1-1 前言
人臉偵測一直以來都是電腦視覺的重要課題之一，人臉偵測的技術，可 應用在很多的地方,如警察局檔案中的通緝犯之照片比對用、監視系統、人 臉辨識及人臉影像資料庫的管理上。為了維護公眾安全都會在公共場所安裝 監視攝影機，不過這些監視攝影機通常都只有攝影卻沒有錄影的功能，另一 種是有錄影功能卻只能在之後拿來當作指認兇手的工具，沒有辦法達到即時 警告的作用。對於入侵者的人臉偵測就是相當重要的。所以如何有效且正確 的人臉偵測就是現在許多人研究的目標。
另外在影像處理技術上，為了獲得人臉在影像中的位置則需搭配人臉定 位技術，關於臉部定位技術的研究中雖然已經有許多的方法被提出[1]。然而 在影像中偵測人臉的位置是相當困難的，因為很難預知影像中人臉的大小以 及數量，再加上背景複雜和光線的變化會影響到偵測的結果，因為膚色在彩 度空間的分佈具有相當高的一致性，故而大多數早期的作法，都是以定義膚 色分佈為基礎。但是不論是採用那一種顏色空間，如果一開始定義了較大的 偵測膚色範圍，那就會遇到很多誤判的背景顏色與人臉結合在一起，這將導 致人臉的無法判別。但如果一開始定義了較小的膚色偵測範圍，可能會導致 有些人臉膚色的偵測失敗，未能測出人臉所在。所以在背景顏色與膚色相 似，或是背景顏色較複雜的環境下，以這樣的技術來偵測人臉所在，會受到 很多的限制。在人臉偵測的問題上，除了膚色特徵以外，還需要其它特徵的 配合使用，以提昇人臉偵測的可靠性。而大多數的人臉偵測技術，都先定義 人 臉 膚 色 的 分 佈 範 圍 ， 再 從 影 像 中 篩 選 出 這 些 色 點 ， 然 後 用 形 態 學 (morphology)上的擴張原理，將這些不連續的色點連接起來，再判別其外形 是否相似橢圓，然後再運用人臉特徵的辨識技術，來確定是否是人臉的位
置。類似這樣的技術，在使用上容易受到限制，不能在較複雜的背景環境中 使用。故而這樣的方法常應用在比較限制的情況下。例如要限制在單一且固 定位置的背景顏色，人臉要在影像的中央位置，人臉正面要朝向正前方，不 能戴有類似圍巾或是頭巾等物品。因為這些條件都會破壞人臉偵測的形狀，
致使無法偵測到人臉的所在位置。
為了達到快速偵測人臉，所以本文使用膚色在色彩空間中會群聚在一起 的特性去切割出膚色的位置，為避免類似的膚色的背景以及人的手腳被當作 人臉，所以再從這些位置中去尋找只屬於臉部的特徵例如：眼睛、嘴唇…，
最後再利用兩眼和嘴唇幾何的關係判斷是否為真的人臉，這樣對於在複雜的 背景之下也可以判斷是否為人臉，因為不是使用橢圓偵測所以對於戴圍巾或 是頭巾的實驗者只要在眼睛或嘴唇不被遮蔽的情況下都可以達到良好的偵 測，同樣的對於頭部旋轉的情況在看得到雙眼的角度之下都可以偵測。
1-2 研究動機與目的
隨著社會經濟的蓬勃發展與犯罪率的節節高昇，個人安全的保障越來 越受到重視。過去常用的方式，是使用名牌、磁條卡、或密碼來辨識身分，
不過這些方法，總難以避免卡片遺失、被盜用、或忘記密碼等情形，所以最 好的方式，是依據每個人特有的生理特徵，如人臉、指紋、掌紋、血管、虹 膜、語音等；或是行為模式，如簽名、步伐、敲打鍵盤(keystrokes)。這些以 人 類 生 理 特 徵 或 行 為 模 式 為 辨 識 依 據 的 方 法 ， 統 稱 為 生 物 認 證 系 統 (Biometrics)，已成為具有廣大市場需求的工作。
在這麼多種特徵中，又以人臉最具有獨特與方便取得的特性。對人類來 說，看臉認人本來就是相當直覺且容易的方式，對電腦來說，只要安裝簡易 的CCD 或數位像機，就可以讓使用者在很自然的情況下擷取臉部影像來進 行辨識。此技術可輕易整合在自動提款機、個人電腦、個人數位助理及IA產 品，廣泛應用於網路電子商務、住戶門禁安全、信用卡市場、數位監控、犯 罪偵查、及電腦遊戲的人機介面上。
人臉偵測是許多生物認證系統的前置作業，它是利用圖形識別的方法 自動偵測出影像中每個人臉部的位置，以作為後續移動追蹤、行為分析、或 身分確認的應用。其演算法會直接影響整個系統的執行效能，因此必須具備 足夠的彈性與穩定性。已有很多關於人臉偵測的研究報告，主要都是以人臉 膚色分割為主，以此來找出人臉的位置所在，然而使用膚色的方法常遇到問 題是容易受到光線的影響以及膚色的背景的影響。所以本篇提出可以改善膚 色分割缺點，其研究重點可分為兩大部分： 1.膚色偵測技術的改善 2.人臉 特徵的偵測和擷取的方法。
1. 膚色偵測技術的改善：
我們的方法之中我們有統計不同亮度膚色的Cb、Cr範圍，我們可以根據 這些pixels的亮度大小給予不同的範圍，即使在光源變化的情況之下我們也
可以有效的偵測膚色，接下來因為亮度的不同臉部特徵的色彩資訊也會改 變，所以我們加入自適性的閥值來分割出臉部特徵(眼睛、嘴唇)，每張不同 的影像都會對眼睛和嘴唇分別給予一個適當的閥值，使我們的方法在非極端 的光源下也可以進行偵測。(這裡的極端是指亮度小於50和大於200，因為在 極端的亮度中膚色呈現黑色或白色以不屬於皮膚的顏色。)
2.人臉特徵的偵測和擷取的方法：
就是在膚色的分佈的範圍內，研究如何找出正確合適的眼睛及嘴的候選 區，有別於之前使用固定的閥值，根據亮度的不同給予不同的閥值，然後再 根據眼睛和嘴的中心點，所構成的幾何關係，找出最合適的眼睛和嘴的配 對。以這樣的方式來找出真正的人臉並取出。
1-3 系統架構
本論文系統分為兩大部份，整個系統概觀如圖1.1所示。第一部份是使 用兩種不同的輸入管道對人臉膚色範圍的定位。首先離線統計人臉膚色在不 同亮度範圍的色彩空間所存在的Cb、Cr範圍，然後當系統接收到輸入的影 像，便會根據色彩資訊來轉換並且切割出可能有人臉存在的區域，並且運用 一些形態學演算法和中值濾波器加以去除雜訊。本系統第二部分是使用色彩 的資訊來分割出臉部特徵(眼睛、嘴巴)，我們提出自適性的閥值來分割出眼 睛和嘴巴，因為使用固定的閥值來做判斷並不適用每張輸入的影像，要考慮 每張影像的明暗程度的不同給予不同的閥值。我們是根據臉部特徵占人臉面 積的比例來判定閥值，第三章會有詳細的說明。最後我們偵測出來的臉部特 徵候選區，再依照臉部五官的幾何關係去定義出正確的眼睛、嘴巴，進而定 義出正確的人臉位置。
圖1.1 人臉偵測的流程
1-4 論文架構
本論文其他章節的分配如下：第二章是介紹人臉偵測的相關研究，闡述 一些人臉偵測常遇到的問題，再簡單的介紹我們常見的色彩空間以及之前人 臉偵測的文獻。第三章則詳細說明我們所使用的發方法介紹我們偵測人臉候 選區所使用的型態學運算(morphology operations)、中值濾波器(median filter) 和連通成分(connected components)，先找出人臉候選區，再使用自適性閥值 的臉部特徵偵測，找出眼睛和嘴巴，最後使用幾何判斷的方式定義出正確的 臉部特徵進而定義出正確的人臉。第四章呈現出我們的實驗結果，我們不同 的情況做了幾個不同的實驗，然後對錯誤的實驗結果加以解釋。第五章會對 整個論文內容歸納出一些結論與對未來研究之建議。