人臉檢測(cè)的外文翻譯--基于pac的實(shí)時(shí)人臉檢測(cè)和跟蹤方法

1、<p><b>　　譯文一</b></p><p>　　基于PAC的實(shí)時(shí)人臉檢測(cè)和跟蹤方法</p><p><b>　　摘要：</b></p><p>　　這篇文章提出了復(fù)雜背景條件下，實(shí)現(xiàn)實(shí)時(shí)人臉檢測(cè)和跟蹤的一種方法。這種方法是以主要成分分析技術(shù)為基礎(chǔ)的。為了實(shí)現(xiàn)人臉的檢測(cè)，首先，我們要用一個(gè)膚色模型和一些動(dòng)作

2、信息(如：姿勢(shì)、手勢(shì)、眼色)。然后，使用PAC技術(shù)檢測(cè)這些被檢驗(yàn)的區(qū)域，從而判定人臉真正的位置。而人臉跟蹤基于歐幾里德（Euclidian）距離的，其中歐幾里德距離在位于以前被跟蹤的人臉和最近被檢測(cè)的人臉之間的特征空間中。用于人臉跟蹤的攝像控制器以這樣的方法工作：利用平衡/（pan/tilt）平臺(tái)，把被檢測(cè)的人臉區(qū)域控制在屏幕的中央。這個(gè)方法還可以擴(kuò)展到其他的系統(tǒng)中去，例如電信會(huì)議、入侵者檢查系統(tǒng)等等。</p><p

3、><b>　　1.引言</b></p><p>　　視頻信號(hào)處理有許多應(yīng)用，例如鑒于通訊可視化的電信會(huì)議，為殘疾人服務(wù)的唇讀系統(tǒng)。在上面提到的許多系統(tǒng)中，人臉的檢測(cè)喝跟蹤視必不可缺的組成部分。在本文中，涉及到一些實(shí)時(shí)的人臉區(qū)域跟蹤[1-3]。一般來(lái)說(shuō)，根據(jù)跟蹤角度的不同，可以把跟蹤方法分為兩類。有一部分人把人臉跟蹤分為基于識(shí)別的跟蹤喝基于動(dòng)作的跟蹤，而其他一部分人則把人臉跟蹤分為基于邊

4、緣的跟蹤和基于區(qū)域的跟蹤[4]。</p><p>　　基于識(shí)別的跟蹤是真正地以對(duì)象識(shí)別技術(shù)為基礎(chǔ)的，而跟蹤系統(tǒng)的性能是受到識(shí)別方法的效率的限制?；趧?dòng)作的跟蹤是依賴于動(dòng)作檢測(cè)技術(shù)，且該技術(shù)可以被分成視頻流（optical flow）的（檢測(cè)）方法和動(dòng)作—能量（motion－energy）的（檢測(cè)）方法。</p><p>　　基于邊緣的（跟蹤）方法用于跟蹤一幅圖像序列的邊緣，而這些邊緣通常是

5、主要對(duì)象的邊界線。然而，因?yàn)楸桓櫟膶?duì)象必須在色彩和光照條件下顯示出明顯的邊緣變化，所以這些方法會(huì)遭遇到彩色和光照的變化。此外，當(dāng)一幅圖像的背景有很明顯的邊緣時(shí)，（跟蹤方法）很難提供可靠的（跟蹤）結(jié)果。當(dāng)前很多的文獻(xiàn)都涉及到的這類方法時(shí)源于Kass et al.在蛇形匯率波動(dòng)[5]的成就。因?yàn)橐曨l情景是從包含了多種多樣噪音的實(shí)時(shí)攝像機(jī)中獲得的，因此許多系統(tǒng)很難得到可靠的人臉跟蹤結(jié)果。許多最新的人臉跟蹤的研究都遇到了最在背景噪音的問(wèn)題，且

6、研究都傾向于跟蹤未經(jīng)證實(shí)的人臉，例如臂和手。</p><p>　　在本文中，我們提出了一種基于PCA的實(shí)時(shí)人臉檢測(cè)和跟蹤方法，該方法是利用一個(gè)如圖1所示的活動(dòng)攝像機(jī)來(lái)檢測(cè)和識(shí)別人臉的。這種方法由兩大步驟構(gòu)</p><p>　　成：人臉檢測(cè)和人臉跟蹤。利用兩副連續(xù)的幀，首先檢驗(yàn)人臉的候選區(qū)域，并利用PCA技術(shù)來(lái)判定真正的人臉區(qū)域。然后，利用特征技術(shù)（eigen－technique）</

7、p><p><b>　　跟蹤被證實(shí)的人臉。</b></p><p><b>　　2.人臉檢測(cè)</b></p><p>　　在這一部分中，將介紹本文提及到的方法中的用于檢測(cè)人臉的技術(shù)。為了改進(jìn)人臉檢測(cè)的精確性，我們把諸如膚色模型[1,6]和PCA[7,8]這些已經(jīng)發(fā)表的技術(shù)結(jié)合起來(lái)。</p><p>&l

8、t;b>　　2.1膚色分類</b></p><p>　　檢測(cè)膚色像素提供了一種檢測(cè)和跟蹤人臉的可靠方法。因?yàn)橥ㄟ^(guò)許多視頻攝像機(jī)得到的一幅RGB圖像不僅包含色彩還包含亮度，所以這個(gè)色彩空間不是檢測(cè)膚色像素[1,6]的最佳色彩圖像。通過(guò)亮度區(qū)分一個(gè)彩色像素的三個(gè)成分，可以移動(dòng)亮度。人臉的色彩分布是在一個(gè)小的彩色的色彩空間中成群的，且可以通過(guò)一個(gè)2維的高斯分部來(lái)近似。因此，通過(guò)一個(gè)2維高斯模型可以近似

9、這個(gè)膚色模型，其中平均值和變化如下：</p><p>　　m=(,) 其中＝，＝ （1）</p><p>　?。?（2）</p><p>　　一旦建好了膚色模型，一個(gè)定位人臉的簡(jiǎn)單方法是匹配輸入圖像來(lái)尋找圖像中人臉的色彩群。原始圖像的每一個(gè)像素被轉(zhuǎn)變?yōu)椴噬纳士臻g，然后

10、與該膚色模型的分布比較。</p><p><b>　　2.2動(dòng)作檢測(cè)</b></p><p>　　雖然膚色在特征的應(yīng)用種非常廣泛，但是當(dāng)膚色同時(shí)出現(xiàn)在背景區(qū)域和人的皮膚區(qū)域時(shí)，膚色就不適合于人臉檢測(cè)了。利用動(dòng)作信息可以有效地去除這個(gè)缺點(diǎn)。為了精確，在膚色分類后，僅考慮包含動(dòng)作的膚色區(qū)域。結(jié)果，結(jié)合膚色模型的動(dòng)作信息導(dǎo)出了一幅包含情景（人臉區(qū)域）和背景（非人臉區(qū)域）的二

11、進(jìn)制圖像。這幅二進(jìn)制圖像定義為 ，其中It(x,y)</p><p>　　和It-1(x,y)分別是當(dāng)前幀和前面那幀中像素（x,y）的亮度。St是當(dāng)前幀中膚色像素的集合，（斯坦）t是利用適當(dāng)?shù)拈撓藜夹g(shù)計(jì)算出的閾限值[9]。作為一個(gè)加速處理的過(guò)程，我們利用形態(tài)學(xué)（上）的操作（morpholoical operations）和連接成分分析，簡(jiǎn)化了圖像Mt。</p><p>　　2.3利用PC

12、A檢驗(yàn)人臉</p><p>　　因?yàn)橛性S多移動(dòng)的對(duì)象，所以按序跟蹤人臉的主要部分是很困難的。此外，還需要檢驗(yàn)這個(gè)移動(dòng)的對(duì)象是人臉還是非人臉。我們使用特征空間中候選區(qū)域的分量向量來(lái)為人臉檢驗(yàn)問(wèn)題服務(wù)。為了減少該特征空間的維度，我們把N維的候選人臉圖像投影到較低維度的特征空間，我們稱之為特征空間或人臉空間[7,8]。在特征空間中，每個(gè)特征說(shuō)明了人臉圖像中不同的變化。</p><p>　　為了簡(jiǎn)

13、述這個(gè)特征空間，假設(shè)一個(gè)圖像集合I1，I2，I3，…，IM，其中每幅圖像是一個(gè)N維的列向量，并以此構(gòu)成人臉空間。這個(gè)訓(xùn)練（測(cè)試）集的平均值用A＝來(lái)定義。用i＝I I－A來(lái)計(jì)算每一維的零平均數(shù)，并以此構(gòu)成一個(gè)新的向量。為了計(jì)算M的直交向量，其中該向量是用來(lái)最佳地描述人臉圖像地分布，首先，使用C＝iir＝Y(jié)Yr （4）來(lái)計(jì)算協(xié)方差矩陣Y＝[ 1 2… M]。雖然矩陣C是N×N維的，但是定義一個(gè)N維的特征向量和N個(gè)特征值是個(gè)難處理的

14、問(wèn)題。因此，為了計(jì)算的可行性，與其為C找出特征向量，不如我們計(jì)算[YTY]中M個(gè)特征向量vk和特征值k，所以用u k＝來(lái)計(jì)算一個(gè)基本集合，其中k＝1，…，M。關(guān)于這M個(gè)特征向量，選定M個(gè)重要的特征向量當(dāng)作它們的相應(yīng)的最大特征值。對(duì)于M個(gè)訓(xùn)練（測(cè)試）人臉圖像，特征向量W i＝[w 1，w 2，…，w M’]用w k＝u kTi,k=1,…，M（6）來(lái)計(jì)算。</p><p>　　為了檢驗(yàn)候選的人臉區(qū)域是否是真正的人臉

15、圖像，也會(huì)利用公式（6）把這個(gè)候選人臉區(qū)域投影到訓(xùn)練（測(cè)試）特征空間中。投影區(qū)域的檢驗(yàn)是利用人臉類和非人臉類的檢測(cè)區(qū)域內(nèi)的最小距離，通過(guò)公式（7）來(lái)實(shí)現(xiàn)的。Min（||Wkcandidate－Wface||,||Wkcandidate－Wnonface||），（7）其中Wkcandidate是訓(xùn)練（測(cè)試）特征空間中對(duì)k個(gè)候選人臉區(qū)域，且Wface，Wnonface分別是訓(xùn)練(測(cè)試)特征空間中人臉類和非人臉類的中心坐標(biāo)，而||×

16、||表示特征空間中的歐幾里德距離（Euclidean）</p><p><b>　　3.人臉跟蹤</b></p><p>　　在最新的人臉檢測(cè)中，通過(guò)在特征空間中使用一個(gè)距離度量標(biāo)準(zhǔn)來(lái)定義圖像序列中下一幅圖像中被跟蹤的人臉。為了跟蹤人臉，位于被跟蹤人臉的特征向量和K個(gè)最近被檢測(cè)的人臉之間的歐幾里德距離是用obj＝argkmin||Wold－Wk||，k＝1，…，K，（

17、8）來(lái)計(jì)算的。</p><p>　　在定義了人臉區(qū)域后，位于被檢測(cè)人臉區(qū)域的中心和屏幕中心之間的距離用distt（face，screen）＝Facet（x，y）－Screen（height/2，width/2），（9）來(lái)計(jì)算，其中Facet（x，y）是時(shí)間t內(nèi)被檢測(cè)人臉區(qū)域的中心，Screen（height/2，width/2）是屏幕的中心區(qū)域。使用這個(gè)距離向量，就能控制攝像機(jī)中定位和平衡/傾斜的持續(xù)時(shí)間。攝像機(jī)

18、控制器是在這樣的方式下工作的：通過(guò)控制活動(dòng)攝像機(jī)的平和/傾斜平臺(tái)把被檢測(cè)的人臉區(qū)域保持在屏幕的中央。在表2自己品母國(guó)。參數(shù)表示的是活動(dòng)攝像機(jī)的控制。用偽代碼來(lái)表示平衡/傾斜處理的持續(xù)時(shí)間和攝像機(jī)的定位。</p><p>　　計(jì)算平和/傾斜持續(xù)時(shí)間和定位的偽代碼：</p><p>　　Procedure Duration（x，y）</p><p><b>

19、　　Begin</b></p><p>　　Sigd=None；</p><p>　　Distance=；</p><p>　　IF distance> then</p><p>　　Sigd=Close；</p><p>　　ELSEIF distance> then</p&g

20、t;<p><b>　　Sigd=fat；</b></p><p>　　Return（Sigd）；</p><p>　　End Duration；</p><p>　　Procedure Orientation（x，y）</p><p><b>　　Begin</b></p>

21、;<p>　　Sigo=None；</p><p>　　IF x> then</p><p>　　Add “RIGHT” to Sigo；</p><p>　　ELSEIF x<- then</p><p>　　Add “LEFT” to Sigo；</p><p>　　IF y>

22、then</p><p>　　Add “up”to Sigo；</p><p>　　ElSEIF x<- then</p><p>　　Add “DOWN” to Sigo；</p><p>　　Return（Sigo）；</p><p>　　End Orientation；</p><p&

23、gt;<b>　　4.結(jié)論</b></p><p>　　本文中提議了一種基于PAC的實(shí)時(shí)人臉檢測(cè)和跟蹤方法。被提議的這種方法是實(shí)時(shí)進(jìn)行的，且執(zhí)行的過(guò)程分為兩大部分：人臉識(shí)別和人臉跟蹤。在一個(gè)視頻輸入流中，首先，我們利用注入色彩、動(dòng)作信息和PCA這類提示來(lái)檢測(cè)人臉區(qū)域，然后，用這樣的方式跟蹤人臉：即通過(guò)一個(gè)安裝了平衡/請(qǐng)求平臺(tái)的活動(dòng)攝像機(jī)把被檢測(cè)的人臉區(qū)域保持在屏幕的中央。未來(lái)的工作是我們將進(jìn)

24、一步發(fā)展這種方法，通過(guò)從被檢測(cè)的人臉區(qū)域種萃取臉部特征來(lái)為臉部活動(dòng)系統(tǒng)服務(wù)。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] Z. Guo, H. Liu, Q. Wang, and J. Yang, “A Fast Algorithm of Face Detection for Driver Monitoring,” In Proceed

25、ings of the Sixth International Conference on Intelligent Systems Design and Applications, vol.2, pp.267 - 271, 2001.</p><p>　　[2] M. Yang, N. Ahuja, “Face Detection and Gesture Recognition for Human-Comput

26、er Interaction,” The International Series in Video Computing , vol.1, Springer, 2001.</p><p>　　[3] Y. Freund and R. E. Schapire, “A Decision-Theoretic Generaliztion of On-Line Learning and an Application to

27、 Boosting,” Journal of Computer and System Sciences, no. 55, pp. 119-139, 1997.</p><p>　　[4] J. I. Woodfill, G. Gordon, R. Buck, “Tyzx DeepSea High Speed Stereo Vision System,” In Proceedings of the Conferen

28、ce on Computer Vision and Pattern Recognition Workshop, pp.41-45, 2004.</p><p>　　[5] Xilinx Inc., “Virtex-4 Data Sheets: Virtex-4 Family Overview,” Sep. 2008. DOI= http://www.xilinx.com/</p><p>

29、　　[6] Y. Wei, X. Bing, and C. Chareonsak, “FPGA implementation of AdaBoost algorithm for detection of face biometrics,” In Proceedings of IEEE International Workshop Biomedical Circuits and Systems, page S1, 2004.</p&

30、gt;<p>　　[7] M. Yang, Y. Wu, J. Crenshaw, B. Augustine, and R. Mareachen, “Face detection for automatic exposure control in handheld camera,” In Proceedings of IEEE international Conference on Computer Vision Syst

31、em, pp.17, 206.</p><p>　　[8] V. Nair, P. Laprise, and J. Clark, “An FPGA-based people detection system,” EURASIP Journal of Applied Signal Processing, 2005(7), pp. 1047-1061, 2005</p><p>　　[9] C

32、. Gao and S. Lu, “Novel FPGA based Haar classifier face detection algorithm acceleration,” In Proceedings of International Conference on Field Programmable Logic and Applications, 2008.</p><p><b>　　外文原

33、文一</b></p><p>　　PCA-Base Real-Time Face Detection and Tracking</p><p>　　【Abstract】：</p><p>　　This article put forward complicated background term next; realize solid contempor

34、aries face examination with on the trail of a kind of method. These kinds of method regard main composition analysis technique as basal. Facial examination in person for realizing, first, we want to use a skin color mode

35、l to act the information with the some (such as: Posture, signal, expression of eyes).Then, the usage PAC technique examines these drive the district that examine, from but judge a real position. Bu</p><p>&

36、lt;b>　　1 preface</b></p><p>　　Seeing the signal of handles many applications, for example owing to the communication can see the telecommunication meeting that turn, for disable and sick person serv

37、ice of the lips reads the system. In up many systems that mention, the facial examination in person drink to follow to see to can't lack necessarily of constitute the part. In this text, involve the some solid of per

38、son a district follows the [1 － 3 ] .By any large, according to follow the angle different, can is divided in to fol</p><p>　　According to the on the trail of that identify is really with the object identifi

39、es technique is basal, but follow the function of the system is the restrict of the efficiency to suffer to identify the method. According to the on the trail of of the action is a method to depend on to examine the tech

40、nique in the action, and that technique can be been divided in to see flow( optical flow) with the method that act the — energy( motion － energy).</p><p>　　According to the method of the edge useds for the e

41、dge that follow a picture </p><p>　　preface row, but these edgeses is usually the boundary line of the main object.However, because were musted shine on with the light at the color by the on the trail of obj

42、ect the term descends to display the obvious edge changes, so these methodses will fall among the color with the variety that light shine on.In addition, be a background of picture contain very obvious edge,( follow the

43、method) dependable result in very difficult offering.Current this type of method that a lot of cultural herit</p><p>　　In this text, we put forward a kind of according to PCA solid contemporaries an examinat

44、ion with follow the method, that method is an activity to make use of a,such as figure,1 show resemble machine to examine with identify the person facial.This kind of method from two greatest steps composing:Person an e

45、xamination with person's face follow.Make use of two continuouses, examine a person's face candidate for election districts first, combine exploitation PCA technique to judge the real person a</p><p>

46、;　　2 Person an examination</p><p>　　In this first part, will introduce the method that this text mention inside of used for the technique that examine person's face.For improves an accurate for examining

47、, we announce such as the skin color model [ 1,6 ] with PCA [ 7,8 ] these already of the technique knot puts together.</p><p>　　2.1 skin color classification</p><p>　　The examination skin color

48、pixel provides a kind of examination with follow the facial and dependable method in person.Because pass many that sees the machine resemble a RGB picture not only include color but also gets bright degree in containment

49、, so this color space is not the best color to examine the skin color pixel [ 1,6 ] picture.Pass bright a three compositions for distinguishing analyse a color pixel, can move bright degree.A Gauss for of color distribut

50、ing is in a small chromatic color</p><p>　　m=(,) 其中＝，＝ （1）</p><p>　?。?（2）</p><p>　　Once set up to like the skin color model, a positi

51、ons facial and simple method in person is match the importation picture to look for facial color in middleman in picture cluster.Each a pixel of the primitive picture were changed into the chromatic color space, then dis

52、tributing with the skin color's model the comparison.</p><p>　　2.2 action examination</p><p>　　Although the skin color application in characteristic grows very extensive, when the skin color

53、 appear at the same time in the background district with the person's skin district, skin color is not suitable for in the person an examination.Making use of to act information can away with this weakness availably

54、.For the sake of the precision, after the skin color divides into section, consider the skin color district of the containment action only.Result, the action information of the combination </p><p>　　With the

55、 It-1( x, y) respectively is a bright degree for with front an inside pixel( x, y).The St is a current an inside skin color pixel to gather, the t is a worth [ in limit in to makes use of appropriate limit technique comp

56、ute 9 ] .The acceleration that be used as a process handles, we make use of the operation( morpholoical operations) that appearance learn( top) with link the composition analyzes, simplifying the picture Mt.</p>&

57、lt;p>　　2.3 make use of the PCA examine person's face</p><p>　　There is many ambulatory objects, so follow in sequence the facial and main part in person is very difficult.In addition, return the deman

58、d examine this ambulatory object is person's face or not person's face.We uses characteristic space inside the weight vector of the candidate for election district to behave face examination problem service.For r

59、educing that characteristic the spatial a candidate for, we N a picture casts shadow the characteristic space of the lower the degree of , we call it </p><p>　　Say this characteristic space for the sake of C

60、hien, suppose a picture gather the I1, I2, I3, … , IM, among them each picture is the row vector of a N , and with this composing person a space.The average value that this training( test) gather uses the A= define.Use t

61、he i= the I I － A computes the zero average number of each , and with this composing a new vector.For computing the M keep handing over vector, among them that vector is to uses to come to describe the person best a pict

62、ure ground di</p><p>　　For the sake of the person of the examination candidate for election whether a district is a real person or not a picture, also will make use of the formula(6) cast shadow the training

63、( test) characteristic space inside to this candidate a district.Examination that cast shadow the district is a minimum distance to makes use of a person's face with not person's face examination district inside,

64、 passing the formula(7) come to something to realizes.Min(|| Wkcandidate － Wface||,|| Wkcandidate － Wnon</p><p>　　3.Person's face follows</p><p>　　In latest person an examination, pass to us

65、e a distance generous character standard to define the picture preface row in characteristic space inside a picture inside drive on the trail of person's face.For following a person's face, locate to is followed

66、a person's face the characteristic vector is recent to is examined with the of K of person the of the an is several in the virtuous distance is to uses the obj= argkmin|| Wold － Wk||, k=1, … , K,(8) compute of.</p

67、><p>　　After defining the person a district, locate to is examined person the center of a district with distance that hold the act center uses the distt( face, screen)= Facet( x, y) － Screen( height/2, width/2)

68、,(9) compute, among them Facet( x, y)</p><p>　　The that time a t inside were examined the person the center of a district, the Screen( height/2, width/2) is a center to hold the act district.Use this distanc

69、e vector, can control the resemble to position in the machine with equilibrium/ tilt to one side of continuously time.The resembles the machine controller is what under such way work:Pass to control the activity resemble

70、 the machine even with/ tilt to one side the terrace examines drive of person a district keeps at hold the act central.I</p><p>　　The calculation is even with/ tilt to one side keep on time with the false co

71、de that position:</p><p>　　Procedure Duration（x，y）</p><p><b>　　Begin</b></p><p>　　Sigd=None；</p><p>　　Distance=；</p><p>　　IF distance> t

72、hen</p><p>　　Sigd=Close；</p><p>　　ELSEIF distance> then</p><p><b>　　Sigd=fat；</b></p><p>　　Return（Sigd）；</p><p>　　End Duration；</p>

73、<p>　　Procedure Orientation（x，y）</p><p><b>　　Begin</b></p><p>　　Sigo=None；</p><p>　　IF x> then</p><p>　　Add “RIGHT” to Sigo；</p><p>　

74、　ELSEIF x<- then</p><p>　　Add “LEFT” to Sigo；</p><p>　　IF y> then</p><p>　　Add “up”to Sigo；</p><p>　　ElSEIF x<- then</p><p>　　Add “DOWN” to Sigo

75、；</p><p>　　Return（Sigo）；</p><p>　　End Orientation；</p><p>　　4.Conclusion</p><p>　　It suggested in this text a kind of according to PAC solid contemporaries face examina

76、tion with follow method.Were been a solid hour to proceed by this kind of method that suggest of, and the executive process is divided into two big part:Person's face identifies to follow with person's face.In fi

77、rst saw input flow, first, we make use of the infusion color, action the information is this type of to hint to examine the person a district with the PCA, then, use such way follow person's face:Passed</p>&l

78、t;p>　　REFERENCES</p><p>　　[1] Z. Guo, H. Liu, Q. Wang, and J. Yang, “A Fast Algorithm of Face Detection for Driver Monitoring,” In Proceedings of the Sixth International Conference on Intelligent Systems

79、 Design and Applications, vol.2, pp.267 - 271, 2001.</p><p>　　[2] M. Yang, N. Ahuja, “Face Detection and Gesture Recognition for Human-Computer Interaction,” The International Series in Video Computing , vo

80、l.1, Springer, 2001.</p><p>　　[3] Y. Freund and R. E. Schapire, “A Decision-Theoretic Generaliztion of On-Line Learning and an Application to Boosting,” Journal of Computer and System Sciences, no. 55, pp.

81、119-139, 1997.</p><p>　　[4] J. I. Woodfill, G. Gordon, R. Buck, “Tyzx DeepSea High Speed Stereo Vision System,” In Proceedings of the Conference on Computer Vision and Pattern Recognition Workshop, pp.41-45,

82、 2004.</p><p>　　[5] Xilinx Inc., “Virtex-4 Data Sheets: Virtex-4 Family Overview,” Sep. 2008. DOI= http://www.xilinx.com/</p><p>　　[6] Y. Wei, X. Bing, and C. Chareonsak, “FPGA implementation of

83、 AdaBoost algorithm for detection of face biometrics,” In Proceedings of IEEE International Workshop Biomedical Circuits and Systems, page S1, 2004.</p><p>　　[7] M. Yang, Y. Wu, J. Crenshaw, B. Augustine, an

84、d R. Mareachen, “Face detection for automatic exposure control in handheld camera,” In Proceedings of IEEE international Conference on Computer Vision System, pp.17, 206.</p><p>　　[8] V. Nair, P. Laprise, an

85、d J. Clark, “An FPGA-based people detection system,” EURASIP Journal of Applied Signal Processing, 2005(7), pp. 1047-1061, 2005</p><p>　　[9] C. Gao and S. Lu, “Novel FPGA based Haar classifier face detection

86、 algorithm acceleration,” In Proceedings of International Conference on Field Programmable Logic and Applications, 2008.</p><p><b>　　譯文二</b></p><p>　　基于半邊臉的人臉檢測(cè)</p><p>　

87、　概要：圖像中的人臉檢測(cè)是人臉識(shí)別研究中一項(xiàng)非常重要的研究分支。為了更有效地檢測(cè)圖像中的人臉，此次研究設(shè)計(jì)提出了基于半邊臉的人臉檢測(cè)方法。根據(jù)圖像中人半邊臉的容貌或者器官的密度特征，比如眼睛，耳朵，嘴巴，部分臉頰，正面的平均全臉模板就可以被構(gòu)建出來(lái)。被模擬出來(lái)的半張臉是基于人臉的對(duì)稱性的特點(diǎn)而構(gòu)建的。圖像中人臉檢測(cè)的實(shí)驗(yàn)運(yùn)用了模板匹配法和相似性從而確定人臉在圖像中的位置。此原理分析顯示了平均全臉模型法能夠有效地減少模板的局部密度的不確定

88、性?；诎脒吥樀娜四槞z測(cè)能降低人臉模型密度的過(guò)度對(duì)稱性，從而提高人臉檢測(cè)的速度。實(shí)驗(yàn)結(jié)果表明此方法還適用于在大角度拍下的側(cè)臉圖像，這大大增加了側(cè)臉檢測(cè)的準(zhǔn)確性。</p><p>　　關(guān)鍵詞：人臉模板， 半邊人臉模板，模板匹配法，相似性，側(cè)臉。</p><p><b>　　介紹</b></p><p>　　近幾年，在圖像處理和識(shí)別以及計(jì)算機(jī)視覺的

89、研究領(lǐng)域中，人臉識(shí)別是一個(gè)很熱門的話題。作為人臉識(shí)別中一個(gè)重要的環(huán)節(jié)，人臉檢測(cè)也擁有一個(gè)延伸的研究領(lǐng)域。人臉檢測(cè)的主要目的是為了確定圖像中的信息，比如，圖像總是否存在人臉，它的位置，旋轉(zhuǎn)角度以及人臉的姿勢(shì)。根據(jù)人臉的不同特征，人臉檢測(cè)的方法也有所變化[1-4]。而且，根據(jù)人臉器官的密度或顏色的固定布局，我們可以判定是否存在人臉。因此，這種基于膚色模型和模板匹配的方法對(duì)于人臉檢測(cè)具有重要的研究意義[5-7]。</p><

90、;p>　　這種基于模板匹配的人臉檢測(cè)法是選擇正面臉部的特征作為匹配的模板，導(dǎo)致人臉?biāo)阉鞯挠?jì)算量相對(duì)較大。然而，絕大多數(shù)的人臉都是對(duì)稱的。所以我們可以選擇半邊正面人臉模板，也就是說(shuō)，選擇左半邊臉或者有半邊臉作為人臉匹配的模板，這樣，大大減少了人臉?biāo)阉鞯挠?jì)算。</p><p><b>　　人臉模板構(gòu)建的方法</b></p><p>　　人臉模板的質(zhì)量直接影響匹配識(shí)別

91、的效果。為了減少模板局部密度的不確定性，構(gòu)建人臉模板是基于大眾臉的信息，例如，平均的眼睛模板，平均的臉型模板。這種方法很簡(jiǎn)單。</p><p>　　在模板的仿射變換的實(shí)例中，人臉檢測(cè)的有效性可以被確保。構(gòu)建人臉模板的過(guò)程如下[8]：</p><p>　　步驟一：選擇正面人臉圖像；</p><p>　　步驟二：決定人臉區(qū)域的大小和選擇人臉區(qū)域；</p>

92、<p>　　步驟三：將選出來(lái)的人臉區(qū)域格式化成同一種尺寸大?。?lt;/p><p>　　步驟四：計(jì)算人臉區(qū)域相對(duì)應(yīng)像素的平均值 。</p><p>　　在構(gòu)建模板之前，挑選些有正面人臉的圖片。首先，決定人臉區(qū)域的尺寸大小。然后，在圖像中手動(dòng)挑選人臉區(qū)域。我們?cè)O(shè)選定的人臉區(qū)域的數(shù)量為n。因?yàn)槿四槄^(qū)域的矩陣向量都是被獨(dú)立分布的，所以在那些人臉圖像相同位置的像素值也是獨(dú)立分布的。</

93、p><p>　　我們?cè)O(shè)在人臉區(qū)域第k(k=1,2,?,n)位置的像素值是fk(i,j) (k=1,2,…,n)，那些人臉圖像的是標(biāo)準(zhǔn)比例系數(shù)wk (k=1,2,…,n)，由此得出正面人臉模板的表達(dá)式：</p><p>　　根據(jù)統(tǒng)計(jì)學(xué)，如果在人臉區(qū)域第k個(gè)位置，有些像素值fk(i,j)趨于正態(tài)分布, 其中u是像素fk(i,j) 的平均值，是方差，T(i,j)是正態(tài)分布。所以模板局部密度的不確定性

94、大大降低了。</p><p>　　如果抽樣的人臉圖像都是在同一間距下拍攝的，相對(duì)應(yīng)的人臉尺寸是一致的，標(biāo)準(zhǔn)的比例像素wk 就等于1. 那么，大眾人臉模板T(i,j)也就變成了</p><p>　　正面的平均全臉模板的構(gòu)建</p><p>　　在人臉與相機(jī)間距相同，鳥瞰圖的拍攝角度是15°的情況下，120張人臉圖像被取樣，包含正面的，左側(cè)傾斜30°

95、和左側(cè)傾斜45°。每種角度的圖像都是40張。其中20張中的人戴帽子，2張沒有戴帽子。被抽樣的圖像如圖1所示。</p><p>　　正面 左側(cè)傾斜30° 左側(cè)傾斜45°</p><p>　　圖1 ：各個(gè)角度的人臉圖像</p><p>　　在圖像中，正面人臉包括特征器管像眼睛，耳朵，鼻子，部分臉頰等等，如圖2（a）所示。這

96、些圖像的分布特征可以作為檢測(cè)人臉存在的根據(jù)。所以人的眼睛，耳朵，鼻子，嘴巴和部分臉頰都被選作可以構(gòu)建整張正面人臉模板的主要區(qū)域，如圖2（b）所示。這種方法可以排除異常區(qū)域和非人類特有物的影響，比如帽子，胡須等。</p><p>　　圖2：人臉特有器官的模型</p><p>　　手動(dòng)取樣16張人臉圖像。每張圖像都是22 × 26像素。做為一個(gè)比較性的實(shí)驗(yàn)，模板不僅要匹配正面圖像，還

97、要匹配側(cè)面圖像。所以模板不能太寬。構(gòu)建整張正面人臉模板如圖3所示。通過(guò)16張正面人臉模板，正面的平均全臉模板就可以被構(gòu)建出來(lái)。</p><p>　　圖3：正面全臉的平均模板的構(gòu)建</p><p>　　IV.平均的半臉模板的構(gòu)建</p><p>　　正面的平均全臉模板可以被看做大徑相同的左臉模板和有臉模板的結(jié)合體。所以正面的全臉模板可以被中心對(duì)稱軸分成左臉模板和右臉模

98、板。所以，半邊臉模板的構(gòu)建如圖4所示。此外，平均半臉模板可以根據(jù)平均全臉模板的原理來(lái)構(gòu)建。</p><p>　　這樣可以減低在全臉模板中密集度的對(duì)稱冗余的問(wèn)題。方法如圖5所示。</p><p>　　圖4：構(gòu)建半臉模板的模型</p><p>　　圖5：半臉平均模板的構(gòu)建</p><p>　　在一張完美的人臉模板中，左臉和右臉的密集度是對(duì)稱的，也

99、就是說(shuō)，兩半邊臉是相似的一對(duì)。事實(shí)上，在一張人臉圖像中左臉和右臉存在一些差異，兩半邊臉的器官密集度的分布也不是完全對(duì)稱的，所以相似性就降低了。就拿左半邊臉為例，當(dāng)利用平均的半臉模板搜索人臉圖像時(shí)，左半邊臉會(huì)先被識(shí)別出來(lái)，如圖6(a)所示。圖中實(shí)線框內(nèi)是被檢測(cè)出的左臉，接著根據(jù)左臉模板來(lái)檢測(cè)右半邊臉的位置。被檢測(cè)到的可能是右半邊臉的位置如圖6(b)所示，這些位置由虛線框標(biāo)記出來(lái)。</p><p>　　圖6：被檢測(cè)出

100、來(lái)的可能是半邊臉的位置</p><p><b>　　判別函數(shù)</b></p><p>　　在實(shí)驗(yàn)中，圖像中半邊臉被檢測(cè)出來(lái)是運(yùn)用了模板匹配的方法。此方法的基本原理解釋如下。被選擇的平均半臉模板在被檢測(cè)的圖像上到處搜索。接著，計(jì)算模板與被檢測(cè)到的半邊臉的相似度。如果在某些位置，相似度方程的值大于閾值，那么我們就認(rèn)為這班別臉的圖像相似于平均半臉模板。</p>

101、<p>　　相似度是指圖像上局部區(qū)域的統(tǒng)計(jì)值。一些不同的子塊影像的圖像相似度值也許與其他的一樣，盡管如此，它們還是屬于不同的字塊圖像。在實(shí)驗(yàn)中，與半臉模板匹配的子塊圖像所在位置的相似度值應(yīng)該被保留，而那些未匹配的值應(yīng)該被剔除。此方法具體可以描述如下：</p><p>　　假設(shè)半臉模板T的長(zhǎng)度是I，寬是J，如圖四所示。那么全臉模板的長(zhǎng)度就是2I，寬是J。假設(shè)被檢測(cè)的圖像的長(zhǎng)度是L，寬是W，當(dāng)模板為放在(

102、m,n)時(shí)，子塊圖像在圖像中相對(duì)應(yīng)的位置為。于是模板與子塊圖像S(m,n)的相似度的公式(3) [9]可以表達(dá)為</p><p>　　上述公式中，判定圖像中是否存在半邊臉的規(guī)則是，給定一個(gè)閾值th，如果S(m,n) th,那么此半邊臉相似于子塊圖像；如果S(m,n)=0，那么此半邊臉完全與子塊圖像一致。</p><p>　　把公式（3）展開后，得到</p><p>

103、;　　其中，是子塊的能，被位于圖像(i, j)位置的半臉模板所覆蓋。在到處搜索圖像的時(shí)候，它的值變化很慢。表示模板T與子塊圖像的相關(guān)系數(shù)。當(dāng)模板T與子塊圖像完全匹配時(shí)，相關(guān)系數(shù)達(dá)到最大值。是半臉模板T的能，當(dāng)半臉模板被構(gòu)建完后，它的值就被確定了。它與子塊的位置沒有任何關(guān)系。所以，模板T與子塊圖像的關(guān)聯(lián)系數(shù)和子塊的能值的比率就是相似度值，如下：</p><p>　　簡(jiǎn)化式子（5），得到式子（6）</p>

104、<p>　　其中，s(m,n) 是相似度，。</p><p>　　判定半邊臉存在的規(guī)則如下：給定閾值th，如果s(m,n) th,那么總結(jié)為此半臉模板T相似于子塊圖像；如果s(m,n)=1，那么半臉入班T完全與子塊圖像匹配。</p><p>　　假設(shè)O(T)代表基于半邊臉模板檢測(cè)人臉的時(shí)間花費(fèi)，O(F) 代表基于全臉模板檢測(cè)人臉的時(shí)間花費(fèi)。計(jì)算方法如下：</p>