基于AdaBoost+膚色模型的多人臉檢測考勤系統(tǒng)

摘要：為解決多人場景下的身份注冊問題，將人臉檢測作為依據(jù)，提出一種多人臉檢測考勤系統(tǒng)。該系統(tǒng)以智能終端拍攝圖像作為輸入，基于人臉檢測獲取考勤目標，最后通過用戶注冊獲得待考勤目標的身份信息。目前系統(tǒng)已投入課堂學(xué)生的點名應(yīng)用中，實驗結(jié)果驗證了該系統(tǒng)中各環(huán)節(jié)方法的有效性和魯棒性。

1 概述

　　人臉檢測不僅是生物特征識別領(lǐng)域的重要課題，同時也是計算機視覺領(lǐng)域的研究熱點。它是人臉定位、身份驗證、身份查找等多種應(yīng)用的基礎(chǔ)。由于具有重要的理論和應(yīng)用價值，因此越來越受到研究人員的重視。目前，人臉檢測技術(shù)已經(jīng)廣泛的應(yīng)用于門禁、攝像監(jiān)視等系統(tǒng)中。

　　人臉檢測利用圖像或視頻作為輸入，對探測區(qū)域進行檢測，以確定其中是否存在人臉及其可能的位置和區(qū)域。常用的人臉檢測的方法主要分為兩大類：(1)基于知識的方法。這類方法主要利用人臉的明顯特征如眼睛、眉毛、嘴巴、鼻子等器官特征及其相互之間的位置關(guān)系進行判斷。包括基于人臉幾何特征的人臉檢測^[1-2]、基于膚色模型的人臉檢測^[3-4]等。(2)基于統(tǒng)計的方法。這類方法將人臉看成一個整體，用統(tǒng)計的方法使用大量人臉圖像樣本的訓(xùn)練構(gòu)造人臉模式空間，再根據(jù)相似度量檢測人臉是否存在。包括基于神經(jīng)網(wǎng)絡(luò)的人臉檢測^[5-6]、基于AdaBoost算法的人臉檢測^[7-8]等。

　　AdaBoost具有精度高、弱分類器構(gòu)造簡單、檢測率高且速度快等優(yōu)點，但是AdaBoost算法僅考慮灰度特征，容易造成誤檢?；谀w色模型的人臉檢測方法在實際應(yīng)用中容易將與顏色相近的區(qū)域誤檢為人臉。通過AdaBoost定位出人臉位置，再運用膚色模型對其進行膚色校驗則可以很好的規(guī)避兩者缺點。因此本文提出了一種基于AdaBoost與膚色模型的人臉檢測方法，并應(yīng)用于多人臉考勤系統(tǒng)中。

2 人臉檢測

2.1 數(shù)據(jù)采集

　　人臉數(shù)據(jù)獲取是人臉檢測的基礎(chǔ)。系統(tǒng)對輸入數(shù)據(jù)并無過多限制條件，輸入數(shù)據(jù)可來自用戶隨身攜帶的智能手機，也可以是室內(nèi)監(jiān)控攝像機的拍攝結(jié)果。對于某些無法用一副圖像采集完全的大尺度場景，可利用智能手機中自帶的全景拍攝功能，完成拼接后上傳全景數(shù)據(jù)。經(jīng)過調(diào)查，目前包括iPhone、三星、小米等絕大多數(shù)智能手機均自帶全景拍攝功能。即使用戶手機中無此功能，官方的應(yīng)用商店如App Store、Google Play也具有諸多相關(guān)應(yīng)用如：Photosynth，可免費下載用以獲取拍攝場景的全景圖像。實驗證明，借助手機全景拍攝功能采集的圖像可以作為有效的輸入，同時方便考勤人員采集考勤數(shù)據(jù)，獲取數(shù)據(jù)的便利性大幅增加。

2.2 基于AdaBoost人臉檢測

　　AdaBoost是由Yoav Freund 和 Robert E. Schapire在1995年提出的一種迭代分類算法[9]，其核心思想是將同一訓(xùn)練集的不同弱分類器集合起來，從而構(gòu)造一個強分類器。不同的弱分類器具有不同的權(quán)值，且它能根據(jù)上一次的結(jié)果確定每個樣本的權(quán)值，然后繼續(xù)通過分類器訓(xùn)練，最后將每次訓(xùn)練得到的分類器集合起來得到最終的分類器。

　　AdaBoost在人臉檢測應(yīng)用中需要通過訓(xùn)練大量可以區(qū)分人臉和非人臉區(qū)域的Haar特征，并從中挑選一些重要的特征并組合起來構(gòu)成級聯(lián)分類器，最終生成強分類器。這個過程中需要大量的Haar特征參與訓(xùn)練。經(jīng)過大量樣本訓(xùn)練來區(qū)分人臉和非人臉區(qū)域，最后經(jīng)過AdaBoost對分類器進行計算，即可用于人臉檢測。

2.3 膚色模型檢測

　　應(yīng)用AdaBoost方法的漏檢率相對較低，但誤檢率相對較高。因此需要通過處理將一些誤檢區(qū)域去除。本文選取基于膚色模型的方法對已檢測到的人臉部分進行分析，以減少單純利用AdaBoost方法造成的誤檢率過高問題。

3 系統(tǒng)實現(xiàn)

3.1 硬件環(huán)境

　　系統(tǒng)硬件環(huán)境包括：Intel Core Duo E7500 2.93GHz CPU，2G內(nèi)存以及NVIDIA GT210獨立顯卡。

3.2 軟件系統(tǒng)

　　系統(tǒng)采用B/S架構(gòu)，前端采用ASP.NET開發(fā)，主要包括：考勤人員上傳考勤圖像模塊、結(jié)果、考勤人員登錄確認模塊、顯示考勤結(jié)果等模塊。后臺服務(wù)器端采用C++借助OpenCV庫實現(xiàn)上傳圖像或視頻的多人臉檢測。

3.3 考勤實現(xiàn)

　　系統(tǒng)中AdaBoost人臉檢測模塊包括收集樣本、訓(xùn)練樣本生成分類器、使用生成的分類器進行人臉檢測等步驟。

　　樣本包括正樣本和反樣本，即包含人臉部分圖像和不包含人臉部分的圖像。樣本數(shù)量越多則生成的分類器越可靠，后期人臉檢測更準確。樣本訓(xùn)練前需要對圖像進行歸一化處理，即需要使各圖像像素尺寸一致。歸一化處理后，建立正反樣本描述文件，正樣本描述文件每行內(nèi)容包括圖像名字、該圖像中正樣例(人臉區(qū)域)個數(shù)、圖像的寬、圖像的高，使用空格間隔。反樣本描述文件每行內(nèi)容僅包括圖像名字。之后通過OpenCV提供的opencv_createSamples可執(zhí)行程序創(chuàng)建正反樣本vec文件。