只能限制在简单的背景，在复杂背景 是按这一调整尺度进行变换的。这样做的合理性在于：一副 图像中误检率比较高。另一类是仅仅根据灰度信息的模板 图像中总包含有纯黑色，特别是包含有人脸的图像，头发、眼 方法，包括基于特征脸的方法、基于人工神经网的方法和基 珠以及鼻孔等处通常就是纯黑的，所以最小亮度的色彩调整 于支持向量机（ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ，简称ＳＶＭ）的方 成纯黑色是完全合理。 法等，基于模板的方法具有一般性，有较强的鲁棒性，但缺 点是计算量大、速度慢。 ３．具体检测算法 本文是针对简单背景、静止、彩色图像进行单个的人脸 下面详细介绍整个人脸检测算法的具体步骤： 检测，检测迅速而且准确性高。 （１）光线补偿 ２．光线补偿 将整个图像中所有像素取经过了非线性Ｙ校正后的亮 度按从高到低进行排列，取前５％的像素，如果这些像素的数 在实验室环境中，当光照条件发生变化时，人脸颜色也 目足够多（我们取阈值为１００），则将它们的亮度作为“参考 会发生一定的变化。当待检测图像的亮度高于训练图像的亮 白”，也即将它们色彩的Ｒ、Ｇ、Ｂ分量值都调整为最大的２５５。 度时，即光线较强时，人脸大部分区域的颜色不会超出正常 整幅图像的其他像素点的色彩值也都按这一调整尺度进行 光照条件下人脸颜色的变化范围。但当待检测图像的亮度低 变换。为了避免由于光照不均匀造成的漏检，我们取Ｒ值略 于训练图像的亮度时，即光线较暗时，人脸颜色的变化受亮 大一些，从图２（ｃ）和（ｄ）的比较可以看到经过特殊光线补偿 度降低的影响较大，此时待检测图像中人脸的颜色很可能超 处理的肤色模型有更好的效果。 作者简介：鄢琼。女。江西宜春人，硕士，助教，研究方向：模式识别和图像处理。 一５７— 维普资讯 http://www.cqvip.com 维普资讯 http://www.cqvip.com ■一四ａｃｈｉｅｖｅ ｆｕｌｌｙ ｍｏｂｉｌｉｚｅ ｔｈｅ ｅｎｔｈｕｓｉａｓｍ ｏｆ ｓｔｕｄｅｎｔｓ ｓｔｕｄｙｉｎｇ ａｎｄ ｉｍｐｒｏｖｅ ｈｉｇｈｅｒ ｍａｔｈｅｍａｔｉｃｓ ｔｅａｃｈｉ●一ｎｇ ｑｕａｌｉｔｙ． 【 咿ｌ，ＤＩ幽１ ｃｏｍｐｕｔｅｒ ｔｅｃｈｎｏｌｏｇｙ；ｈｉｈｇｅｒ ｍａｔｈｅｍａｔｉｃｓ ｔｅａｃｈｉｎｇ；ｃｏｕｒｓｅｗａｒｅ；ｈｕｍａｎ－ｃｏｍｐｕｔｅｒ ｉｎｔｅｒａｃｔｉｏｎ （上接第５８页） 实验表明，１２幅不能正确区域分割的侧面图通过光线补偿 我们在实验中得出，不论是深色背景还是浅色背景，也 后均能正确分割，如图３，这种光线补偿的方法有效的提高 不论是正面图像还是侧面图像，此算法都能取得很好的检 了检测率。 测效果。 参考文献： ［１］梁路宏，艾海舟，徐光等．人脸检测研究综述［Ｊ］．计算机学 报，２００２，２５（５）：４５１～４５７． 【２】艾海舟，梁路宏，徐光佑，张钹．基于肤色和模板的人脸检测 ［Ｊ］＿软件学报，２００１，１２（１２）：１７８４—１７９２． ［３］陈令，汪亚明．基于肤色平滑度的人脸分割［Ｊ］．测试技术学 能正确 报，２００４，１８（１）：６Ｏ～６５． ［４］姚鸿勋，刘明宝，高文等．基于彩色图像的色系坐标变换的面 部定位与跟踪法［Ｊ］．计算机学报，２０００，２３（２）：１５８—１６５． ［５］Ｊｉａｈａｎ Ｃｈｅｎ，Ａｎｉｌ Ｋ．Ｊａｉｎ．Ａ Ｓｔｒｕｃｔｕｒａｌ Ａｐｐｒｏａｃｈ Ｔｏ Ｉｄｅｎｆｉｆｙ Ｄｅｆｅｃｔｓ Ｉｎ Ｔｅｘｔｕｒｅｄ Ｉｍａｇｅｓ［Ｊ】．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １ ９８８ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ Ｏｎ，１９８８，１（８）：２９￣３２． ［６］汪更生，林家骏，刘云翔．基于色度信 ｇ－￣４￣影法的彩色图像 中人脸区域分割方法［Ｊ］．长春工程学院学报（自然科学版），２００４，５（３）： ５１～５４． （ｂ）肤色补偿前后的人脸分割 ［７］贾云得．机器视觉［Ｍ］．北京：科学出版社，２００２． 图３特殊图像分析 ［８］何斌，马天予．Ｖｉｓｕａｌ ｃ＋＋数字图像处理（第二版）［Ｍ］．北 京：人民邮电出版社，２００２． Ａｎ Ｉｍｐｒｏｖｅｄ Ａｌｇｏｒｉｔｈｍ ｏｆ Ｆａｃｅ Ｄｅｔｅｃｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｌｉｇｈｔ Ｃｏｍｐｅｎｓａｔｉｏｎ Ｙａｎ Ｑｉｏｎｇ （Ｚｈｏｎｇｋａｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ ５ １０２２５，Ｇｔｍｎｇｄｏｎ 【＾ｈ 】Ｉｎ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｆｉｅｌｄ，ｆａｃｅ ｄｅｔｅｃｔｉｏｎ ｉｓ ｔｈｅ ｆｉｒｓｔ ｉｍｐｏｒｔａｎｔ ｓｔｅｐ．Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｍｏｔｅｓ ａ ｆａｃｅ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｉｎｇ ｌｉｈｇｔ ｃｏｍｐｅｎｓａｔｉｏｎ ａｎｄ ｓｋｉｎ ｃｏｌｏｒ ｍｏｄｅ１．Ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ ｐｒｏｖｅ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｉｍｐｒｏｖｅｓ ｔｈｅ ｒａｔｅ ｏｆ ｔｈｅ ｆａｃｅ ｄｅｔｅｃｔｉｏｎ． 【 喇＝ｄＩ】ｆａｃｅ ｄｅｔｅｃｔｉｏｎ；ｌｉｈｇｔ ｃｏｍｐｅｎｓａｔｉｏｎ；ｓｋｉｎ ｃｏｌｏｒ ｍｏｄｅｌ 一７５一