CN102013005A - 一种基于局部动态阈值色彩平衡的偏色光的人脸检测的方法 - Google Patents

Abstract

本发明公开了一种基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，包括利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据，将所述人脸范本信息数据保存于指定数据库，利用视频输入设备采集待测对象的人脸视频图像，对人脸视频图像进行处理并对该人脸视频图像是否属于偏色光环境下获得进行判断，对该人脸视频图像进行基于CbCr空间的局部动态阈值色彩平衡处理，将经过色彩平衡处理的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断等步骤，该方法通过对图像进行白平衡处理，使图像被恢复到如白光照射下的情况一样，这样就可以利用正常光照情况下的算法进行检测就行了，进而使人脸的检测识别能够获得正确的判定。

Description

一种基于局部动态阈值色彩平衡的偏色光的人脸检测的方法

技术领域

本发明涉及一种人脸检测识别技术，特别是涉及一种基于局部动态阈值色彩平衡的偏色光的人脸检测的方法。

背景技术

随着国民经济的快速发展和人民生活水平的大幅提高，境内外敌对势力的犯罪活动也日益猖獗，为贯彻落实科学发展观，推动和谐社会建设，公、检、法、安等机关加强了对经济、刑事及国际恐怖活动等犯罪行为的打击力度，正在联合开展“追、逃、堵”斗争。其中，如何鉴别犯罪嫌疑人的身份是这一斗争能否取得胜利的关键。目前采用的方法多是将犯罪嫌疑人的照片、身份证、特征资料等上网发布或张贴，但这种方法的身份鉴别需要通过多种技术鉴定，它对证件资料假冒犯人的查询有较大的难度，对犯罪嫌疑人的狡辩、伪装往往要消耗大量的时间和物力来进行确认。

采用人体面貌识别技术，则可大大提高鉴别犯罪嫌疑人的工作效率，并能对犯罪分子产生极大的威慑力量。如在重要的火车站、汽车站、码头、机场、海关、火车车厢、长途汽车等出入口附近架设监控摄像头，则系统可在无人职守的情况下自动采集进、出上述场所的人员的头像，并将头像面貌特征数据自动传送到中心数据库，与存储的犯罪嫌疑人的头像进行快速比较，迅速准确地做出身份判断，一旦发现是吻合的头像，自动记录并发出报警信息。这将为形成高智能的、社会化的、规模化的安全防范体系提供有效的技术手段。

在进行人脸检测识别过程中，肤色检测是常用的人脸检测方法的内容之一，但是一般的肤色模型都是在正常光照情况下建立的，而提供视频监视光照的光源经常可能是偏色光源，此时，整个监视视频图像的色彩分布都被改变了。如果仍用白光条件下建立的肤色模型的话，显然会出现检测错误。通常有两种解决方法：一是重新建立肤色模型；二是尽可能地消除偏色光的影响，将图像还原到白光照射下的正常情况。对于第一种解决方法，实行起来较难，因为每种肤色模型都是基于大量的统计数据建立起来的，如果对于每种颜色光照都建立肤色模型的话，会对存储设备和计算处理设备造成很大的压力，而且在绝大多数情况下，出现的偏色光仅仅就限于一种或有限种情况，重新建立肤色模型，对存储数据和设备就是一种巨大的浪费。

发明内容

本发明的目的在于克服现有技术之不足，提供一种基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，是对图像进行白平衡处理，使图像被恢复到如白光照射下的情况一样，这样就可以利用正常光照情况下的算法进行检测就行了，并可以与利用正常光照环境下所构建的肤色模型而获取的人脸范本信息数据进行比较，进而使人脸的检测识别能够获得正确的判定。

本发明解决其技术问题所采用的技术方案是：一种基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，包括：

利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据的步骤；

将所述人脸范本信息数据保存于指定数据库的步骤；

利用视频输入设备采集待测对象的人脸视频图像的步骤；

对人脸视频图像进行处理并对该人脸视频图像是否属于偏色光环境下获得进行判断的步骤；

对该人脸视频图像进行基于CbCr空间的局部动态阈值色彩平衡处理的步骤；

将经过色彩平衡处理的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断的步骤。

所述的对人脸视频图像进行处理并对该人脸视频图像是否属于偏色光环境下获得进行判断的步骤，还进一步分解为如下步骤：

将采集到的人脸视频图像转入YCbCr颜色空间，并提取亮度分量Y；

对亮度分量Y作灰度直方图统计；

对图像的亮度进行二值化处理，以最大亮度的80％为二值化阈值，大于此阈值置为1，否则置为0；

如果存在一块面积大于图像总面积的1％的连续区域，则将此区域定为高亮区；

分别计算该高亮区的R、G、B分量的平均值R_aver、G_aver、B_aver；

计算偏离系数k＝max(R_aver，G_aver，B_aver)/min(R_aver，G_aver，B_aver)，如果该偏离系数k大于一个预先设定的偏离系数阈值k₀，则判断该图像存在偏色光照射。

所述的偏离系数阈值k₀为1.6。

所述的对该人脸视频图像进行基于CbCr空间的局部动态阈值色彩平衡处理包括先进行近白区域确定和后进行图像调整；

在近白区域确定过程中：

首先分别计算Cb、Cr的均值M_b和M_r，均值M_b和M_r由下列公式获得：

$M_b=\underset{i,j}{\mathrm{\Σ}}\mathrm{Cb}(i,j)/N$

$M_r=\underset{i,j}{\mathrm{\Σ}}\mathrm{Cr}(i,j)/N$

其中，Cb(i，j)、Cr(i，j)为图像(i，j)处的Cb、Cr值，N＝m×n为图像中的像素点总数；

然后计算平均绝对误差D_b和D_r，平均绝对误差D_b和D_r由下列公式获得：

$D_b=\underset{i,j}{\mathrm{\Σ}}\left(\right|\mathrm{Cb}(i,j)-M_b\left|\right)/N$

$D_r=\underset{i,j}{\mathrm{\Σ}}\left(\right|\mathrm{Cr}(i,j)-M_r\left|\right)/N$

最后确定出近白区域，该近白区域为以(Lb，Lr)为中心的L1×L2矩形区域，是由满足如下条件的像素组成：

R1＝R2

$D=\sqrt{{D_b}^2+{D_r}^2}$

$\left|\right|L1\left|\right|=\left|\right|L2\left|\right|=\sqrt{{M_b}^2+{M_r}^2}$

L1//L_R2

其中，R1为(M_b，M_r)到原点的距离，R2为(Lb，Lr)到原点的距离，D为(M_b，M_r)到(Lb，Lr)的直线距离，L_R2表示图中长度为R2的线段所在的直线；

在图像调整过程中：

从所述近白区域中的候选参考白点中选取10％的最大值，作为正式的参考白点；

采用下列公式进行图像调整：

R′＝R×Y_max/R_aver

G′＝G×Y_max/G_aver

B′＝B×Y_max/B_aver

其中，R、G、B分别是原图像三颜色值，R′、G′、B′是矫正后的三颜色值，Y_max是正式参考白点的亮度最大值，R_aver、G_aver、B_aver是正式参考白点三颜色通道的平均值，Y_max/R_aver、Y_max/G_aver、Y_max/B_aver是R、G、B三通道的增益因子；

最后将新调整后的图像转换到YCbCr空间进行人脸区域检测。

本发明的有益效果是，由于采用了利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据，将所述人脸范本信息数据保存于指定数据库，利用视频输入设备采集待测对象的人脸视频图像，对人脸视频图像进行处理并对该人脸视频图像是否属于偏色光环境下获得进行判断，对该人脸视频图像进行基于CbCr空间的局部动态阈值色彩平衡处理，将经过色彩平衡处理的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断等步骤来实现基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，该方法通过对图像进行白平衡处理，使图像被恢复到如白光照射下的情况一样，这样就可以利用正常光照情况下的算法进行检测就行了，并可以与利用正常光照环境下所构建的肤色模型而获取的人脸范本信息数据进行比较，进而使人脸的检测识别能够获得正确的判定。

以下结合附图及实施例对本发明作进一步详细说明；但本发明的一种基于局部动态阈值色彩平衡的偏色光的人脸检测的方法不局限于实施例。

附图说明

图1是本发明的视频图像CbCr空间中的局部动态近白区域示意图；

图2是本发明的改进的图像分块示意图；

图3是本发明的局部动态阈值色彩平衡近白区域结构示意图。

具体实施方式

实施例，参见附图所示，本发明的一种基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，包括：

利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据的步骤；

将所述人脸范本信息数据保存于指定数据库的步骤；

利用视频输入设备采集待测对象的人脸视频图像的步骤；

对人脸视频图像进行处理并对该人脸视频图像是否属于偏色光环境下获得进行判断的步骤；

对该人脸视频图像进行基于CbCr空间的局部动态阈值色彩平衡处理的步骤；

将经过色彩平衡处理的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断的步骤。

其中，对人脸视频图像进行处理并对该人脸视频图像是否属于偏色光环境下获得进行判断的步骤，还进一步分解为如下步骤：

将采集到的人脸视频图像转入YCbCr颜色空间，并提取亮度分量Y；

对亮度分量Y作灰度直方图统计；

对图像的亮度进行二值化处理，以最大亮度的80％为二值化阈值，大于此阈值置为1，否则置为0；

如果存在一块面积大于图像总面积的1％的连续区域，则将此区域定为高亮区；

分别计算该高亮区的R、G、B分量的平均值R_aver、G_aver、B_aver；

计算偏离系数k＝max(R_aver，G_aver，B_aver)/min(R_aver，G_aver，B_aver)，如果该偏离系数k大于一个预先设定的偏离系数阈值k₀，则判断该图像存在偏色光照射。

所述的偏离系数阈值k₀为1.6。

色彩平衡的目的是要将在偏色光照射下的图像进行色彩调整，使得图像看上去如正常白光照射下一样。事实上，物体在偏色光照射下使得物体反射光的光谱成份和分布发生了改变，也就是物体的色温发生了改变，引起物体的颜色发生了改变。白平衡处理正是对不同色温环境下的拍摄的图像的近白色区域进行权值修正，使白色的物体呈现真正的白色，并以相同的权值对其他各种颜色进行修正，从而使得不同色温照射下的图像还原为正常白光照射下的图像。所以在偏色光照射下的人脸检测中，需要先对图像进行白平衡处理，将图像恢复到如白光照射下的情况一样，然后就可以正常光照情况下的算法进行检测就行了。

在进行色彩平衡之前，首先要判断是不是存在偏色光照射，否则色彩平衡不仅会带来不必要的计算量，还可能会引起人脸的颜色发生较大变化而影响肤色模型的检测效果。

物体在光照下的镜面反射形成了图像中的高光区、高亮区。这些区域的亮度较大，可以很好的反映照射光的颜色。客观世界中物体的光滑表面容易发生镜面反射，这些光滑表面包括玻璃、白墙壁、金属制品、人脸的额头和鼻尖等。

首先，对图像的亮度进行二值化处理，以最大亮度的80％为二值化阈值，大于此阈值置为1，否则为0；如果存在一块面积大于图像总面积的1％的连续区域，则将此区域定为高亮区；分别计算该高亮区的R、G、B分量的平均值R_aver、G_aver、B_aver，计算偏离系数k＝max(R_aver，G_aver，B_aver)/min(R_aver，G_aver，B_aver)，如果k＞k₀，我们就判断该图像存在偏色光照射。k₀为大于1的常数，实验表明当k₀取值为1.6时，该方法对绝大部分偏色光能做出正确判断。

如果存在偏色光照射，就需要对图像进行色彩平衡。

对该人脸视频图像进行基于CbCr空间的局部动态阈值色彩平衡处理包括先进行近白区域确定和后进行图像调整；

在近白区域确定过程中：

首先分别计算Cb、Cr的均值M_b和M_r，均值M_b和M_r由下列公式获得：

$M_b=\underset{i,j}{\mathrm{\Σ}}\mathrm{Cb}(i,j)/N$

$M_r=\underset{i,j}{\mathrm{\Σ}}\mathrm{Cr}(i,j)/N$

其中，Cb(i，j)、Cr(i，j)为图像(i，j)处的Cb、Cr值，N＝m×n为图像中的像素点总数；

然后计算平均绝对误差D_b和D_r，平均绝对误差D_b和D_r由下列公式获得：

$D_b=\underset{i,j}{\mathrm{\Σ}}\left(\right|\mathrm{Cb}(i,j)-M_b\left|\right)/N$

$D_r=\underset{i,j}{\mathrm{\Σ}}\left(\right|\mathrm{Cr}(i,j)-M_r\left|\right)/N$

为了提高算法的鲁棒性，可以将图像分为如图2所示的11个小块；这样分区的依据是：中心部分一般情况都是信息的主要集中处，我们不能轻易舍弃；而顶部因为靠近光源，一般亮度值都相对比较大，更符合我们需要寻找的参考白点的条件；而底部则信息量和亮度值都相对比较小，所有舍弃的概率相对大些。计算每个小块的M_r、M_b、D_b、D_r值。如果D_b、D_r值太小就将这个小块抛弃点，因为该区域的色度变化太小了，不满足本发明后面增益因子调整阶段所用到的“灰度世界假设”原理。经过这个筛选之后，将剩下的M_r、M_b、D_b、D_r保存下来。

最后确定出近白区域，该近白区域为以(Lb，Lr)为中心的L1×L2矩形区域，是由满足如下条件的像素组成：

R1＝R2

$D=\sqrt{{D_b}^2+{D_r}^2}$

$\left|\right|L1\left|\right|=\left|\right|L2\left|\right|=\sqrt{{M_b}^2+{M_r}^2}$

L1//L_R2

其中，R1为(M_b，M_r)到原点的距离，R2为(Lb，Lr)到原点的距离，D为(M_b，M_r)到(Lb，Lr)的直线距离，L_R2表示图中长度为R2的线段所在的直线；(Lb，Lr)是近白区域的中心。这个算法的核心思想就是“灰度世界法”。M_b和M_r也就是图像的Cb、Cr色度的平均值，代表了整幅图像的所有色度的平均偏移。但是白色(或近白色)色度的偏移是最大的，所以就在(M_b，M_r)的基础上偏移D长度到(Lb，Lr)处作为白色色度偏移的中心。然后将白色区域定义为以(Lb，Lr)为中心的L1×L2矩形区域内。选择L1//L_R2，可以获得更多的白点、去除其他颜色的点。本发明所采用的算法不同于一般的局部色彩平衡方法，一般的局部色彩平衡方法是采用固定阈值，没有考虑到对象的不同。L1和L2的引入使得这个阈值变成动态的：如果平均偏移量大则表明有色光照射强，白色区域影响大，扩大阈值就可以减少漏检；如果平均偏移量小则表明有色光照射弱，白色区域影响小，减小阈值以减少虚检。然后在这个近白区域中的候选参考白点选取10％的最大值，作为最后的参考白点。

参考白点确定之后，就可以采用Von Kries模型来调整图像。每个通道的增益由参考白点的均值计算出来。为获得整幅图像在同样水平下的亮度，用最大亮度来计算通道增益。最后采用下列公式进行图像调整：

R′＝R×Y_max/R_aver

G′＝G×Y_max/G_aver

B′＝B×Y_max/B_aver

其中，R、G、B分别是原图像三颜色值，R′、G′、B′是矫正后的三颜色值，Y_max是正式参考白点的亮度最大值，R_aver、G_aver、B_aver是正式参考白点三颜色通道的平均值，Y_max/R_aver、Y_max/G_aver、Y_max/B_aver是R、G、B三通道的增益因子；

最后将新调整后的图像转换到YCbCr空间进行人脸区域检测。

上述实施例仅用来进一步说明本发明的基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，但本发明并不局限于实施例，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均落入本发明技术方案的保护范围内。

Claims (4)

1.一种基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，包括：

利用正常光照环境下所构建的肤色模型而获取人脸范本信息数据的步骤；

将所述人脸范本信息数据保存于指定数据库的步骤；

利用视频输入设备采集待测对象的人脸视频图像的步骤；

其特征在于：还包括：

对人脸视频图像进行处理并对该人脸视频图像是否属于偏色光环境下获得进行判断的步骤；

对该人脸视频图像进行基于CbCr空间的局部动态阈值色彩平衡处理的步骤；

将经过色彩平衡处理的待测对象的人脸视频图像数据与人脸范本信息数据进行比对判断的步骤。

2.根据权利要求1所述的基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，其特征在于：所述的对人脸视频图像进行处理并对该人脸视频图像是否属于偏色光环境下获得进行判断的步骤，还进一步分解为如下步骤：

将采集到的人脸视频图像转入YCbCr颜色空间，并提取亮度分量Y；

对亮度分量Y作灰度直方图统计；

对图像的亮度进行二值化处理，以最大亮度的80％为二值化阈值，大于此阈值置为1，否则置为0；

如果存在一块面积大于图像总面积的1％的连续区域，则将此区域定为高亮区；

分别计算该高亮区的R、G、B分量的平均值R_aver、G_aver、B_aver；

计算偏离系数k＝max(R_aver，G_aver，B_aver)/min(R_aver，G_aver，B_aver)，如果该偏离系数k大于一个预先设定的偏离系数阈值k₀，则判断该图像存在偏色光照射。

3.根据权利要求1所述的基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，其特征在于：所述的偏离系数阈值k₀为1.6。

4.根据权利要求1所述的基于局部动态阈值色彩平衡的偏色光的人脸检测的方法，其特征在于：所述的对该人脸视频图像进行基于CbCr空间的局部动态阈值色彩平衡处理包括先进行近白区域确定和后进行图像调整；

在近白区域确定过程中：

首先分别计算Cb、Cr的均值M_b和M_r，均值M_b和M_r由下列公式获得：

$M_b=\underset{i,j}{\mathrm{\Σ}}\mathrm{Cb}(i,j)/N$

$M_r=\underset{i,j}{\mathrm{\Σ}}\mathrm{Cr}(i,j)/N$

其中，Cb(i，j)、Cr(i，j)为图像(i，j)处的Cb、Cr值，N＝m×n为图像中的像素点总数；

然后计算平均绝对误差D_b和D_r，平均绝对误差D_b和D_r由下列公式获得：

$D_b=\underset{i,j}{\mathrm{\Σ}}\left(\right|\mathrm{Cb}(i,j)-M_b\left|\right)/N$

$D_r=\underset{i,j}{\mathrm{\Σ}}\left(\right|\mathrm{Cr}(i,j)-M_r\left|\right)/N$

最后确定出近白区域，该近白区域为以(Lb，Lr)为中心的L1×L2矩形区域，是由满足如下条件的像素组成：

R1＝R2

$D=\sqrt{{D_b}^2+{D_r}^2}$

$\left|\right|L1\left|\right|=\left|\right|L2\left|\right|=\sqrt{{M_b}^2+{M_r}^2}$

L1//L_R2

其中，R1为(M_b，M_r)到原点的距离，R2为(Lb，Lr)到原点的距离，D为(M_b，M_r)到(Lb，Lr)的直线距离，L_R2表示图中长度为R2的线段所在的直线；

在图像调整过程中：

从所述近白区域中的候选参考白点中选取10％的最大值，作为正式的参考白点；

采用下列公式进行图像调整：

R′＝R×Y_max/R_aver

G′＝G×Y_max/G_aver

B′＝B×Y_max/B_aver

其中，R、G、B分别是原图像三颜色值，R′、G′、B′是矫正后的三颜色值，Y_max是正式参考白点的亮度最大值，R_aver、G_aver、B_aver是正式参考白点三颜色通道的平均值，Y_max/R_aver、Y_max/G_aver、Y_max/B_aver是R、G、B三通道的增益因子；

最后将新调整后的图像转换到YCbCr空间进行人脸区域检测。

Images