-
附件一:
基于肤色的人脸检测系统的研究与实现文献综述
一、人脸检测技术研究背景和意义
随
着当今世界的发展,各个国家和地区间的人员流动越发频繁,安全部门
都希望通过身份自
动验证技术对往来人员进行管理,尤其是
9.11
事件之后,世
界各国更是在人员的身份验证方面投入了大量的人力、物力。因此,身份验证
技术在安全控制和金融贸易等方面的应用得到了飞速发展。在诸多的身份验证
技术中,生物特征识别技术得到了新的重视,被公认为是最具应用潜力的识别
技术之一
。其中,人脸识别
(Face
Recognition
p>
)
技术较其它生物特征识别方法
有很大的优
越性,
特别是在在
90
年代,
随着微电子和视觉系统方面取得的新进
展,使该领域中高性能自动识别
技术的实现代价降低到了可以接受的程度。人
脸识别从而得到快速发展,并成为研究热点
,主要表现在它的方便性、快速性
和非侵扰性。我们所研究的人脸检测
< br>(
Face
Detection)
< br>正是自动人脸识别系统
中的一个关键环节,它是指在输入图像中确定所有人脸
p>
(
如果存在
)
的位
置和大
小的过程
【1】
。
近几年来,人脸识别越来越广泛的应用于国家安全、金融、海关、民航等<
/p>
诸多领域。这种应用背景要求自动人脸识别系统能够对一般环境图像具有一定
的适应能力,由此所面临的一系列问题使得人脸检测开始作为一个独立课题受
到研究者的重视。今天,人脸检测的应用背景己经远远超出了人脸识别系统的
范畴,在基
于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价
值。人脸检测是智能人
机接口技术研究的基本内容。不仅是智能接口系统的重
要功能模块,而且是其他智能感知
系统的基础和前提。人脸检测技术为其他感
知系统
(
人脸识别、表情识别、唇读等
)
的技术研究提供了
前提条件,即有效、
快速的人脸定位。人脸检测还是其他领域中的一项关键技术,例如、
视频会议、
基于对象的编码、应用视觉系统
(
< br>如安全检查、保安管理
)
、
We
b
搜索、二维人脸
合成、视频检索、基于内容的图像检索等。在
数字音频领域有广泛影响的
MPEG
系列国际标准也在征求人脸
检测算法
【2】
。
二、人脸检测系统的组成
对于人类来
说,
可以毫不费力地识别出人脸以及每个人脸部位的不同特征,
但对于计算机来说,这却是一件比较困难的工作。让机器从复杂的图像中自动
检测出人脸
覆盖了众多科学领域的知识,如图像处理、模式识别、计算机视觉
和神经网络等等。图1
.1现实的是人脸检测的一般过程,它主要有图像获取、
图像预处理、人脸检测定位、人
脸区域验证四大部分组成:
<
/p>
图像预处理的主要作用在于尽可能地区处或者减少光照的影响以及成像系
< br>统和外部环境对于处理图像的干扰,
为后续处理提供高质量的图像。
主要包括:
区噪声、光照均衡处理、大小和灰度归一化处理等等。
人脸检测定位的目的就是在输入图像中寻找人脸区域,把图像分成两个部
分:人脸区域和非人脸区域。针对不同的场景和应用场合,存在着不同的人脸
检测定位方法。
人脸区域验证主要用于排除被误
检的人脸区域,这是一个基于知识的决策
过程。本设计中,通过进一步提取人脸特征来对
人脸区域进行最终验证。这一
步骤在整个人脸检测中具有举足轻重的作用。
三、人脸检测技术的研究现状和技术难点
1
、国内外人脸检测技术的研究现状
在国外,
许多国家进行了人脸检测技术的研究,
著名的研究机构有美国
MIT
麻省理工学院的多媒体实
验室和人工智能实验室,卡内基梅隆大学
CMU
的
Human
-
Computer
Interface Institute
,
SRI
(斯坦福大学)研究中心,
Microsoft
Research
的
Vision
Technology
Group
以及英国的
Department of
Engineering
in university of Cambridge<
/p>
等。综合这些国家的有关文献,人脸检测的方法
主要分为基于显示
特征的方法和基于隐式特征的方法。
国内进行人脸检测研究的
主要机构有哈工大、
中科院计算机所、
清华大学、
北京工业大学等。哈工大的研究者实现了一个复杂背景下的多级结构的人脸检
测与跟踪系统,其中采用了模板匹配、特征子脸、彩色信息等人脸检测技术,
能够检测一
定旋转范围内的正面人脸,并可以跟踪任意姿态的运动的人脸,清
华大学的研究人员对人
脸肤色进行了较为系统地分析,并提出了基于颜色和特
征的自适应人脸检测方法。北京工
业大学的研究人员基于人脸器官特征,在边
缘图像中提取横纹目标,提出了一个又粗到细
的检测方法。中科院计算机所研
制的“面像检测与识别核心技术”已成功应用于十六大中
。这一重要成果标志
着我国在人脸检测、面部特征提取、人脸识别与确认几个方面均达到
了国际领
先水平。
2
、人脸检测在现实研究中存在的技术难点
开始于八十
年代末、九十年代初的人脸检测的问题的探索,这一课题吸引
了越来越多的研究者的兴趣
,并取得了一批有意义的研究成果。但由于受到图
像和视频捕捉设备的制约、一些背景因
素的干扰以及被检测主体的各种变化等
影响,人脸检测的速度和精度都有待于进一步提高
,一些主要的问题和难点直
到今天仍然没有得到很全面和有效的解决。
< br>
人脸是一个极为普通而又十分复杂的模式。人脸所蕴含的信息非常大,所
以人脸的检测问题与其它物体的检测有较大区别。由于以下原因使得人脸检测
< br>工作非常困难,主要包括:⑴、复杂的背景。复杂的背景是指成像环境可以是
室内
或室外,可以以任意景物为背景,对光源没有特殊要求。⑵、人脸共性模
式特征难以提取
。⑶、人脸特征具有不确定性。有些人脸部长有胡须或带有眼
镜、帽子等遮盖物,这也加
大了人脸检测工作的艰巨性。⑷、图像的成像条件。
光照的不均匀性特别是偏光的影响极
大破坏了人脸特征空间分布的规律性,此
外相机的性能也会影响人脸的外观。
四、人脸检测的主要算法及其发展过程和现状
国内外相关文献中提出了许多通过长期研究而得出的方法,概括而言,目
前的人脸检测技术可分为基于启发式模型的方法和基于统计学习的方法。
1
、基于启发式模型的方法
对一个典型的复杂背景下的人脸检测问题,
基于启发式模型的方法首先要分
割出一些初级的视觉特征,例如边缘特征、
灰度特征、领色特征等。这些视觉特
征还比较低级,
不能包含太
多的信怠量,
需要对它做进一步的分析,
即特织成高
级的、具有全局概念的人脸特征。通过特征分析,人脸区域就可以被确定下来。
⑴、基于器官特征的方法
利用人脸五官的空间位置分布等规则,
检测图像中是否有满足这
些规则的图
像块来检测人脸。
Ki
和<
/p>
Cipolla
【3】
利用了大量的特征
,包括几何、空间、灰度
等各种度量,
对人脸进行粗定位。
p>
这是一种自底向上的方法。
另外还有自顶向下
的方法,
最为经典的就是
Yang
和
Huang
【4】
提出的镶嵌图
(Mosaic
Image)
的方法。
p>
Morimoto
和
Flickner
p>
【5】
在一个鲁棒性强的瞳孔定位技术的基础上,
< br>结合人脸结
构信息,实现了多人脸的检测。
⑵、基于彩色信息的方法
<
/p>
人脸的肤色在颜色空间中的分布相对比较集中,利用这个特点可以检测人
< br>脸。
这种方法的最大优点是对姿态变化不敏感。
用彩色信
息检测人脸的关键是合
理选择色度坐标。常用的方案是将彩色的
R.
G,
B
分量归一化。目前人们
研究最
多的是如何提取彩色的色度信息,
即将
< br>RGB
彩色空间转化为其他彩色空间,
以突
出色度信息。
Martin
【6】
设计了肤色模型表征人脸颜色,利用一个感光模型对输入图像修