ЛОКАЛИЗАЦИЯ ЛИЦ НА ОСНОВЕ ЦВЕТОВОЙ СЕГМЕНТАЦИИ ОБЛАСТЕЙ КОЖИ

LOCALIZATION OF FACE BASED ON COLOR SEGMENTATION OF AREAS SKIN

Maria Nazarenko

student of informatics and calculation techniques department,

Reshetnev Siberian State University of Science and Technology,

Russia, Krasnoyarsk

АННОТАЦИЯ

Предложена методика локализации лиц с использованием сегментации по цвету кожи на основе двух цветовых моделей HSL и HSV. Подобраны диапазоны значений для каждой модели, позволяющие определять области кожи на изображении. Приведены экспериментальные данные, позволяющие оценить точность локализации при использовании данного метода.

ABSTRACT

A method for localization face using skin color segmentation based on two HSL and HSV color models is proposed. The ranges of values for each model are chosen, which allow determining the area of the skin on the image. The given experimental data, allowing estimating accuracy of localization at use of the given method.

Ключевые слова: цветовая сегментация кожи; локализация лиц; цветовая модель HSL; цветовая модель HSV.

Keywords: color segmentation of the skin; localization of face; color model HSL; color model HSV.

В настоящее время задача распознавания лиц является одной из самых приоритетных для исследования. В области распознавания активно ведется разработка программного обеспечения, которое позволяет получать информацию о присутствии и количестве лиц на изображении с возможностью их идентификации. Одной из сфер применения такого программного обеспечения, является распознавание лиц в режиме реального времени, используемое для пропускного контроля [4]. Для решения проблемы распознавания для начала необходимо решить задачу обнаружения и локализации лиц на видеопоследовательности.

Для обнаружения лиц целесообразно использовать методы, которые можно разделить на две группы: эмпирического распознавания и моделирования лица. К эмпирическим методам относится сегментация. В настоящее время получили широкое распространение методы, использующие цветовую сегментацию областей кожи [3, 5]. Использование цвета кожи как свойства лица имеет следующие преимущества:

• устойчивость к изменению ориентации лица;
• устойчивость к изменению освещенности;
• устойчивость к перекрытию лица другими объектами.

Основным преимуществом данной группы методов является малая вычислительная сложность, благодаря которой достигается большая скорость обработки изображений. Однако существенным недостатком метода является возможность ложного обнаружения областей схожих по цвету с кожей. Для исключения ложного обнаружения при разработке алгоритма можно осуществлять поиск областей глаз, а при выделении лица опираться на его пропорции.

Алгоритм сегментации по цвету можно разделить на несколько основных этапов:

1. Перевод изображения в цветовую модель, в которых можно выделять оттенки цвета, например HSL и HSV.
2. Сопоставление изображения диапазону, соответствующему кожи.
3. Отбрасывание областей, не являющихся областью интереса и выделение лица на исходном изображении.

Цветовые модели HSL и HSV, являются очень схожими, в каждой из них присутствуют параметры цветового тона (H) и насыщенности (S), однако основным отличием является последний параметр освещенности (L) и значение яркости (V) соответственно [1, с. 6].

Для нахождения диапазона, соответствующему цвету кожи необходимо провести анализ изображений с лицами людей различных рас, возраста и пола. В качестве набора данных для подбора диапазона были выбраны существующие базы лиц Bao Face Database [6] и база Массачусетского университета [7]. В ходе анализа были использованы 100 изображений, в результате выявлены следующие значения которые дают наилучшие результаты для локализации:

• В пространстве HSL: ;  и .
• В пространстве HSV: ;  и .

На рисунке 1 (а) представлено исходное изображение, (б) – изображение после применение сегментации с использованием модели HSL,  на рисунке 1 (в) показано применение сегментации для модели HSV.

Рисунок 1. Пример сегментации по цвету кожи. а) исходное изображение, б) сегментированное в модели  HSL в) сегментированное  в модели HSV

Как видно по результатам применения сегментации, лицо выделяется корректно, однако имеются мелкие фрагменты, не являющиеся областью лица и наоборот участки, не распознанные как кожа. Для последующей обработки изображения целесообразно использовать морфологические операции «расширения» и «сужения» [2], результат применения, которых показан на рисунке 2.

Рисунок 2. Применение морфологической обработки. а) модель HSL, б) модель HSV

При сегментации изображений по цвету приходится сталкиваться с проблемой наличия нескольких областей. Для решения данной проблемы необходимо исключать области по какому-либо признаку, например масштабу или форме. При выделении лица можно опираться на его пропорции. Для  изображений, на которых лицо имеет вид спереди, после применения сегментации удается выделить области глаз. В таком случае целесообразно опираться на их положение.

С учетом полученных в ходе анализа диапазонов сегментации и описанных выше модификаций, было выполнено экспериментальное исследование по 100 изображениям, обладающих  разным разрешением и освещенностью. При этом в используемых изображениях фон отличался от оттенка схожего с кожей человека. По результатам экспериментов была сформирована таблица 1, отражающая оценку точности локализации лиц.

Таблица 1.

Оценка точности локализации лиц на изображениях в зависимости от используемой модели

По данным приведенным в таблицы 1 видно, что применение модели HSL целесообразно на светлых изображениях. Модель HSV дает наилучшие результаты на изображениях имеющих темную и среднюю освещенность.  Таким образом, использование цвета кожи как признака для сегментации позволяет достаточно точно определять лица на изображении. В ходе проведенных экспериментов видно, что сегментация по цвету дает хорошие результаты,  а точность выделения для модели HSL и HSV составляет  93.19% и 95.39% соответственно.  

Список литературы:

1. Алгоритмы интеллектуальной обработки цифровых изображений. Часть I: методические указания к лабораторным работам / Болотова Ю.А.,. Буй Т.Ч, Кермани К.А., Спицын В.Г.,. Фан Н.Х; Томский политехнический университет. – Томск: Изд-во Томского политехнического университета, 2012. – 71 с.
2. Гонсалес Р., Вудс Р. Цифровая обработка изображений: пер. с англ. М. : Техносфера, 2005. - 1072 с.
3. Друки А.А. Алгоритмы выделения лиц на статических RGB изображениях и в видеопотоке// Известия Томского политехнического университета. 2012. Т. 320. № 5. – С  66–69.
4. Зотин А.Г., Носов А.В., Бузаев Д.В. Анализ пригодности методов сегментации для локализации объектов на основе цветовых и структурных признаков//Вестник Сибирского Государственного аэрокосмического университета имени М.Ф Решетнева. Красноярск, 2012. Выпуск 1(41). – С.  23–25.
5. Носов А.В., Бузаев Д.В., Зотин А.Г. Сравнение методов сегментации кожи в разных  цветовых моделях//Актуальные проблемы авиации и космонавтики 2011. Т. 1. № 7, – С  368–370.
6. Face Detection & Recognition Homepage [Электронный ресурс]. URL: https://facedetection.com/datasets/ (Дата обращения: 20.01.2018).
7. FDDB: Face Detection Data Set and Benchmark [Электронный ресурс]. URL: http://vis-www.cs.umass.edu/fddb/ (Дата обращения: 20.01.2018).