SCI论文（www.lunwensci.com）:
摘要：人脸检测是一种在数字图像中找到人脸位置和大小的技术。常用于人脸识别、人脸追踪、面部动作捕捉、相机自动对焦等应用中。本文设计并实现了一种基于肤色检测和Haar级联分类器的系统来进行实时人脸检测,先通过肤色检测过滤掉图像中的非皮肤像素区域,后通过Haar级联分类器对剩余像素区域中的人脸进行检测。实验结果表明本系统能够实时地对视频画面中的人脸进行检测,且人脸检测算法计算时间明显小于传统的检测算法。
关键词：人脸检测；肤色检测；Haar级联分类器
A Real-time Face Detection System Based on Skin Detection and Haar Cascade Classifier
WANG Silin
(School of Information Engineering,Xinyang Agriculture and Forestry University,Xinyang Henan 464000)
【Abstract】：Face detection is a technique forfinding the position and size of faces in digital images.Commonly used in face recognition,face tracking,facial motion capture,camera auto focus and other applications.This paper designs and implements a system based on skin color detection and Haar cascade classifier for real-time face detection.Firstly,the non-skin pixels in the image arefiltered out by skin detection,and then the Haar cascade classifier detect faces in the remaining pixels.The experimental results show that the system can detect the face in video in real time,and the consuming time of the face detection algorithm is significantly faster than that of the traditional detection algorithm.
【Key words】：face detection;skin detection;Haar cascade classifier
0引言
随着人工智能、大数据、物联网等信息技术的迅速发展和社会智能化水平的快速提高,人脸识别作为一种高可靠性的身份识别手段被广泛应用。人脸识别的过程中有两个关键步骤：(1)在图像中定位人脸的位置和大小；(2)提取人脸特征数据与数据库中的已有数据进行比对从而对身份进行识别[1]。因此,一个高效率、高准确率的人脸检测系统显得尤为关键。基于这个原因,设计并实现了一个基于网络摄像头的实时人脸检测系统,该系统基于OpenCV库进行实现,采用了肤色检测与Haar级联分类器相组合的方式对视频中的人脸进行实时定位。因为在人脸检测前采用了基于YCbCr的肤色检测算法对非肤色像素进行了过滤,本系统的人脸检测计算时间相对于传统方法得到了降低。
OpenCV的全称是Open Source Computer Vision Library,是一个跨平台的计算机视觉库,被广泛应用于人机互动、物体识别、图像分割、运动跟踪、机器人、机器视觉、汽车安全驾驶等领域[2]。
1人脸检测系统设计
本系统通过网络摄像头获取实时视频数据,对于视频中的某一帧图像,先利用基于YCbCr的肤色检测算法筛选出颜色为肤色的像素点,此时图像中属于皮肤的像素点得到保留,其余像素点为黑色[3]。再利用OpenCV中提供的基于Haar特征的级联分类器对该图像中的人脸进行检测,并对检测出的人脸位置在图像中用绿色方框进行标记。因为系统是实时检测系统,所以要不停地对摄像头获取的视频中的每一帧进行上述处理,直到系统接收到停止检测的指令(如图1所示)。
如图2所示,系统在进行人脸检测时的过程可以分为4个步骤：(1)从摄像头获取视频数据,此时视频图像的色彩空间为RGB,如图1(a)所示；(2)将图像的色彩空间从RGB转换为YCbCr,如图1(b)所示；(3)利用基于YCbCr的肤色检测算法将图像中的非肤色像素置为黑色,保留肤色像素,如图1(c)所示；(4)是利用Haar级联分类器根据人脸特征对上一步中的图像进行人脸检测,并对检测出的人脸进行定位,后用绿色矩形框对第一步中的原始图像中的人脸位置进行标注,如图1(d)所示。
2人脸检测系统原理
2.1肤色检测
肤色检测是一种在数字图像中区分皮肤像素和非皮肤像素的计算机技术[4],在人脸识别、手势识别等计算机视觉领域有广泛应用。肤色检测的原理是基于像素的颜色分类器,通过图形分割、前景提取、色彩判断等方式过滤出图像中的皮肤像素区域[5]。本系统使用了基于YCbCr色彩空间的肤色检测算法。该算法的流程如图3所示,首先读入图像(网络摄像头获取的视频中的某一帧),因为图像默认的色彩空间为RGB,所以在进行肤色检测前需先将色彩空间转换为YCbCr,后将转换为YCbCr色彩空间的图片使用肤色约束条件进行过滤,具体做法是将图片逐帧进行扫描,将满足条件的像素进行保留,不满足的丢弃。过滤后的图片中被认定为皮肤的像素区域为原色,其他区域像素为黑色。
肤色检测时的光照条件会跟随时间、地点的变化而产生改变,因YCbCr色彩空间在肤色检测时不受亮度影响的这一特点[6],所以常被应用于肤色检测,其中Y代表亮度,Cb代表光源中的蓝色分量,Cr代表光源中的红色分量[7]。人体肤色在YCbCr色彩空间中的约束条件为：
条件1：77≤Cb≤127
条件2：133≤Cr≤173
2.2基于Haar特征的级联分类器
基于Haar特征的级联分类器进行目标检测是Paul Viola和Michael Jones在2001年提出的一种有效的目标检测方法[8]。它使用机器学习的方法,用大量正负样本图像对级联函数进行训练,用训练好的模型检测其他图像中的目标对象。
本系统中,分类器被用于人脸检测。为了让该分类器能够识别人脸,首先需要用大量的正图像(包含人脸的图像)和负图像(不包含人脸的图像)来训练分类器。
然后从这些图片中提取特征。这里用到了如图4所示的Haar特征。它分为三类：边缘特征、线性特征和对角线特征。这些特征类似卷积核,用黑色矩形中的像素值的和减去白色矩形汇总像素值的和可以得到一个值[9]。
对于每一个特征,都有一个对应的弱分类器可以输出判断结果：人脸和非人脸。之所以称为弱分类器,因为它的分类错位率较高,所以不能单独对图像进行分类[10]。因此将多个弱分类器通过级联的方式构成一个强分类器。这就构成了基于Haar特征的级联分类器。OpenCV库中提供了Cascade Classifier和已经训练好的分类器参数,本系统将使用这些分类器来对图像中的人脸进行检测。
3系统测试
测试环境：Windows10操作系统(Intel i5,16G内存),编程语言为Python,使用Opencv库作为开发工具包。
系统实时运行情况如图5所示,绿色矩形框跟随着视频画面中的人脸移动,说明本系统能够实时地对摄像头画面中的人脸进行检测并定位。
为了对比本系统采所用的人脸检测算法与传统的基于Haar特征级联分类器的算法的计算时间,本文采用了1000帧视频图像作为实验数据,实验结果如表1所示。本系统采用的人脸检测算法的计算时间明显优于传统算法。
4结语
本文设计并实现了一个基于肤色检测和Haar级联分类器算法的实时人脸检测系统,系统通过摄像头获取视频数据,后通过色彩空间转换,肤色检测过滤对视频画面中的像素进行处理,处理后的画面经过基于Haar特征的级联分类器对其中的人脸进行检测,最后对检测出的人脸用绿色矩形框在画面上定位。通过实验测试,本系统能够实时检测视频画面中的人脸并定位,同时采用的人脸检测算法的计算时间明显少于传统人脸检测算法的计算时间。
参考文献
[1]李有乘.一种基于视频的人脸检测及识别方法[J].河南科技,2020(20):27-29.
[2]孙凯旋.应用Camshift跟踪算法提高视频中人脸检测速度[J].计算机系统应用,2020,29(9):231-236.
[3]佟喜峰,樊鑫.一种可用于普通PC摄像头的手势检测与识别算法[J].绥化学院学报,2021,41(5):141-145.
[4]张坤,王烨东,李文元,等.自适应动态肤色检测技术研究进展[J].液晶与显示,2021,36(2):293-304.
[5]邹奉天.几种皮肤检测算法的仿真[J].计算机与数字工程,2021,49(6):1240-1243.
[6]VIOLA P,JONES M.Rapid Object Detection Using a Boosted Cascade of Simple Features[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2001:511-518.
[7]吴要领.基于YCrCb色彩空间的人脸检测算法的设计与实现[D].成都:电子科技大学,2013.
[8]邓锋,胡志勇,肖伟明,等.基于肤色分割和AdaBoost算法的人脸检测[J].计算机与数字工程,2020,48(4):956-959.
[9]程耀瑜,丰婧,李树军,等.一种基于Haar和肤色分割算法的人脸检测[J].兵器装备工程学报,2021,42(1):254-258.
[10]刘禹欣,朱勇,孙结冰,等.Haar-like特征双阈值Adaboost人脸检测[J].中国图象图形学报,2020,25(8):1618-1626.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/46638.html
