1 引 言

人臉的自動定位是應用視覺研究領域的一個重要課題。它首先需要檢測到人臉的位置和特征點，然后采用一定的控制策略控制攝像機運動將人臉定位到圖像的中心。人臉自動定位屬于人臉跟蹤的范疇，在人臉識別、人機交互、智能視頻通信、監視和安全以及娛樂等領域有著廣泛的應用，發展前景巨大。例如在人臉識別應用中，首先需要獲得符合一定大小的正面清晰人臉；又如在安全監控應用中，需要對人的各項特征進行有針對性的監視，對于監控對象的身高、衣著等特征，可以在較模糊圖像中獲得，但是對人臉部分的特征，卻必須要清晰的圖像才能獲得，因此需要對人臉做針對性的監控。

人臉定位到圖像中心比之人臉跟蹤，主要有以下幾個區別：

(1)人臉跟蹤不需要定位人臉到圖像的中心，只需將人臉限定在圖像區域內即可，而人臉定位要求人臉必須在圖像的中心；

(2)人臉跟蹤實時性要求很高，人臉運動速度較快，而人臉定位只是針對靜止目標或目標只做小范圍的動作。

目前人臉自動定位圖像中心系統尚不多見，參照人臉跟蹤系統，可知相關算法主要有兩類：基于目標跟蹤的方法、人臉檢測和目標跟蹤算法相結合的方法。基于目標跟蹤的方法完全依賴于好的運動目標跟蹤算法，從運動目標中找出人臉，沒有充分利用人臉的特征，因此在人臉跟蹤中很少單獨使用。人臉檢測和跟蹤算法相結合的方法是在基于目標跟蹤的方法上，利用人臉的相關信息(例如膚色、器官分布等)達到快速跟蹤的目的。在一些典型的約束環境下(如背景簡單靜止的視頻、工作臺前的人臉或頭肩部人臉視頻等)可以取得很好的人臉跟蹤效果。需要說明的是，這些方法一般建立在人臉初始位置大致已知的基礎上，需要使用其他方法解決起始幀中人臉的檢測問題，這就增加了系統實現的難度。

目標跟蹤的實現算法主要有3類：幀間變化檢測法、運動矢量法和偏移量法。其中幀間變化檢測法主要適用于靜止背景下的運動目標檢測，利用相關幀間的信息恢復背景并進行運動目標的提取。運動矢量法主要用于運動背景下的運動目標的檢測，一般配合卡爾曼濾波器使用。首先建立運動模型，然后根據運動模型得出目標點在圖像平面上的位置、速度和加速度的相關信息，再利用卡爾曼濾波器根據這些信息預測下一幀圖像中目標點的位置、速度和加速度等相關信息，最后將這些預測信息反饋給控制設備驅動攝像機運動，從而將運動目標定位在圖像中心。以上2種方法主要針對運動目標的跟蹤，都需要利用幀間信息，計算量偏大。而偏移量法則是首先通過圖像預處理方法檢測目標位置距圖像中心的偏差(△x，△y)，然后計算攝像機的水平調整量α和垂直調整量β，根據調整量控制攝像機運動，從而將目標定位在圖像中心。偏移量法的優點是算法非常簡單，缺點是精度低，可拓展性差，不利于今后進一步的研究。另外，以上幾種方法在控制攝像機運動定位目標時均需要利用攝像機成像的參數，而這些參數需要標定。標定內容包括攝像機焦距、計算機圖像中心坐標、像平面單位距離上的像素數等。由于攝像機存在著許多畸變，所以標定的精度直接影響算法的精度。

目前的標定方法雖然多種多樣，但是大部分方法都是利用成像幾何性質，首先建立一定的模型形式，然后將需要標定的各個參數分解，分別進行計算。由于攝像機鏡頭存在著多種非線性失真，所以要得到較高的標定精度，計算方法復雜而且計算量大。

鑒于此，本文提出一種基于膚色的人臉檢測和基于人工神經網絡的控制方法相結合的人臉自動定位的方法。首先，采用基于KL膚色的人臉初定位、積分投影法和小灰度值聚類法確定眼球中心的人臉檢測和特征點獲取的方法檢測人臉的位置。該方法逐步縮小圖像處理的區域，檢測速度快，能夠滿足實時性的要求。然后提出一種新的基于人工神經網絡反向傳播算法的目標定位圖像中心的控制方法，用來控制攝像機快速定位人臉到圖像中心區域。該方法克服傳統跟蹤算法中需要利用幀間相關信息和需要標定攝像機的缺點，只需通過目標檢測程序給出目標特征點在計算機圖像中的坐標，就可直接得出攝像機水平調整量和垂直調整量，根據調整量控制攝像機運動即可將目標自動定位在圖像中心。最后通過VC++編程實現該系統。該系統主要針對簡單背景下單個靜止正面人臉的定位，但是對于其他較為復雜的情況，也有很好的拓展性。

2 人臉檢測及特征點獲取

2.1 基于KL膚色的人臉初定位

本文采用膚色信息進行人臉的初定位。人臉具有比較穩定的特征，在灰度圖中表現為眉毛、眼睛、鼻子和嘴相對臉部其他區域而言灰度要深一些；在彩色圖像中，從顏色上觀察，發現消除了亮度的影響后，眼睛和眼睛周圍的顏色分布具有很分明的特點，除了眼睛顏色偏黑外，眼睛周圍大部分均為膚色，而且臉頰部分在一般情況下都可成功地將膚色檢測出來。在人臉檢測算法中加入對膚色信息的運用，目的是希望通過利用膚色信息判斷圖像中的各點像素是否屬于膚色，從而排除非膚色區域，即不可能存在人臉的區域，以達到減小搜索空間、提高人臉檢測算法的時間效率、降低誤報率的作用。由此可見，選擇恰當的聚類空間和膚色區間閾值以確定最終的膚色模型是非常重要的，它將影響到人臉檢測的正確率和實用性。

經過大量實驗的驗證，最終選取KL膚色坐標系建立膚色模型。它的特點是通過采用降維的特征臉空間描述人臉，使得每個人臉都是特征臉的線性組合，因而能用一組系數簡單而完備地表示。這樣，可以將人臉識別和特征檢測過程轉換到代數空間進行，這種變換對于膚色有更好的聚類特性。這里借鑒了文獻[9]中的KL膚色坐標系。通過KL變換，得到其變換矩陣為：

通過對4000個膚色樣本進行分析，得出KL膚色過濾器的閾值為：

對任一待處理彩色圖像，先用式(1)對其進行色彩轉換，然后按式(2)的閾值進行判斷：在該范圍內則置1，否則置0，即可得到過濾膚色后的二值圖像。在此二值圖像上可實現人臉的初定位。

2.2 積分投影法確定眼睛區域

在初步獲得人臉區域后，接下來的工作就是人臉重心的獲取。由于眼睛在人臉中的重要性，所以把眼睛作為人臉的特征點，兩眼間的中點作為人臉的重心點。具體方法是先采用積分投影的方法確定眼睛區域，再采用小灰度值聚類法計算眼球中心。然后根據人臉的幾何特征即可確定人臉重心，為下一步的自動定位做好充分的準備。

眼睛具有明顯的特征。相對于鼻子、嘴和眉毛而言，眼睛特征較為穩定且成對出現，與周圍區域具有較強的灰度對比度。在通常情況下，通過邊緣檢測都可以將眼睛提取出來。選用Robinson算子和Laplacian of Gaussian算子對圖像進行邊緣提取，然后在水平、垂直兩個方向上對經過邊緣提取的灰度圖像利用積分投影法產生投影曲線。積分投影法的基本原理如下：設原圖像I(n，m)大小為N×M矩陣，其中n，m分別為圖像的列、行坐標，則水平方向和垂直方向上的積分投影曲線J(n)，I(m)分別定義如式(3)和式(4)所示。垂直投影曲線在眉毛、眼睛、鼻子、嘴巴、下顎等位置上形成駝峰，駝峰的大小和峰值點位置反映了各個特征部件的大小和形狀信息。根據J(n)，I(m)的極值點信息及眼睛在人臉中的幾何特性，即可檢測出眼睛區域。如圖1所示。圖1中Ⅰ和Ⅱ區域是水平方向投影的結果，在其上方做豎直方向投影得A和B區域，即為眼睛區域。

2.3 小灰度值聚類法獲取人臉重心

確定了眼睛區域A和B后，在這2個矩形區域內采用小灰度值聚類法確定眼球中心。聚類的過程是將圖像中灰度值最小(即顏色最深)的n個像素按列遞增順序排序，若相鄰的列數差值都未超過預先設定的門限T1，說明只有一個聚類中心，求出這些像素行列的平均值就是要找的眼球中心點；若超過了門限T1，說明這n個像素可以聚成2類，對左眼，因為陰影集中在左邊，所以取右邊那類的平均值；對右眼則取左邊那類的平均值。n的選擇可根據圖像的總像素數目及眼球占圖像的大致百分比決定。檢測結果如圖2所示。確定了眼睛的位置后，根據人臉的幾何模型，重心的位置即可確定。考慮到自動定位要求將人臉定位到顯示屏幕的中心，而對人臉主要感興趣的特征就是眼睛，所以規定2眼之間的中點即為人臉的重心。

3 基于人工神經網絡的目標定位圖像中心方法

檢測到人臉并且獲取人臉重心后，下一步就要定位人臉到圖像的中心了。本文提出一種新的基于人工神經網絡的目標定位圖像中心方法。利用人工神經網絡反向傳播算法對非線性函數超強的擬合能力，只需通過目標檢測程序給出目標在計算機圖像中的坐標點，就可直接得出攝像機水平調整量α和垂直調整量β，根據調整量控制攝像機運動即可將目標定位在圖像中心。此外，該方法只需對圖像中心坐標進行簡單的預標定，基本上擺脫了攝像機標定這一繁瑣的步驟。作為目標定位的一個特例，將人臉檢測程序中計算出的人臉重心點替換目標點，即可完成人臉的自動定位圖像中心。下面詳細介紹這種方法。

首先確定攝像機模型。攝像機模型就是對景物成像到圖像平面的物理過程的一個數學描述，依據該模型，可以確切地掌握圖像所成的幾何關系。本文采用Pin-hole模型(如圖3所示)，也就是透視投影模型。Pin-hole模型是在計算機視覺中廣泛采用的一類模型，其物理上相當于薄透鏡成像，該模型最大的特點是成像關系是線性的。而且，由于攝像機的焦距相對于物距很小，所以無論是在仿真實驗還是在實際實驗中，都可以不考慮物距對精度的影響。在圖3中，C為攝像機光學中心，CO′為攝像機光軸，CO′的距離為攝像機的焦距f，O′u′v′為像平面坐標，P是目標在像平面上的投影。仿真實驗需要對對攝像機模型進行簡單的預標定(實際定位算法中不需要)：設f=10 mm；計算機圖像平面為768×576，中心坐標(Cx，Cy)為(384，288)，單位pixel；像平面單位距離上對應的像素數Sx=Sy=100，單位pixel／mm。

然后，根據攝像機模型，依據神經網絡的理論，建立網絡結構。Hornik等利用泛函分析理論，證明在很寬的條件下，具有至少一層S型神經元隱含層的前向反饋網絡神經網絡，用標準BP算法經過足夠的訓練，能以任意精度逼近任意函數及其各階導數。Elsken證明使用單隱含層網絡為好，增加隱含層數目可導致網絡性能的下降，所以通常用單隱含層的網絡。經實驗驗證，采用單隱含層網絡優于2個隱含層的網絡，隱含層節點采用10個為好，隱含層使用Log-Sigmoid函數，輸出層使用線性函數，網絡的輸入為目標在計算機平面圖像中的坐標點(u，v)，輸出為攝像機水平調整量α和垂直調整量β。

因為Log-Sigmoid函數的靈敏區有限，因此有必要對樣本數據進行歸一化處理。本文采用式(5)所示的歸一化方法：

根據計算機圖像坐標(u，v)和像平面坐標(u′，v′)的關系，即式(5)，可得像平面坐標(u′，v′)。

再根據三角形關系，即可得攝像機水平調整量α和垂直調整量β。計算可知α∈[-0.3666，0.3666]，β∈[-0.2804，0.2804]，單位弧度。

由于標準BP算法收斂速度較慢、容易陷入局部極小點，所以采用BP改進算法。通過對幾種改進算法的比較試驗，最終采用基于啟發式信息的動量方法(MOBP)。

在計算機平面上每隔10個像素取1點作為訓練樣本，水平方向78組，垂直方向59組，共得到4 602組訓練樣本。對這些樣本反復實驗，得出在2-10-2型網絡下，訓練2 000次后的測試結果如圖4所示。其中，測試樣本共192組，水平方向16組，垂直方向12組。取與訓練樣本不同的點，x，y坐標分別表示計算機水平方向和垂直方向的像素點，z坐標表示誤差，。

由圖4可以看出，由水平調整量α和垂直調整量β可以精確的控制攝像機將目標定位到計算機圖像中心，誤差一般小于2個像素(即RMS小于1.77×10-3)，只是在u=[0.768]，v=[0，50]，也就是計算機上方50個像素的水平帶上誤差稍大一些，在5個像素(即RMS≤4.47×10-3)左右。可在這些區域多取一些樣本減小誤差。

4 系統實現

系統采用PC機和圖像采集卡構成的圖像采集系統，在實驗室普通白幟燈照明的條件下，采用微視科技MVP-CI-V3C圖像采集卡附帶的軟件開發包，進行人臉自動定位圖像中心系統的二次開發。

系統的軟件環境是在Microsoft Windows 2000下采用面向對象的語言Microsoft Visual C++6.0編程。硬件環境采用Panasonic WV-CP210／G CCTV CAMERA(固定于三腳架上)，鏡頭焦距8 mm；北京微視科技MVPCI-V3C采集卡，采集圖像為768×576 pixel；利凌PIH-302云臺；PC機通過北京微視科技AV2002云臺解碼器驅動攝像機云臺轉動。

目標開始定位在計算機圖像中心(384，288)，然后控制攝像機云臺轉動，記錄下轉動的角度α，β和此時目標在計算機圖像中的坐標(u，v)，即獲得一組訓練樣本。根據實際需要選擇物距的大小(即目標距鏡頭的距離)，這里在1，1.2(單位m)遠時分別取1 500組訓練樣本(在計算機上方50個像素的水平帶上多取一些訓練樣本)，通過對3 000組訓練樣本的反復實驗，誤差一般在10個像素(即RMS小于8.98×10-3)以內，不超過20個像素(即RMS小于18×10-3)，而且網絡有較好的泛化能力，對訓練樣本中沒有的1.1 m遠處的測試也能達到較滿意的結果(誤差不超過20個像素)。實驗表明，如果樣本足夠多，訓練次數足夠大，RMS還可以足夠小，攝像機可以更加精確的定位到圖像中心。

實驗結果表明，該算法簡單有效，可以較精確地將目標定位在圖像中心。配合目標檢測程序即可完成目標跟蹤任務。目前商用變速云臺水平轉速可達到32°／s(0.558 5 rad／s)，垂直轉速可達到16°／s(0.279 3 rad／s)，在一些高速攝像系統中可以達到更高，完全可以用于實時的目標跟蹤。在實際跟蹤中，可根據情況選擇樣本的范圍和數量，可以滿足一般跟蹤的要求。該方法有很好的可拓展性，如果要進行人臉跟蹤的研究，只需考慮相關幀的信息，然后對人臉搜索區域加以限定以減少搜索時間，就能提高跟蹤效率，達到實時跟蹤的目的。該方法的缺點是前期樣本的獲取和神經網絡的訓練工作量較大。

經過對不同年齡、不同臉型、性別不同的人進行試驗，結果證明該系統簡單有效，有較強的實際應用價值。由于云臺設備的限制，系統沒有考慮自動對焦功能的實現，這可以根據人臉區域的大小自動調整焦距。雖然系統是針對靜止人臉的，但是完全可以實現動態人臉的實時跟蹤功能，只要在程序中加入一個獨立線程定時更新采集圖像就能夠實現。

隨著Internet技術的發展，家庭及企事業單位接入互聯網已經成為現實。互聯網不僅使人類的視野得到空前的擴大，同時也極大地縮短了人與人之間的距離。利用Internet人們不僅坐在家中或辦公室就知天下之事，而且即使遠離住所或辦公地點，通過Internet也可獲知家中或辦公場所、工業現場的有關情況，并且能夠對遠端設備實施遠程監控。所以，通過網絡進行遠程人臉的自動定位的操作是未來的發展方向之一。

關鍵詞： 人臉自動定位