今天同學讓我幫忙製作一個人臉表情識別的樣本庫，其中主要是對人臉進行裁剪，這裡用到了一個相對較新的Matlab人臉檢測方法Face Parts Detection，網上百度了一下發現關於Matlab人臉檢測的程式碼和資源並不多，故此專門撰寫一篇部落格來詳細介紹這個人臉檢測方法的用途。

　　一、下載對應的工具包

　　首先下載對應的工具包，matlab最方便的地方莫過於此了，直接下載、配置簡單、並且可以檢視原始碼，這裡給出對應的工具包下載地址：Face Parts Detection工具包。

　　點選“Download Zip”下載按鈕開始下載，下載完成後解壓，得到如下檔案：

　　二、配置工具包

　　下載完成後開始配置工具箱。首先需要強調一點，這個方法需要依賴兩個Matlab影象處理方面的工具箱

　　假設Matlab已經配置好了以上兩個工具箱，接下來開始配置Face Parts Detection工具包，方法極其簡單，只需在Set Path對話方塊中將當前工具箱的資料夾（這裡是Face_detection_Parts資料夾）路徑新增到系統的搜尋路徑即可：

　　三、進行批量人臉檢測

　　工具箱配置完成後開始利用其進行人臉檢測。

　　3.1、批量讀取圖片

　　首先，需要對資料庫中的影象進行批量讀取，讀取完之後再進行人臉檢測。首先給出批量讀取的程式碼，稍後解釋：

clear;
stImageFilePath  = 'E:\CAS-PEAL-R1(1)\CAS-PEAL-R1\FRONTAL\Expression\';
stImageSavePath  = 'E:\Face_Detection\';
dirImagePathList = dir(strcat(stImageFilePath,'*.tif'));        %讀取該資料夾下所有圖片的路徑（字串格式）
iImageNum        
 
= length(dirImagePathList);                    %獲取圖片的總數量
if iImageNum > 0                                                %批量讀入圖片，進行五官檢測，再批量檢測
    for i = 1 : iImageNum
        iSaveNum      = int2str(i);
        stImagePath   = dirImagePathList(i).name;
        mImageCurrent = imread(strcat(stImageFilePath,stImagePath));
    end
end

　　這裡採用dir（）函式的方法來讀取目錄下所有檔案的檔名，dirImagePathList(i).name中儲存了資料夾下的所有檔案的名稱。有關Matlab中dir（）函式的用法大家可以參考網路資料。stImageFilePath變數儲存了當前圖片所在資料夾的路徑（這裡為E:\CAS-PEAL-R1(1)\CAS-PEAL-R1\FRONTAL\Expression\），stImageSavePath變數指定了裁剪之後的人臉影象的儲存路徑。這裡需要注意的一點就是儲存裁剪結果的資料夾需要事先建立好（或者在程式中通過mkdir等函式來提前建立）。通過strcat（）函式來判斷當前影象名稱中是否包含“.tif”來確定其是否為影象檔案（這裡的資料庫中的影象檔案都是tif格式的），

　　3.2、編寫人臉檢測函式

　　批量讀取影象完成後，開始進行人臉檢測，這裡選擇將人臉檢測封裝為一個指令碼檔案方便呼叫，這裡暫且將其命名為face_segment.m檔案。

　　首先，需要判斷當前影象的通道數，因為Face Parts Detection方法只能針對三通道影象進行人臉檢測，如果當前影象為灰度圖（單通道圖），則需要先將其轉換為三通道矩陣形式：

%%%%%%%%%%%%%%%%%%%%將灰度圖變為三通道圖%%%%%%%%%%%%%%%%%%%%
if(size(mImageSrc,3) == 1) 
    mImage2detect(:,:,1) = mImageSrc;
    mImage2detect(:,:,2) = mImageSrc;
    mImage2detect(:,:,3) = mImageSrc;
else
    mImage2detect = mImageSrc;
end

　　然後開始呼叫工具箱進行人臉檢測，就兩句程式碼即可（可見作者將程式封裝得何其之好）：

%%%%%%%%%%%%%%%%%%%%對影象進行人臉檢測%%%%%%%%%%%%%%%%%%%%
FaceDetector               = buildDetector(); 
[bbox,bbimg,faces,bbfaces] = detectFaceParts(FaceDetector,mImage2detect,2);

　　對於bbox,bbimg,faces,bbfaces這四個檢測結果的具體含義，在detectFaceParts.m檔案的開頭部分作者給出了詳細的解釋，我們這裡只用到bbox這個變數，它裡面分別儲存了所檢測出的人臉區域（一個矩形框）的左上角座標以及寬度和高度。

　　檢測完成之後，再統一將影象轉換為灰度圖，保證格式的統一，方便儲存：

%%%%%%%%%%%%%%%%%%%%輸入影象灰度化%%%%%%%%%%%%%%%%%%%%
if 1 ~= size(mImageSrc,3)
    mImageSrc = rgb2gray(mImageSrc);
    mImageSrc = double(mImageSrc);
elseif 1     == size(mImageSrc,3)
    mImageSrc = double(mImageSrc);
end

　　接下來開始對人臉區域進行分割。這個有兩種分割策略，一種是直接使用檢測到的人臉框bbox對原圖進行擷取，在不可控的採集條件下只能用這種方法來分割人臉；第二種策略是針對人臉框bbox首先確定人臉區域的中心點，然後再以中心點為基準向四周按照一定比例進行外擴，這種方法僅適合採集條件嚴格可控、人臉大致對齊的人臉資料庫，恰好我們所處理的資料庫滿足這種要求，因此在這裡採用第二種策略進行人臉區域分割，程式碼如下：

%%%%%%%%%%%%%%%%%%%%得到人臉區域框的中心點%%%%%%%%%%%%%%%%%%%%
recFace.x          = bbox(1,1);
recFace.y          = bbox(1,2);
recFace.width      = bbox(1,3);
recFace.height     = bbox(1,4);

ptFaceCenter.x     = recFace.x + recFace.width / 2;
ptFaceCenter.y     = recFace.y + recFace.height / 2;

%%%%%%%%%%%%%%%%%%%%以中心點為基準進行外擴（即對人臉選框進行調整）%%%%%%%%%%%%%%%%%%%%
recFace.x         = ptFaceCenter.x - recFace.width * 0.4;
recFace.y         = ptFaceCenter.y - recFace.height * 0.35;
recFace.width     = recFace.width * 0.8 ;
recFace.height    = recFace.height * 0.8 ;

mFaceResult       = uint8(imcrop(mImageSrc,[recFace.x,recFace.y,recFace.width,recFace.height]));

　　這裡只涉及到了簡單的幾何知識，因此不再贅述，確定好人臉矩形區域之後，使用imcrop（）函式進行區域分割。這裡給出face_segment.m檔案的完整程式碼：

%===============================================================================
%函式名稱：face_segment
%輸入引數：mImageSrc，待分割的人臉影象，可能是灰度影象，也可能是彩色影象
%輸出引數：mFaceResult，分割後的人臉結果，應為灰度影象
%主要步驟：1）進行人臉檢測，得到臉部區域的框框
%         2）得到臉部影象框的中心點
%         3）根據中心點，對影象進行等比例外擴，得到合適大小的人臉影象
%注意事項：1)首先需要判斷該影象是否為灰度圖，若為灰度圖，需要先將其轉換為三通道彩色圖
%===============================================================================
function mFaceResult = face_segment(mImageSrc)
%%%%%%%%%%%%%%%%%%%%將灰度圖變為三通道圖%%%%%%%%%%%%%%%%%%%%
if(size(mImageSrc,3) == 1)
    mImage2detect(:,:,1) = mImageSrc;
    mImage2detect(:,:,2) = mImageSrc;
    mImage2detect(:,:,3) = mImageSrc;
else
    mImage2detect = mImageSrc;
end

%%%%%%%%%%%%%%%%%%%%對影象進行人臉檢測%%%%%%%%%%%%%%%%%%%%
FaceDetector               = buildDetector();
[bbox,bbimg,faces,bbfaces] = detectFaceParts(FaceDetector,mImage2detect,2);

%%%%%%%%%%%%%%%%%%%%輸入影象灰度化%%%%%%%%%%%%%%%%%%%%
if 1 ~= size(mImageSrc,3)
    mImageSrc = rgb2gray(mImageSrc);
    mImageSrc = double(mImageSrc);
elseif 1     == size(mImageSrc,3)
    mImageSrc = double(mImageSrc);
end

%%%%%%%%%%%%%%%%%%%%得到人臉區域框的中心點%%%%%%%%%%%%%%%%%%%%
recFace.x          = bbox(1,1);
recFace.y          = bbox(1,2);
recFace.width      = bbox(1,3);
recFace.height     = bbox(1,4);

ptFaceCenter.x     = recFace.x + recFace.width / 2;
ptFaceCenter.y     = recFace.y + recFace.height / 2;

%%%%%%%%%%%%%%%%%%%%以中心點為基準進行外擴（即對人臉選框進行調整）%%%%%%%%%%%%%%%%%%%%
recFace.x         = ptFaceCenter.x - recFace.width * 0.4;
recFace.y         = ptFaceCenter.y - recFace.height * 0.35;
recFace.width     = recFace.width * 0.8 ;
recFace.height    = recFace.height * 0.8 ;

mFaceResult       = uint8(imcrop(mImageSrc,[recFace.x,recFace.y,recFace.width,recFace.height]));
end

　　四、人臉批量儲存

　　在完成人臉檢測函式之後，開始對人臉進行檢測分割和批量儲存，這裡直接給出程式碼：

clear;
stImageFilePath  = 'E:\CAS-PEAL-R1(1)\CAS-PEAL-R1\FRONTAL\Expression\';
stImageSavePath  = 'E:\Face_Detection\';
dirImagePathList = dir(strcat(stImageFilePath,'*.tif'));        %讀取該資料夾下所有圖片的路徑（字串格式）
iImageNum        = length(dirImagePathList);                    %獲取圖片的總數量
if iImageNum > 0                                                %批量讀入圖片，進行五官檢測，再批量檢測
    for i = 1 : iImageNum
        iSaveNum      = int2str(i);
        stImagePath   = dirImagePathList(i).name;
        mImageCurrent = imread(strcat(stImageFilePath,stImagePath));
        mFaceResult   = face_segment(mImageCurrent);
        imwrite(mFaceResult,strcat(stImageSavePath,iSaveNum,'.bmp')); end end

　　這段程式碼的邏輯相對簡單，呼叫strcat（）字串拼接函式來完成檢測結果的自動命名，考慮到版權問題，這裡不貼上最終的人臉分割結果，但程式親測可用，沒有問題。

　　五、注意事項

　　1、OpenCv人臉檢測函式

　　進行人臉檢測是Matlab並不是唯一選擇，OpenCv也同樣封裝的人臉檢測函式，不過OpenCv中封裝的人臉檢測函式是基於AdaBoost演算法，相對經典而古老，效能不如本文中所介紹的人臉檢測演算法，並且OpenCv在讀取tif格式的影象檔案時顯得異常麻煩。

　　2、原理介紹

　　在這篇博文中我們只介紹了Face Parts Detection演算法的具體用法，至於去人臉檢測原理，將來有時間了我再專門寫博文進行介紹。

　　3、打不開MathWork官網的話我可以給發郵箱

　　如果出現不能正常登陸MathWork網站，無法下載工具箱的情況，可以給我發郵件，我會抓時間提供相應的工具箱

　　4、灰度圖不等於單通道圖

　　在這裡再強調一個小問題，就是灰度圖與單通道圖的關係，理論上來說這兩個名詞完全屬於不同的概念，灰度圖不一定是單通道圖，因為三個通道的RGB值均相等的三通道圖在視覺上同樣變現為灰度圖，不過單通道圖肯定是灰度圖。

如果覺得這篇文章對您有所啟發，歡迎關注我的公眾號，我會盡可能積極和大家交流，謝謝。