1
第一章 緒論 1-1 研究背景與動機
自動人臉識別在許多應用場合是相當有用的,例如人臉追蹤、人臉識 別、人類臉部表情姿勢分析、個人身份之辨認和電腦的人機界面系統 [1]。目 前有許多相關於人臉檢測技術已被提出,包括人臉識別,人臉特徵抽取和人 類臉部檢測,其中以人類臉部檢測為重要且基礎的技術。人臉檢測是指在輸 入影像中找出所有人臉(若存在時)位置與大小,然而,從一張影像中做人 臉檢測是一個具有相當挑戰的工作,因為人在影像中其尺度大小、方向、姿 勢、臉部的表情和光線狀況是不可預知的,因此我們需尋找一個自動、強健 且效能高的人臉檢測方法。
近年來,許多檢測人臉方法已被很多的學者專家所提出[2,3]。一般而 言,人臉檢測演算法可概略地分類為兩個範疇:幾何特徵為基礎的方法和影 像為基礎的方法[4]。
幾何特徵為基礎之範疇,其應用在人臉檢測的方法主要是利用人類臉 部的重要特徵。這些方法是尋找人臉重要特徵之間的關係,較典型的方法是 先從影像中擷取相關臉部的特徵,然後再利用特徵之間的距離、角度和範 圍,達到檢測的效果[5-8]。
影像處理為基礎之方法,是應用模板在影像中做掃描,再將所得到的 物件分類為人臉或非人臉的一種演算法。較常見的技術有利用類神經網路、
主成份分析法 (Principal Component Analysis,PCA)或支持向量機(support vector machine ,SVM)做為分類的技巧[9-13]。
近年來,以色彩資訊為基礎的方法成為一個新技術且具有較好的效
能。因為色彩資訊是我們視覺重要資訊的來源,所以應用在相關的系統是很
直覺的方法。這也使我們自然想到利用人類膚色的資訊,做為人臉檢測的基
2
礎。人類的膚色資訊分佈聚類在一小範圍且膚色在某些色彩空間中,其對光 線的影響較為不敏感。因此發展以色彩資訊為基礎之人臉檢測技術,其先利 用膚色檢測出在影像中類似膚色的區域,然後在類似膚色區域中檢測人臉臉 部的特徵。以色彩資訊為基礎的方法已經證明 [15-17]在部分遮蔽、旋轉、尺 度大小及在不同的光線下較其他方法具有較強健的優點。然而,其仍須做一 些改善,例如,如何減少受光的影響?另外當影像中的背景在色彩空間中的 色彩資訊與人類膚色資訊有相當大的不同,其檢測的效能是不錯的,然而,
當影像的背景色彩與人類的膚色很相近時,檢測出來的效果是很差的,因 此,為了改善其效能,我們針對膚色空間做了一些修正補償,以期較好的效 果。
以色彩為基礎的膚色檢測演算法,其膚色模型的強健性對於系統的效
能是非常重要的。顏色模型的強健性定義:是在不同光線下,其在檢測膚色
的能力。我們提出一個修正補償的膚色相似模型,其光線在偏暗或偏亮情況
下,其檢測能力是強健的,因此,我們的目標是以一個膚色為基礎的檢測演
算法,其影像在複雜的背景與不同光線下,檢測人類的膚色能達到快速且準
確。
3
1-2 研究目的
本文主要研究目的是如何有效的利用膚色資訊應用於人臉檢測系統,
將膚色判斷做為人臉檢測系統的預先處理,因此,分別研究膚色模型的建立 與分析、膚色區域的分割與人臉的判斷,其各項的目標,就是提高人臉檢測 演算法的時間效率與降低誤檢率。
但利用膚色資訊做處理亦存在一些問題:
1. 在數位彩色影像中,其色彩資訊很容易受到光線的明暗、色彩等外在因 素的影響,使檢測的強健性不佳。
2. 很難從現有標準的膚色模型找到良好的模型。
3. 在背景複雜的影像中,大量類似膚色的像素存在於影像中,使在做膚色 區域判斷與分割上有相當的麻煩。
以上的問題常會導致在影像中,其像素為膚色卻誤判為非膚色,而非膚
色卻判斷為膚色,使檢測正確率降低,因此,我們希望利用一些修正補償的
檢測方法降低光線與背景的影響。
4
1-3 研究目標
此研究欲達到的目標為:
1. 在不同的光線狀況下,能夠補償光線並且減低其所造成的臉部膚色影 響。
2. 利用模糊理論建構一膚色相似模型,以提高膚色的偵測率。
3. 建立唇色檢測器,找出嘴唇的位置。
4. 藉由嘴唇位置與人臉五官之幾何關係,找出眼睛的位置。
5. 利用嘴唇與眼睛之幾何關係,定出人臉的位置。
5
1-4 系統架構
利用色彩資訊可簡化在複雜環境中做膚色區域定位的工作。此膚色檢 測流程之主要模組,簡要地描述如圖 1.1。
圖 1.1 膚色檢測流程圖
1. 本文演算法處理的影像為彩色影像,其來源可以是由掃描器、數位相機
或 CCD 等設備擷取之彩色影像。
6
2. 輸入一彩色影像,經由光線補償與配合膚色相似模型之膚色檢測法則,
可過濾出影像中,類似膚色的的區域,而得到膚色或非膚色之二元影像。
3. 得到一個由若干膚色區域所構成之二元膚色影像之後,由於其影像可能 散佈許多的雜訊,例如雜點或無法辨識之小區域,因此,須做去除雜訊 的處理。去除雜訊之後,可利用連通區域演算法,找出各個膚色區域,
列入可能為人臉候選區域。
4. 確認人臉候選區域之後,本文利用人臉的唇色檢測演算法與眼睛檢測演 算法,檢測出嘴唇與眼睛的位置,配合嘴唇與眼睛的幾何關係,決定候 選區域是否為人臉。
確認人臉的位置之後可做相關系統的應用例如人臉的追蹤、人臉識別。
人臉檢測演算法的流程圖如圖 1.2 所示:
7
候選人臉區域
嘴唇之定位
眼睛之定位 區域正規化
確認人臉
圖 1.2 人臉檢測流程圖
1. 候選人臉區域:其是由膚色檢測演算法得到之膚色區域,做為人臉檢測 演算法之輸入影像。
2. 嘴唇之定位:此演算法是利用嘴唇唇色的特徵,尋找嘴唇在候選區域的 位置(若存在嘴唇時)。
3. 區域正規化:此演算法主要的目的是要提高後續眼睛的檢測率,其方法 是在找出嘴唇之後,利用人臉五官的幾何位置,正規化候選區域(若候選 區域中有多人臉時,切割候選區域 )。
4. 眼睛的定位:眼睛檢測演算法是利用眼球低灰階之特徵,在正規化區域 中,尋找眼睛的位置。
5. 確認人臉:此演算法是利用眼睛與嘴唇的幾何關係,確認候選區域是否
8
為人臉與計算出人臉傾斜的角度。
9
1-5 研究架構
1. 相關文獻探討:探討目前人臉檢測的方法,分析其適用性與優缺點。
2. 系統架構之規劃:根據相關文獻的探討,規劃檢測系統的基本架構。
3. 利用模糊推論建構一個膚色補償系統。
4. 建立膚色相似模型:收集相關影像的訓練樣本,建構出膚色檢測系統的 膚色相似模型。
5. 建立膚色分割演算法與判斷膚色區域的準則:提高檢測效能。
6. 設計唇色檢測器與眼睛檢測器。
7. 程式撰寫:利用程式語言撰寫人臉之檢測系統。
8. 實驗分析:分析此檢測演算法的性能。
9. 結論與建議:依據實驗結果加以檢討與總結。
10
圖 1.3 研究步驟流程圖
11
1-6 關鍵字
膚色補償:為減少光線對膚色檢測的影響,因此需做膚色補償。
膚色相似模型:利用大量手工取得的膚色資料集,經由訓練建 構一個膚色模型。
嘴唇檢測:在候選人臉區域中,檢測嘴唇的位置。
眼睛檢測:在候選人臉區域中,檢測眼睛的位置。
人臉檢測:在影像中檢測人臉的位置。
12