第３９卷　Ｖ＿０１．３９　第８期　ＮＯ．８　计算机工程　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　２０１３年８月　Ａｕｇｕｓｔ　２０１３　

・人工智能及识别技术・　文章编号｛１００ｏ—＿３４２８（２０１３）ｏ８—０１９６—－０４　文献标识码ｌ　Ａ　中圈分类号；ＴＰ３９１．４１　

复杂背景中的人脸识别技术研究　

王金云　。周晖杰　。纪政　

（１．河北汉光重工有限责任公司，河北邯郸０５６０２８；２．宁波大学科学技术学院，浙江宁波３１５２１２；　３．上海交通大学计算机系，上海２００２４０）　

摘要：针对复杂背景下的人脸图像，提出一种快速人脸检测识别方法。包括基于肤色模型和ＯｐｅｎＣＶ的综合方法进行人脸检测　定位，并对图像重新保存、预处理，用以克服光照因素的干扰，剔除复杂背景对人脸识别不利因素的影响。采用二维主成分分析　

算法，对同一个人多幅不同表情的人脸图像进行采集和特征提取并归类。对ＯＲＬ人脸库及实际外场背景下的人脸图像进行测试，　结果表明，该方法可有效解决复杂背景下的人脸识别问题，具有快速、高效的实用性，正确识别率可达９０％以上。　关健词：复杂背景；ＯｐｅｎＣＶ方法；肤色模型；二维主成分分析；人脸识别技术　

Ｒｅｓｅａｒｃｈ　０ｎ　Ｆａｃｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　Ｃｏｍｐｌｅｘ　Ｂａｃｋｇｒｏｕｎｄ　

ＷＡＮＧ　Ｊｉｎ－ｙｕｎ　，ＺＨＯＵ　Ｈｕｉ－ｊｉｅ　，ＪＩ　Ｚｈｅｎｇ￣　

（１．Ｈｅｂｅｉ　Ｈａｎｇｕａｎｇ　Ｈｅａｖｙ　Ｉｎｄｕｓｔｒｙ　Ｃｏ．，Ｌｔｄ．，Ｈａｎｄａｎ　０５６０２８，Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎｉｎｇｂｏ　Ｕｎｉｖｅｒｓｉｔｙ，　

Ｎｉｎｇｂｏ　３１５２１２，Ｃｈｉｎａ；３．Ｄｅｐａｒｔｍｅｎｔ　ｏｆＣｏｍｐｕｔｅｒ，Ｓｈａｎｇｈａｉ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２００２４０，Ｃｈｉｎａ）　

［Ａｂｓｔｒａｃｔ］Ｔｈｉｓ　ｐａｐｅｒ　ｐｒｏｐｏｓｅｓ　ａ　ｆａｓｔ　ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｆａｃｅ　ｉｍａｇｅ　ｉｎ　ｔｈｅ　ｃｏｍｐｌｅｘ　ｂａｃｋｇｒｏｕｎｄ．Ｔｈｅ　ｐｒｏｃｅｓｓ　ｉｎｃｌｕｄｅｓ　ｃｏｍｐｌｅｘｉｏｎ　ｍｏｄｅｌ　ａｎｄ　ＯｐｅｎＣＶ　ｉｎｔｅｇｒａｔｅｄ　ｍｅｔｈｏｄ　ｔｏ　ｓｏｌｖｅ　ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｌｏｃａｔｉｏｎ，ｒｅ—ｓａｖｅ　ｉｍａｇｅ，ｐｒｅｔｒｅａｔｍｅｎｔ，ａｎｄ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｉｎｆｌｕｅｎｃｅ　ｗｉｌｌ　ｂｅ　ｃｏｎｑｕｅｒｅｄ　ｅｆｆｅｃｔｉｖｅｌｙ，ｅｌｉｍｉｎａｔｅｓ　ｔｈｅ　ｄｉｓａｄｖａｎｔａｇｅ　ｆａｃｔｏｒ　ｄｉｓｔｕｒｂａｎｃｅ　ｏｆ　ｃｏｍｐｌｅｘ　ｂａｃｋｇｒｏｕｎｄ．Ａｆｔｅｒｗａｒｄ，ｉｔ　

ａｄｏｐｔｓ　Ｔｗｏ—ｄｉｍｅｎｓｉｏｎａｌ　Ｐｒｉｎｃｉｐｌｅ　Ｃｏｍｐｏｎｅｎｔ　Ａｎａ１ｙｓｉｓ（２ＤＰｃＡ）ａｌｇｏｒｉｔｈｍｓ　ｔｏ　ｃｏｌｌｅｃｔ　ｆａｃｅ　ｉｍａｇｅ　ｏｆ　ｄｉｆｅｒｅｎｔ　ｅｘｐｒｅｓｓｉｏｎ　ｗｈｉｃｈ　ｃｏｍｅｓ　ｆｒｏｍ　ｔｈｅ　ｓａｍｅ　ｈｕｍａｎ　ａｎｄ　ｄｉｓｔｉｌｌ　ｃｈａｒａｃｔｅｒ，ａｎｄ　ｃｌａｓｓｉｆｉｅｓ　ｔｈｅ　ｓｉｍｉｌａｒ　ｆａｃｅ　ｉｍａｇｅ．Ｂｙ　ＯＲＬ　ｄａｔａｂａｓｅ　ａｎｄ　ｏｕｔｆｉｅｌｄ　ｆａｃｅ　ｉｍａｇｅ　ｔｅｓｔ，ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｉｓ　ｍｅｔｈｏｄ　ｒｅｓｏｌｖｅｓ　ｆａｃｅ　ｌｏｃａｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ　ｅｆｆｅｃｔｉｖｅｌｙ　ｉｎ　ｔｈｅ　ｃｏｍｐｌｅｘ　ｂａｃｋｇｒｏｕｎｄ　ａｎｄ　ｈａｓ　ｍｏｒｅ　ｆａｓｔ　ａｎｄ　ｅｆｆｅｃｔｉｖｅ　

ｐｒａｃｔｉｃａｂｉｌｉｔｙ　ｔｈａｎ　ｏｔｈｅｒ　ｍｅａｎｓ，ｏｖｅｒ　９０％ｃｏｒｒｅｃｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ｒａｔｅ．　

［Ｋｅｙ　ｗｏｒｄｓＩ　ｃｏｍｐｌｅｘ　ｂａｃｋｇｒｏｕｎｄ；ＯｐｅｎＣＶ　ｍｅｔｈｏｄ；ｃｏｍｐｌｅｘｉｏｎ　ｍｏｄｅｌ；Ｔｗｏ・ｄｉｍｅｎｓｉｏｎａｌ　Ｐｒｉｎｃｉｐｌｅ　Ｃｏｍｐｏｎｅｎｔ　Ａｎａ１ｙｓｊｓ（２ＤＰＣＡ１：ｆａｃｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—３４２８．２０１３．０８．０４２　

１概述　

随着图像处理和模式识别技术的发展，人脸识另０技术　

已经成为现代模式识别和人工智能领域的研究热点之一。　

它与指纹、视网膜、虹膜、基因等其他人体生物特征识别　

系统相比，具有友好、方便、易于被用户所接受等特点，　广泛应用于公安机关的刑侦破案、证件验证、入口控制、　

视频监视等领域。　

目前，国内对于复杂背景下的人脸识别技术已开展广　

泛的研究，并取得一定成果。如文献【１】在总结和分析了复　

杂背景下灰度人脸检测技术基础上，提出了基于肤色检测　和多级证实的彩色人脸检测算法。在基于多视图多姿态人　

脸识别方面，提出了基于层次模型和融合决策的多姿态人　

脸识别技术。在人脸检测技术方面，文献【２—３】分别提出了　基于肤色模型与矩阵特征的综合方法、基于肤色模型与模　

板匹配相结合的方法来检测人脸。在检测与识别复杂背景　下的人脸方面，文献［４］采用嵌入式Ｂｏｏｔｓｔｒａｐ—　动样本选择　

算法与基于聚类有效性分析及ＦｌｏａｔＢｏｏｓｔ多姿态人脸检测　

算法检测人脸，应用一种新的人脸序列图像的对齐方法和　

基于张量分解的线性子空问识别方法进行人脸识别。文　献【５］提出一种新的自适应肤色分割的算法定位人脸，采用　

局部ＳＶＤ方法提取人脸图像特征值，以ＰＣＡ算法加以识　

别。总之，目前对人脸定位算法中以肤色模型与其他检测　

算法相结合的方法较为常用，人脸识别常采用主成分分析　

或与其他算法综合应用的方法来提高识别率。　单一背景下人脸识别方法。。　主要有基于几何特征方　

法、基于模板匹配方法、特征子空问分析方法、基于神经　

网络等方法。其中，主成分分析（Ｐｒｉｎｃｉｐｌｅ　Ｃｏｍｐｏｎｅｎｔ　Ａｎａｌｙｓｉｓ，　

基金项目：国家自然科学基金资助项目（６１１７５０５４）　作者简介：王金云（１９７９一），男，高级工程师、硕士，主研方向：软件工程，图像识别；周晖杰，硕士；纪政，博士研究生　

收稿日期：２０１２—０２—２５　修回日期：２０１２—０５—１１　Ｅ－ｍａｉｌ：ｗａｎｇｊｉｎｙｕｎ５９８５９５＠１６３．

ｃｏｍ　第３９卷第８期　王金云，周晖杰，纪政：复杂背景中的人脸识别技术研究　１９７　

ＰＣＡ）、二维主成分分析（Ｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌ　Ｐｒｉｎｃｉｐｌｅ　Ｃｏｍｐｏｎｅｎｔ　

Ａｎａｌｙｓｉｓ，２ＤＰＣＡ）、线性鉴别分析（Ｌｉｎｅａｒ　Ｄｉｓｃｒｉｍｉｎａｎｔ　

Ａｎａｌｙｓｉｓ，ＬＤＡ）、独立成分分析（Ｉｎｄｅｐｅｎｄｅｎｔ　Ｃｏｍｐｏｎｅｎｔ　Ａｎａｌｙｓｉｓ，ＩＣＡ）和非负矩阵分解（Ｎｏｎ－ｎｅｇａｔｉｖｅ　Ｍａｔｒｉｘ　Ｆａｃｔｏｒｉ－　

ｚａｔｉｏｎ，ＮＭＦ），都是比较常用的特征子空间分析方法。但是　

对于带有复杂背景的人脸图像识别效果并不理想。其主要　

原因是受复杂背景干扰及光照、表情、姿态等因素的变化　造成了模型和识别数据间的失配，从而影响了识别效果。　

要实现复杂背景下人脸图像识别，首先要将人脸图像从复　

杂背景中检测出来，再对检测出来的人脸图像进行识别。　对于人脸图像的准确检测，文献［８－９】提出了基于肤色模型　

和眼睛定位的方法，通过ＹＩＱ色彩模型的肤色区域分割，　

进行人脸的粗定位，再根据眼睛的灰度及形状信息的眼睛　

定位实现人脸的准确检测。这种方法对人脸眼睛信息的依　

赖性较大，如被检测者戴眼镜时，效果会大大下降。本文　

参考文献［８．１１】中提到的方法，通过肤色模型和ＯｐｅｎＣＶ　方法的综合应用，将人脸图像从复杂背景中检测并分割出　

来，进行图像提取、重新组合、预处理，用以克服光照因　素的干扰。然后采用２ＤＰＣＡ［１２－１３］方法，建立标准特征人脸　

库，将待识别的人脸图像进行特征提取，通过与人脸库特　

征比较，以确定属于哪一类人脸。　

２人脸检测　

２．１基于肤色模型的人脸检测　人脸检测技术的研究起源于２０世纪９０年代，常用的　

人脸检测方法＿６　有基于形状的检测、基于特征的检测、基　

于肤色的检测等。基于形状的检测通过一些形状模型匹配　

人脸，基于特征的检测则通过脸部特征，如通过人脸的灰　

度分布特征统计方法找出人脸共性，从而检测出人脸。对　于复杂背景中的入脸图像检测，前２种方法比较复杂，运　

算速度耗时，鲁棒性差。而基于肤色的检测等方法简单、　

便于应用。从摄像头获取的图像中包含了许多非人脸信息，　

特别是复杂背景中包含了树木、花草、雕像、房屋建筑等　

图像信息，利用人脸肤色与周围环境颜色差异，将人脸从　

中区分出来。经实验统计，人脸的肤色模型在ＹｕＶ色彩空　间中具有很好的聚合性，利用此性质建立模型　。。　。　

采用肤色模型最大的优点是方法简单、速度快，但对　于颜色值差别不大的图像，区分就比较困难，如人脸和脖　

子的肤色基本上很难区分出来。文献［４］采用自适应肤色分　

割模型，通过对待测图像的直方图分析，可以实现颜色通　

道和分割阈值的自适应选择。受日照的影响，单纯的肤色　

模型检测人脸有时效果欠佳，而基于ＯｐｅｎＣＶ下的人脸检　测受光照影响很小，具有较强的鲁棒性。所以本文采用肤　

色模型与ＯｐｅｎＣＶ的综合应用，既保证了较高的人脸检测　

速度，又确保了较高的准确率。　

２．２基于ＯｐｅｎＣＶ下的人脸检测　ＯｐｅｎＣＶ［１￣］是美国Ｉｎｔｅｌ公司开发的图像处理和计算机　视觉的通用算法，具有开放式源代码、强大的图像处理和　

矩阵运算能力。它是基于Ｈａａｒ特征人脸分类器算法，通过　数千个样本训练，可区分人脸和非人脸的图像，利用样本　

图像的Ｈａａｒ特征，基于ＡｄａＢｏｏｓｔ分类算法，进行分类器　

计算。文献［１４］提出基于人脸特征和ＡｄａＢｏｏｓｔ算法的多姿　态人脸检测方法，也是通过肤色特征快速排除绝大部分背　

景区域，然后通过眼睛和嘴巴特征确定人脸大致区域，用　

ＡｄａＢｏｏｓｔ算法分类识别。本文采用肤色模型与ＯｐｅｎＣＶ　Ｌｌ　

综合方法，进行人脸检测。实验中采用海康威视的ＤＳ－　４００８ＨＦ高清采集卡，利用它提供的ＨｉｋＶｉｓｉｏｎＳＤＫ．ｈ库函　

数进行Ｖｃ抖下编程实现。ＳｔａｒｔＶｉｄｅｏＰｒｅｖｉｅｗ０为视频采集　

函数，ＧｅｔＯｒｉｇｉｎａｌｌｍａｇｅ（）为视频图像抓取函数。　

通过ＯｐｅｎＣＶ的函数功能可实现视频图像中的人脸检　

测，它的不足之处是检测速度较慢。经过对样本的归一化　

和灰度化处理、样本训练、分类等大量图像矩阵运算，计　

算耗时，不利于复杂背景图像中人脸识别系统设计与实现。　考虑到它检测人脸时受光照因素影响较小，具有较强鲁棒　

性，可与肤色模型的人脸检测算法综合使用。实践证明，　

这种方法比单一模型检测方法具有更高的正确检测率、较　

低的误识率和较强的鲁棒性。　

３基于２ＤＰＣＡ算法的人脸识别　

文献［６】提出了基于几何特征的人脸识别方法。它是在　

人脸先验知识的基础上利用灰度积投影确定人脸眼睛、鼻　子、嘴及下巴的相对位置和比例关系，建立人脸特征向量，　

通过特征相似度的计算识别人脸。此方法的最大优点是对　

光照和图像大小的影响不敏感，但对于强烈的人脸表情的　

变化鲁棒性较差。对于复杂背景中的人脸图像，并富有一　定表情、姿态的变化，如对其直接进行人脸识别，势必受　

图像中其他背景因素的干扰，识别率会大幅下降。　

本文将带有背景的人脸图像预先检测出来，重新保存　

成只有人脸图像的图片，并对其预处理（包括图像去噪、光　线补偿、归一化处理等），然后进行人脸识另０。本文参考文　

献［１２—１３］采用２ＤＰＣＡ的算法进行人脸识别，其算法具有较　

强的鲁棒性。２ＤＰＣＡ基本思想是对输入的图像矩阵进行规　

范化，求其协方差矩阵，进行特征值分解，选取其中较大　特征值对应的特征向量作为方向进行投影。投影后的量称　

为主元，主元包含了识别所需要的主要信息，２ＤＰＣＡ算法　

进行人脸识别时，首先对训练样本图像进行标准化处理，　

求协方差矩阵，即：　１　一一　一　一　】Ｍ　Ｇ＝÷＝＿∑（　ｆ—　）　（　，一　），　＝　∑Ｘｉ　』Ⅵ　＝１　』　ｌ＝ｌ　其中，Ｘ，是训练样本图像；Ｍ为训练样本数；　是所有经　

训练样本的平均图像，训练样本的主元计算为：　

Ｕ　ＧＵ：Ａ　其中，　表示特征值组成的对角阵，特征值表示　＞　

＞…＞　，即：