人脸识别中的模板匹配算法

模板匹配是图像识别、目标跟踪等研究领域中一项非常重要的识别技术。模板匹配就是在一幅大图像中通过匹配算法来搜寻目标，并确定其位置坐标。在人脸检测与识别过程中，首先使用双眼模板进行粗筛选，然后使用不同长宽比的人脸模板确定出人脸区域的位置和范围，最后利用人脸器官的边缘特征进行人脸的检测与定位。图7-6 是本章人脸检测与识别过程中选定的双眼模板。

图7-6　双眼模板

人脸皮肤区域由于存在非肤色的眼睛及颧骨凸出的高亮部分，使得人脸皮肤区域至少包含一个或一个以上的空洞。因此，可忽略没有空洞的区域，以减少需匹配区域的数量。对区域内的空洞数，可采用区域的欧拉值来计算，计算公式为式（7-16）：

其中， E 为欧拉值；C 为连通分支数； H 为一个区域中的空洞数。

因为每次只处理一个皮肤区域，所以连通分支数为1，空洞的数量则为

一旦系统确定皮肤区域含有一个以上的空洞，就可进一步分析此区域的质心偏角、宽和高的比率等其他特征，以便将模板脸放置到与该区域相同的状态进行匹配。二值图像中区域的中心就是质心，可由式（7-17）来计算。(www.xing528.com)

其中， B 是描述区域的n ×m 阶矩阵， A 是区域中的一个子块，以像素为单位。区域的偏角就是区域惯量最小的轴的倾角。轴是使其与区域中的点之间的平均距离和最小的一条直线，可通过计算直线到图像中的点的最小二乘获得。偏角θ 用式（7-18）来计算。

由于图像旋转了某一角度θ，区域也要旋转角度θ，这样才能保证图像和区域完全垂直，并重新确定区域的宽和高以设置新的模板脸，使其与区域具有相同的大小。而后通过从图像上下和左右向内移动四个指针来确定区域的宽和高。其中，指针遇到的第一个不为0 的像素被认为是一个边界的坐标；找到四个边界后，就可以通过相减得到区域的宽和高。

人脸的高宽比几乎接近于1。因此，为了减小误差，可以将限定范围的高宽比作为确定候选人脸的一个约束条件。分析实验结果认为，比率低于0.8 的非人脸，较好的上限约为1.6。但在某些情况（如待识别的人没有穿衬衫或穿衣方式使一部分脖子和下面的皮肤没有被覆盖）下，人脸高宽比高于1.6。因此，对超上限的区域并不是简单地放弃，而是去除比率为1.6 以下的部分。这样的约束改进了分类，但是对于很长的胳膊来说，它却是个缺点。如果胳膊的皮肤区域在接近顶部的地方有空洞，就可能产生一个错误分类。

通过以上方法对区域进行预处理将去除大部分干扰区域而得到一个或多个候选人脸区域，再对这些候选区域进一步做模板脸的匹配就可以最终确定它是否为人脸。

其中，0e 为各点的平均最大误差，一般取40～50； m, n 为模板的长和宽。