[科普中國]-面部特征

介紹

準確的識別面部表情是個體的一項重要社會技能，在人與人的交流中有著重要的作用。面部表情的識別受到了溝通雙方多種因素的影響。一方面，從表情發(fā)出者的角度來看，面部本身的特征，包括特定部位（如眼睛和嘴部）和整體的特征信息，均會影響面部表情的識別。另一方面，從信息接收者的角度來看，觀察者自身的特性（如其所處的情緒狀態(tài)、內部思維線索等）也會影響面部表情的識別。

人臉特定部位的信息對面部表情識別有重要的影響作用。面部特征點的選取 ，應包含我們需要提取的面部特征點 ，同時這些特征點要能很好地描述出每個表情的變化過程 ，特征點的數量在其標定五官的周圍要達到一定密度 ，以達到在表情變化時完整地描述該五官的變化情況。

除了特定部位的特征外，人臉的整體特征也會影響個體對面部表情的識別。整體特征的影響可以表現在多個方面，包括面部結構、人臉的形態(tài)和性別等。面部結構是指面孔上各個部位之間的空間關系及布局信息。

面部特征的表示面部特征的表示大致可以分為三類：

(1) 第一種是以點來表示面部特征，也就是根據我們對人臉特征的理解定義的一些特征點，比如在 ASM 和 AAM 中，面部特征就是用點來定義的，我們稱之為界點（Landmark）。這其中又分為三種界點：(a) 極值點，一般這種界點在一個局部范圍內只有唯一的定義，比如眼睛的瞳孔，鼻尖和鼻孔等。(b) 邊界點，這種界點在一個局部內的邊界上都可以認為是界點，但是考慮相鄰界點之間的位置和距離，一般是在整個邊緣上均勻的抽取得到，比如人臉輪廓點，眉毛輪廓點，嘴唇輪廓點等。(b) 插值點，這種界點在局部上并沒有明顯的紋理特征，是通過其他的界點插值推算得到的，比如嘴巴中心點，眉心，還有那些被遮擋或不可見的點等等。

(2) 第二種是用線條或者邊界來定義面部特征，比如在可變形模板中就將臉的輪廓定義為一條拋物線，眼珠的邊界定義成圓等等。

(3) 第三種是以區(qū)域來定義面部特征，比如在一些通過顏色或者是灰度值進行分割的方法中，通過對唇色的統(tǒng)計分割出具有唇色的像素的區(qū)域作為嘴巴；眼睛、眉毛等也通過相應顏色和亮度同人臉其他區(qū)域的區(qū)別進行分割，然后將符合條件的像素組成的區(qū)域作為相應的目標區(qū)域。

但是不論哪種表示方式，最后都可以歸結為兩個方面，一個是紋理模型，一個是形狀模型。而特征定位的目標就是要在給定待檢測的圖像上尋找到相應的特征位置和形狀，從而使得不同的圖像可以根據對應特征的位置和形狀達到語義上的對應。

紋理模型面部特征的定義是在語義上的一種定義，是人類對事物的認知。相對于計算機而言，是一種相對穩(wěn)定的局部結構和局部紋理模式在圖像上的反映。研究者需要為這些局部結構和局部紋理模式建立相應的模型，從而使得計算機在圖像中檢測和定位到這些模式。我們下面具體介紹這些局部紋理的建模方式。紋理信息，包括顏色、邊緣、梯度、提取的各種特征等等。

(1) 顏色模型。最直接、最簡單的圖像信息就是圖像上不同區(qū)域的亮度、顏色存在著變化。一般來說，對于人臉圖像其普遍存在的特征是眼睛區(qū)域的亮度要低于周圍區(qū)域，眼珠是灰黑色或是藍色等，嘴唇的顏色也和膚色存在著一定的差別。一些人臉檢測和特征定位方法正是利用這些特性來為不同的人臉特征建模。比如 ，首先對眼睛和嘴唇的色彩信息在 色彩空間進行統(tǒng)計和建模，然后根據待測圖像上的不同區(qū)域的色彩與模型色彩的匹配度得到眼睛和嘴的位置。

(2) 投影模型。通過投影模型或者說是投影函數來定位面部特征點也是早期廣泛使用的一種方法，主要用于眼睛的定位。這主要是利用了人臉圖像中眼睛區(qū)域的灰度分布的特點，也就是眼睛區(qū)域的灰度值與周圍區(qū)域相比較低，眼珠和眼白的灰度差別較大。這類方法的主要特點是在圖像的 x 方向和 y 方向分別計算圖像投影函數，這個投影函數一般是灰度值的函數，或者是灰度梯度的函數，或者是灰度的方差的函數，亦或是幾種的組合等等。

(3) 邊緣，梯度模型。邊緣和梯度是圖像的底層視覺特征，被廣泛用于圖像分析。

綜合特征變換方法和模式分類方法這兩方面的因素，使用這種方式進行紋理建模的方法就有很多種組合。所以涌現出了許多用特征變換的方式進行面部特征定位和人臉局部特征紋理建模的方法。

形狀模型(1) 基于規(guī)則的形狀模型。最簡單的就是基于規(guī)則全局形狀模型，比如對獨立特征點的檢測，初始化搜索區(qū)域設置在特定的位置上，規(guī)定眼睛位于鼻子的上方，鼻子在嘴巴上方以及特定特征點之間距離的比例關系等等的一系列的規(guī)則。這樣的規(guī)則對于一些比較明顯的形狀約束比較簡單有效，但是對于內在的形狀統(tǒng)計和約束缺乏形式化上的表達和定量的度量。

(2) 基于平滑性約束的形狀模型。主動輪廓模型的內部能量函數包含了輪廓的一階導數和二階導數，具體可以表示為 Eint = α|v′| + β|v′′|，其中 α 和 β 是這兩項的權重系數。這樣在輪廓不平滑的地方，內部能量函數的取值較大，因此在優(yōu)化的時候輪廓的移動就會按照平滑的方式進行，從而保證了整體形狀的平滑性和連續(xù)性。

(3) 基于幾何圖形的形狀模型?；趲缀螆D形的形狀模型是一種參數化的表示方式，可變形模板 是這類模型中典型的例子。輪廓定義成拋物線，眼珠定義成圓，眼睛定義成橢圓。嘴巴、下巴等，也可以采用類似的幾何圖形建模。但是，實際的眼睛形狀千差萬別，固定的幾何圖形并不能很好地為其建模，而光照、姿態(tài)和表情的變化更使得采用這種固定的簡單數學模型難以適應這些復雜的變化，因此很難實現魯棒的特征提取。優(yōu)化速度慢、容易陷入局部極小也阻止了該算法的進一步發(fā)展。

(4) 基于點分布模型的形狀模型。ASM 和 AAM都是基于點分布模型（Point Distribution Model, PDM）的算法。在 PDM 中，外形相似的特定類別物體（比如人臉、人手）的形狀通過若干關鍵的特征點（Landmarks）的坐標串接成原始形狀向量。對訓練集中的所有形狀向量進行對齊操作后，對他們進行 PCA 分析建模，保留的主成分形成最終的形狀模型，形狀模型的參數反映了形狀的主要可變化模式。

(5) 基于圖模型的形狀模型。彈性圖匹配 是面部關鍵特征定位的另一個重要算法，該方法將人臉面部關鍵特征點的屬性及其它們之間的位置關系通過一個屬性圖進行描述，圖的頂點對關鍵特征點的局部紋理建模（通過 Gabor 特征） ，圖的邊則反映了特征點之間的距離等位置關系。

應用1、學習狀態(tài)的研究

2、疲勞駕駛檢測

3、表情識別

4、性別識別1