人工智能正在影响着人类的生产和生活, 对视频的处理随处可见. 其中, 人脸检测是数字图像处理领域的重要研究领域^[1], 是很多涉及人脸的应用程序的基础^[2], 研究和处理人脸在视频监控中的情况是一项非常有前景的方向^[3]. 但在实践中人脸识别技术还存在一些不足, 如人脸检测速度较慢^[4], 因此研究提高人脸检测的快速性和准确性是非常有意义的^[5].

OpenCV是常见的人脸检测工具, OpenCV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^[6]. AdaBoost (Adaptive Boosting) 方法是基于学习, 借助Haar特征, 把一组弱分类器提升为强分类器, 级联检测效率较高^[7], 相对于其他的检测方法效果较好, 但是还存在着检测率和检测效率不足的问题^[8]. OpenCV自带工具中, 其用于筛选大量Haar特征和生成级联分类器的训练阶段非常繁琐且需要大量计算^[1]. 传统人脸检测方法速度较慢, 很难满足对实时性要求较高的场合. 基于检测速度的提高, 本文提出在人脸检测中应用跟踪算法, 实用的目标跟踪算法不仅要求能够准确实时地跟踪目标, 而且要求在光照变化、目标相似等复杂的背景下也能有较强的抗干扰能力^[9]. 目标跟踪是计算机视觉领域发展较快的一个方向. 近些年, Meanshift 算法在目标跟踪方面应用广泛, 但也有不足之处, 它无法对目标模型进行更新. 为解决该算法无自适应问题, Bradski 在 Meanshift 算法的基础上提出基于颜色概率信息的Camshift 算法^[10].

本文将人脸检测算法检测出来的人脸区域作为 Camshift 算法的初始窗口^[11], 实现由每一帧的人脸检测转变为人脸区域跟踪以提高检测效率和跟踪实时性^[11]. 此外, 针对光照影响也做出了相应处理, 并在VS 2017+OpenCV 3.4.1实验环境下实验验证, 结果达到预期效果.

1 整体设计

在OpenCV视觉库中, 图片是以Mat数据类型存储的, Mat类可以被看作是OpenCV中C++版本的矩阵类, 对图片的操作就是对Mat对象的操作. 视频是由一帧一帧的图片组成, 所以处理视频也就是处理视频中的每一帧图片. 传统的人脸检测方法是对每一帧图像用级联检测器进行人脸检测, 然而对于采用Haar特征的检测方法, 由于大都是浮点数运算, 虽然相对于LBP特征检测的精度较高, 但是检测的速度很慢. 由于视频对实时性的要求很高, 传统的人脸检测方法并不能满足实际需求. 而目标跟踪算法可以实现准确的跟踪目标并且速度很快, 可以满足视频对实时性的需求. 因此将目标跟踪结合到人脸检测中以改进传统算法.

本文提出的算法利用了直方图均衡化消除光照影响并对检测到的人脸区域设为ROI区域然后进行跟踪, 同时要设定一个阈值, 每隔固定帧数进行一次人脸检测, 用来更新数据.

整体流程如图1所示.

2 人脸检测

在OpenCV中CascadeClassifier是包含级联分类器的一个类, 用于人脸检测, 该分类器可以使用Haar和LBP两种特征. Haar特征和LBP特征有以下区别:

(1) Haar中数据是浮点数, 但LBP中数据是整数.

(2) LBP训练需要的样本数量要比Haar大.

(3)同样的样本空间, Haar训练出来的数据检测结果要比LBP准确.

(4) LBP的速度一般可以比Haar快几倍.

2.1 AdaBoost算法

Haar特征是一种矩形特征由Papageorgiou等提出, 并被Viola等应用到人脸识别系统中. 它的定义是图像中相邻区域内灰度值差的总和, 也就是相邻区域内白色像素减去黑色像素之差的和, 反应了相邻区域内白色区域到黑色区域的梯度变化趋势. Haar矩形特征经过不断的扩展其特征数量不断的增加, 经过Lienhart等的不断努力, 现在Haar矩形特征集已经扩展到16种^[12]如图2所示.

一种Haar特征就是一个弱分类器, 定义如下:

$ \eta=\left\{ {\begin{array}{*{20}{c}} {1,\;\;\;\lambda f\left( {{x}} \right) < \lambda \omega }\\ {0,\;\;\;\lambda f\left( {{x}} \right) \ge \lambda \omega } \end{array}} \right. $

其中, f(x)为Haar矩形特征值, $\lambda$ 是调节符号, ω定义为:

${\rm{\omega }}=\frac{{N}_{1}{M}_{1}+{N}_{2}{M}_{2}}{{N}_{1}+{N}_{2}}$

N₁为正样本数, N₂为负样本数, M₁为正样本平均特征值, M₂为负样本平均特征值, 如M₁> ${\rm{\omega }}$ , $\lambda$ =1, 否则 $\lambda$ =–1. 当 $\eta$ 为1时, 判定为目标, 即检测到人脸目标, 否则, 未检测到目标^[7].

弱分类器的检测能力很弱, 将若干个弱分类器以线性方式组合可以形成强分类器. Adaboost算法就实现了该过程, 其算法核心是对同一训练集来训练多个弱分类器, 最终对这些弱分类器进行结合组成分类能力更强的强分类器.

AdaBoost算法的流程: (1)增加其中被上轮弱分类器错误分类的样本的权重, 对于正确分类的样本要降低它们的权重. (2)利用加权多数表决法. 具体做法是: 提升误差率较小的弱分类器的权重, 让它增加在表决时的影响, 降低误差较大的弱分类器的权重, 减小在表决时的影响.

2.2 CascadeClassifier级联分类器

级联分类器是多个强分类器的组合, 对目标图像采用多个强分类器检测得到检测结果. CascadeClassifier是OpenCV下objdetect模块中一个类, 可以实现对目标的检测. 实现方式是对级联分类器与滑动窗口机制进行结合, 支持利用OpenCV中的多种特征进行目标检测.

CascadeClassifier实现了几个重要的方法, 其中包括load()和detectMultiScale(). load()用来加载已经训练好的模型, detectMultiScale()则实现了多尺度的检测过程, 利用CascadeClassifier 实现人脸检测的流程如图3所示.

3 Camshift目标跟踪

Camshift是Meanshift跟踪算法的改进算法, 可以做到连续自适应, 能够实现自动调整窗口大小, 可以检测尺寸发生变化的目标. 该算法核心是对每帧图像均作Meanshift运算, 然后把上一帧的结果(窗口中心位置与大小)设为下一帧Meanshift算法的窗口的初始值, 按照此方法一直迭代下去. Camshift算法最重要的一点是当目标发生形变的时候, 能够做到自适应的改变区域达到继续跟踪的目的.

3.1 反向投影(BackProiect)

反向投影是一种方式: 就是记录指定图像中每个像素是怎样适应直方图模板中像素布局的.

RGB颜色空间对光照亮度变化敏感, 在目标跟踪中为了减少光照强度变化对目标跟踪的影响, 将目标图像由RGB颜色空间映射到HSV颜色空间进行处理. HSV颜色空间中的H表示物体颜色色调, 它直观地反映了物体的颜色信息, 根据图像中H通道的颜色色调目标直方图, 计算得到目标图像的颜色概率查找表^[13].

利用Hue直方图实现反向投影步骤如下:

(1)读取被测试对象中的每个像素点的Hue数值, 同时在直方图找到数值的bin位置.

(2)查询Hue直方图中对应bin的数值.

(3)然后把这个值放在新的图像中存储, 同时可以把Hue直方图中的数据进行归一化处理(0–255), 从而实现对BackProiect单通道图像直接显示.

(4)通过对测试图像每个像素采取以上步骤, 可以得到最终的BackProiect图像.

3.2 Meanshift算法

Meanshift算法的核心是mean(均值)+shift(偏移). 假如空间上一点x, 在其周围分布着很多个点x_i通过算出点x偏移到各个点的偏移量的总和, 并求出平均值, 该值就是平均偏移量, 该偏移量中包含大小和周围分布较密集的方向. 之后点x就会向着平均偏移量的方向进行移动, 然后以该点当做新的起点一直迭代到满足一定的条件为止.

如图4所示为均值+偏移的过程, 并最终找到中心点.

3.3 Camshift算法

Camshift算法就是对视频里的每一帧图像全部做Meanshift运算, 并且把计算出来的目标的大小及位置当做下一帧Meanshift算法中搜索框的大小起始值及它的中心位置. 利用迭代运算的形式实现对视频里的目标进行跟踪. Camshift算法流程如图5所示.

4 图片预处理

在人脸检测之前非常重要的步骤就是对视频图片做预处理, 去燥^[14]是图片预处理很重要的一步. 去燥主要是去掉图像中会对检测结果有影响的噪点, 在光照不足的情况下会更容易产生这种噪点, 同时光照太强也会影响检测结果. 本文将采用高斯平滑进行去燥, 利用直方图均衡化来保持光照不变性, 同时为了保证检测的准确性还要在人脸检测之前对图像进行灰度处理.

4.1 高斯平滑

高斯平滑也叫高斯模糊, 是图像预处理的重要手段, 以数学角度看, 高斯平滑的过程就是图像与正态分布做卷积的过程, 对于图像来说高斯模糊就起到一个低通滤波器的作用.

高斯模糊是利用正态分布来计算出图像里每个像素点的变换. 空间为N维时的正态分布方程如下:

$G\left(r\right)=\frac{1}{\sqrt{2\pi {\sigma }^{2}}N}{e}^{-{r}^{2}/\left(2{\sigma }^{2}\right)}$

在二维空间定义为:

$G\left(u,v\right)=\frac{1}{2\pi {\sigma }^{2}}{e}^{-({u}^{2}+{v}^{2})/\left(2{\sigma }^{2}\right)}$

上述表达式中r是模糊的半径, u、v是图像的像素坐标, σ为正态分布的标准偏差. 通常σ的数值越大说明平滑度越好^[15].

4.2 直方图均衡化

直方图均衡化就是把图像的直方图平坦化, 其作用是减少由于光照变化引起的影响. 均衡化就是利用变换函数将输入图像的灰度图像经过非线性转换后, 使其直方图的分布变得更加均匀, 从而使图像中某些局部偏亮或偏暗的部分变得均匀化^[16]. 直方图均衡化能够提高图像对比度, 在光照较强和光照较暗的环境下可以有效的进行补偿, 该方法主要减弱图像微小的细节.

(1)首先给出原始图像灰度级S_k: k = 0, 1, ···, L–1.

(2)统计出图像中的各灰度级像素个数n_k.

(3)根据下面公式算出各个灰度级的频率:

$ P\left({S}_{k}\right)=\frac{{n}_{k}}{n} $

其中, n是像素的总个数, n_k是灰度级S_k像素个数.

(4)计算图像的累计直方图函数:

$ {t}_{E}=\sum _{i=0}^{k}{P}_{S}\left({S}_{i}\right) $

(5)对结果进行取整运算:

$ {U}_{k}=int\left[\left(N-1\right){t}_{k}+\frac{k}{N}\right] $

(6)得出原直方图灰度级到新直方图灰度级的映射:

$ {S}_{k}{\to U}_{k} $

(7)算出U_k中总的像素个数n_k.

(8)运算得出原始直方图对应的新直方图:

$ P\left({t}_{k}\right)=\frac{{n}_{k}}{n} $

4.3 灰度处理

RGB是彩色图片, 将RGB转为灰度图片可以大大降低检测的难度, 灰度变换是通过加权平均法的方式实现RGB到GRAY的格式转换, 公式为: Gray=0.587×green+0.114×blue+0.299×red.

5 测试和分析

经过测试, 传统算法进行人脸检测时, 不仅检测时间长而且视频会出现卡顿现象. 而利用改进之后的算法有效的缩减了人脸检测的时间, 满足视频对实时性的需求.

如图6所示, 每达到预设值就会进行一次人脸检测用来更新数据即ROI区域. 通过对大量的人脸检测运行时间(face detect run_time)和利用Camshift算法改进之后的人脸检测运行时间(Camshift run_time)进行对比分析, 可以得到, 用Camshift目标跟踪算法改进的人脸检测速度提升40%左右, 不会出现视频播放不流畅的情况, 且跟踪效果比较好.

此中的设定值不是固定不变的, 应根据实际工作场合进行调整, 设定值的大小会影响检测的准确性.

如图7所示, 为人脸区域H通道的直方图, 用于Camshift算法中直方图反射投影, 从而对人脸跟踪.

如图8、图9所示, 利用改进的算法之后, 图中的人脸矩形区域就是Camshift的ROI区域, 通过图8和图9对比可知, 基本消除了光照对检测的影响.

6 结论与展望

本文提出了一种新的人脸检测算法, 在传统人脸检测算法中融合Camshift目标跟踪, 该算法可以很好的弥补传统人脸检测算法中无法满足实时性需求的缺点, 并通过图像处理手段消除噪声和光照的影响, 最后通过测试证实该方法的可行性. 该算法有效的改善了检测速度和准确性, 适用一定的工作场合, 今后的工作会在此基础上完善算法使其更适合当今的图像处理问题.