ISSN
1000-0054
清华大学学报(自然科学版)
1999
年第
39
卷第
7
期
10/3
1
37-
41
。、
I
11-2223/N
J
Tsinghua
Un
町
(Sci&Tech)
,
1999
,
Vo
1.
39
,
No.7
基于局部线性映射神经网络和亮度补偿的彩色人脸检测*
闻芳,
周杰,
张长水,
李衍达
清华大学自动化系,北京
100084
文 摘
人脸识别是一个具有广阔应用前景和极富挑战性
的研究课题。作为自动人脸识别系统的第一步,快速有效的
人脸检测至关重要。利用颜色信息进行人脸检测,具有直观、
简单、快速的特点,非常适用于作为自动人脸识别系统的人
脸粗定位环节。该文提出一种基于局部线性映射
(LLM)
神
经网络和亮度自适应补偿的人脸区域检测算法,根据待检测
图像上每点的颜色值判断它属于人体区域还是背景区域,从
而框出可能的人脸区域。实验表明,此算法对于实验室背景
下的人脸检测取得了较好的效果。一方面可以较好地区分人
脸区域和背景区域,甚至与人脸颜色比较相近的背景区域,
同时对实验室环境下各种光照条件的变化具有很好的鲁棒
性。
关键词
基于颜色的人脸检测,局部线性映射
(LLM)
神经
网络;亮度自适应补偿
分类号
T
P
391.
41
一个完整的人脸白动识别系统包括人脸检测定
位和人脸识别两个主要的技术环节。其中人脸检测
定位就是要在输入图像(或图像序列)中找到人险的
位置,并将人脸从背景中分割出来,这是在建立全自
动的身份验证系统(如计算机白动登录系统)中必不
可少的一环,近几年得到了较多的重视,并发展了一
系列人脸检测方法
[1
训。
颜色是区别物体的重要特征之一。对于同一种
族的人来说,其肤色具有较强的共性,并且明显有别
于大多数背景的颜色。利用这一点,可以快速地大致
框出人脸可能存在的区域。与其它检测方法相比,利
用颜色知识框出的人脸区域定位可能不够精确,但
如果在整个系统实现中作为人脸检测的相定位环
节,它具有直观、实现简单、快速等特点,可以为后面
收稿日期
1998-06-11
第一作者·女,
1975
年生,博士研究生
*基金项目
国家‘八六三'高技术项目(
863-306-03-01-
3)
和国家自然科学基金项目(
69775009)
进一步进行精确定位创造良好的条件,以达到最怕
的系统性能。
目前,在利用颜色信息的人脸检测方面己有
I
一些成果[门。从发表的文献看,主要是根据皮肤颜宦
在颜色空间中的分布用统计的方法进行分割算泣
的设计以判断某个像素点是否属于人脸区域。同时,
为了增强分割算法对光照条件改变的鲁棒性,通常
将像素点的颜色从
RGB
颜色空间变换到
LHS
空归
或其他类似的空间中只利用其中的色度和饱和店
的信息进行判断。在作者所研究的问题(计算机白司
登录系统)中,采用这种方法带来的弊端是
1
)在
实验室环境下,有些颜色跟人脸颜色是比较近似的,
如果忽略亮度信息,可能造成很多区域颜色与人后
颜色不可分。
2)
在实验室环境下,光照条件的改翌
也可能很大,同时这种改变带来的影响不仅仅反时
在亮度轴上,因此只利用色度和饱和度的信息进们
判断仍然要求光照条件改变不大。因此有必要寻非
更有效的检测方法。
基于颜色知识的人脸区域检测,是一个典型自
彩色图像分割问题。文[
7]
中提出了一种基于局部结
性映射
(LLM)
神经网络的彩色图像分割算法。此其
法可以在颜色空间的某些区域获得较高的分类灵每
度,同时,它也具有使用神经网络方法所共有的抵打
噪声的能力。作者将其用于人脸区域检测中,考虑主|
光照条件的改变对人脸颜色的影响,提出了一种主
于
LLM
神经网络和亮度补偿的人脸区域检测写
法。实验结果表明,这种人脸检测算法不仅可以较如
地区分人脸颜色和背景颜色(甚至与人脸颜色比宅
相近的背景颜色)
,而且对光照条件的变化具有很强
的鲁棒性。
1
LLM
神经网络
在分类算法的设计中本文选用了
LLM
神主
网络
[7]
LLM
网络的基本思想是将输入空间的向