天津工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與軟件學(xué)院 蔡 靜 尹紹宏

基于MATLAB的人臉識(shí)別研究

天津工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與軟件學(xué)院 蔡 靜 尹紹宏

深入分析了主成分分析（Principal Component Analysis，PCA）方法的基本原理，PCA方法最顯著的優(yōu)點(diǎn)是能用低維特征向量來(lái)估計(jì)原始樣本，基于此特點(diǎn)將它用來(lái)實(shí)現(xiàn)對(duì)人臉的識(shí)別。此外本文還深入分析了PCA中遇到的特征值選擇和距離準(zhǔn)則的選取問(wèn)題。

MATLAB；數(shù)字圖像處理；人臉識(shí)別

1.引言

人臉識(shí)別是當(dāng)前計(jì)算機(jī)模式識(shí)別領(lǐng)域中的一個(gè)非常活躍的研究課題，在安全檢測(cè)、身份驗(yàn)證、軍事、商業(yè)等領(lǐng)域具有廣泛的應(yīng)用前景?；谌四樧R(shí)別的自動(dòng)身份認(rèn)證具有重要的理論意義和應(yīng)用價(jià)值。但是通過(guò)人臉圖像來(lái)進(jìn)行識(shí)別仍然面臨巨大的挑戰(zhàn)，要使這一技術(shù)成為完全成熟的技術(shù)還有許多工作需要做。

2.人臉識(shí)別的研究?jī)?nèi)容

人臉識(shí)別(Face Recognition)是指基于己知的人臉樣本庫(kù)，利用圖像處理和模式識(shí)別技術(shù)從靜態(tài)或動(dòng)態(tài)場(chǎng)景中，識(shí)別或驗(yàn)證一個(gè)或多個(gè)人臉。從廣義上講，其研究?jī)?nèi)容包括以下五個(gè)方面：

(1)人臉檢測(cè)(Face Detection)：即從動(dòng)態(tài)的場(chǎng)景或復(fù)雜的背景中檢測(cè)出人臉的存在并且確定其位置，然后分離出來(lái)。這一任務(wù)主要受光照、噪聲、頭部?jī)A斜度以及各種遮擋的影響。

(2)人臉表征(Face Representation)：也稱為人臉特征提取，即采用某種表示方法來(lái)描述檢測(cè)出的人臉與數(shù)據(jù)庫(kù)中已知人臉。通常的表示方法包括幾何特征(如歐氏距離、曲率、角度等)、代數(shù)特征(如矩陣特征矢量)、固定特征模板、特征臉、云紋圖等。

圖1 人臉識(shí)別系統(tǒng)結(jié)構(gòu)

圖2 部分人臉樣本圖像

(3)人臉識(shí)別(Face Identification)：即將待識(shí)別的人臉與數(shù)據(jù)庫(kù)中已知人臉比較，得出相關(guān)信息。這一過(guò)程的核心是選擇適當(dāng)?shù)娜四槺碚鞣椒ㄅc匹配策略。

(4)表情分析(Facial Expression Analysis)：即對(duì)待識(shí)別人臉的表情進(jìn)行分析，并對(duì)其加以歸類。

(5)生理分類(Physical Classification)：即對(duì)待識(shí)別人臉的生理特征進(jìn)行分析，得出其年齡、性別等相關(guān)信息，或者從幾幅相關(guān)的圖像推導(dǎo)出希望得到的人臉圖像，如從父母圖像推導(dǎo)出孩子的臉部圖像、基于年齡增長(zhǎng)的人臉圖像估算等。

相對(duì)來(lái)說(shuō)，人臉的表情分析、生理分類是兩個(gè)非常難的研究方向，不過(guò)它在計(jì)算機(jī)圖形學(xué)，尤其是計(jì)算機(jī)動(dòng)畫等領(lǐng)域有很廣泛的應(yīng)用前景，因此在最近幾年得到了國(guó)內(nèi)外很多從事計(jì)算機(jī)視覺(jué)(Computer Vision)的研究人員的注意。本論文主要介紹狹義的靜態(tài)人臉圖像識(shí)別方法，研究的重點(diǎn)是人臉特征提取與識(shí)別的關(guān)鍵技術(shù)，不涉及表情識(shí)別和生理分類方面。

圖3 灰度圖像

圖4 平均臉

圖5 測(cè)試?yán)雍妥R(shí)別結(jié)果

人臉識(shí)別系統(tǒng)通常主要由人臉檢測(cè)與定位，人臉特征提取與識(shí)別兩部分組成，在這兩部分的基礎(chǔ)上還包括圖像預(yù)處理等步驟。其主要實(shí)現(xiàn)步驟如下：

(1)圖像預(yù)處理

由于實(shí)際成像系統(tǒng)多少存在不完善的地方以及外界光照條件等因素的影響，在一定程度上增加了圖像的噪聲，使圖像變得模糊，且對(duì)比度低、區(qū)域灰度不平衡。為了提高圖像的質(zhì)量，保證提取特征的有效性，進(jìn)而提高識(shí)別系統(tǒng)的識(shí)別率，在提取特征之前，有必要對(duì)圖像進(jìn)行預(yù)處理操作，以改善圖像質(zhì)量，保證提取特征的有效性。

(2)人臉的檢測(cè)與定位

從輸入圖像中找出人臉及人臉?biāo)诘奈恢茫⑷四槒谋尘爸蟹指畛鰜?lái)，輸出為分割好的人臉局部圖像。

(3)圖像歸一化

圖像歸一化屬于圖像預(yù)處理的范疇。在對(duì)人臉圖像進(jìn)行特征提取和分類之前一般需要做幾何歸一化和灰度歸一化。幾何歸一化是指根據(jù)人臉定位結(jié)果將圖像中人臉變換到同一位置和同樣大小，灰度歸一化是指對(duì)圖像進(jìn)行光照補(bǔ)償?shù)忍幚?，光照補(bǔ)償能夠一定程度的克服光照變化的影響而提高識(shí)別率[3，4]。

(4)特征提取與識(shí)別

對(duì)于歸一化了的人臉圖像進(jìn)行面部的各特征提取，將原始人臉圖像中的數(shù)據(jù)映射到特征空間，對(duì)人臉進(jìn)行特征建模，建立的特征模型主要用于區(qū)分各人臉之間的差異性，為人臉識(shí)別分類打下基礎(chǔ)。由于原始的人臉圖像數(shù)據(jù)量是相當(dāng)大的，為了有效的實(shí)現(xiàn)分類識(shí)別，就要對(duì)原始數(shù)據(jù)進(jìn)行變換，得到最能反映分類本質(zhì)的特征，如何提取穩(wěn)定和有效的特征是識(shí)別系統(tǒng)成敗的關(guān)鍵。人臉識(shí)別驗(yàn)證是整個(gè)自動(dòng)人臉識(shí)別系統(tǒng)的最后一個(gè)步驟，根據(jù)面部特征的提取結(jié)果，將待檢測(cè)人臉與人臉庫(kù)中人臉數(shù)據(jù)進(jìn)行比較，判斷出待檢驗(yàn)人臉的身份信息。

一個(gè)完整的人臉自動(dòng)識(shí)別系統(tǒng)如圖1所示。

對(duì)以上人臉識(shí)別系統(tǒng)進(jìn)行分析可以看出，人臉識(shí)別研究需要考慮以下幾個(gè)主要方面：如何準(zhǔn)確快速的檢測(cè)并分割出人臉部分；在非約束環(huán)境下，如何采用一些必要的處理方法來(lái)提高系統(tǒng)的魯棒性，尋找一種受人臉姿態(tài)變化和光照條件等因素影響較小的特征提取方法；如何有效的變化補(bǔ)償、特征描述和準(zhǔn)確的分類等等，以上方面均直接影響人臉識(shí)別的速度與準(zhǔn)確度。

3.人臉識(shí)別的具體過(guò)程

在實(shí)驗(yàn)編程中，我們利用的是MATLAB 7.0平臺(tái)。MATLAB是由MathWorks公司推出的一套高性能的數(shù)值計(jì)算和可視化的數(shù)學(xué)軟件。MATLAB編程運(yùn)算與人進(jìn)行科學(xué)計(jì)算的思路和表達(dá)方式完全一致。不像學(xué)習(xí)其他高級(jí)語(yǔ)言如Basic、C那樣難于掌握。MATLAB的基本元素是矩陣，所以其非常適合用來(lái)進(jìn)行圖像處理。MATLAB具有強(qiáng)大的數(shù)值計(jì)算和圖示能力。具有非常豐富的工具箱（ToolBox）。在國(guó)內(nèi)外高等院校中，已成為高等數(shù)學(xué)、數(shù)值分析、數(shù)字信號(hào)處理、自動(dòng)控制理論以及工程應(yīng)用等課程的基本教學(xué)工具。

3.1 將訓(xùn)練樣本圖像輸入程序

采用的訓(xùn)練樣本圖像為包含4個(gè)人的圖像樣本集，以驗(yàn)證本程序的通用性。圖2為本實(shí)驗(yàn)要輸入到識(shí)別程序中的部分人臉樣本圖像。

3.2 程序?qū)斎氲膱D像進(jìn)行預(yù)處理

本程序?qū)斎氲膱D像進(jìn)行的預(yù)處理包括有彩色圖像到灰度圖像的轉(zhuǎn)換、圖像的噪聲消減、圖像的尺寸歸一化等。人臉識(shí)別需要將人臉圖像樣本尺寸歸一化，即縮放變換到固定的尺寸。在本程序中，為方便圖像矩陣的計(jì)算，提升計(jì)算速度，將圖像統(tǒng)一縮放到120×120大小。圖3為經(jīng)過(guò)預(yù)處理后得到的灰度圖像。

3.3 人臉圖像訓(xùn)練階段

利用基于PCA+LDA算法的人臉識(shí)別算法進(jìn)行人臉識(shí)別，該環(huán)節(jié)包括訓(xùn)練和識(shí)別兩個(gè)環(huán)節(jié)，對(duì)人臉樣本圖像進(jìn)行訓(xùn)練則會(huì)產(chǎn)生平均臉和特征臉。圖5-4為訓(xùn)練樣本集中各人臉圖像的特征臉，圖4為訓(xùn)練樣本集的平均臉。

3.4 人臉圖像識(shí)別階段

將測(cè)試圖像輸入程序。若經(jīng)過(guò)程序判斷待測(cè)試圖像為人臉圖像庫(kù)中的人臉圖像，則顯示識(shí)別結(jié)果。圖5為測(cè)試?yán)雍妥R(shí)別結(jié)果。

4.人臉識(shí)別實(shí)驗(yàn)結(jié)果及分析

由于受實(shí)驗(yàn)條件所限，未能利用該人臉識(shí)別系統(tǒng)采集大量不同的人臉實(shí)驗(yàn)樣本，只是由簡(jiǎn)單人臉圖像數(shù)據(jù)庫(kù)來(lái)充分驗(yàn)證系統(tǒng)的性能。實(shí)驗(yàn)中，人臉庫(kù)中有4個(gè)各自4幅圖片，從中每人各隨機(jī)選擇3幅人臉圖像作為訓(xùn)練樣本，共同作為訓(xùn)練樣本集。其余每人所剩下的1幅人臉圖像作為測(cè)試樣本集。所有照片比較充分的反映了同一個(gè)人的不同人臉圖像因光照變化、面部細(xì)節(jié)變化等因素而產(chǎn)生的差異。攝像頭獲取的照片拍攝于不同的時(shí)間，且同樣允許在一定范圍內(nèi)的光照、表情及面部角度的變化。該人臉識(shí)別系統(tǒng)采用基于PCA+LDA算法的人臉識(shí)別方法，具體實(shí)現(xiàn)步驟如前文所述。按照上述訓(xùn)練及測(cè)試樣本的選取，在不同的人臉樣本的情況下，利用該系統(tǒng)進(jìn)行人臉識(shí)別，均獲得了80%以上的識(shí)別率。

從實(shí)驗(yàn)結(jié)果可以看出，即使所采用的訓(xùn)練及測(cè)試樣本集中的圖像樣本均為具有一定姿態(tài)變化，在不同光照條件下獲取的圖像，但該人臉識(shí)別系統(tǒng)仍具有很好的識(shí)別效果。另外，該人臉識(shí)別系統(tǒng)采用優(yōu)秀的人臉識(shí)別算法，降低了系統(tǒng)的運(yùn)算量，因此具有較高的識(shí)別速度。這充分說(shuō)明了運(yùn)用PCA+LDA方法進(jìn)行人臉識(shí)別的可行性。

本文所設(shè)計(jì)的人臉識(shí)別系統(tǒng)實(shí)現(xiàn)了人臉識(shí)別主要模塊的功能，但距離一個(gè)具有實(shí)時(shí)性的快速自動(dòng)人臉識(shí)別系統(tǒng)還相差較遠(yuǎn)，在系統(tǒng)的構(gòu)建方面還有許多工作要做。針對(duì)該系統(tǒng)現(xiàn)狀，在今后的工作中，還要對(duì)其作進(jìn)一步的完善。

[1]王蘊(yùn)紅,朱勇,譚鐵牛.基于虹膜識(shí)別的身份鑒別[J].自動(dòng)化學(xué)報(bào),2002,28(11):l-10.

[2]梁路宏.人臉檢測(cè)與跟蹤研究[D].清華大學(xué)博士論文,2001.

[3]程云鵬.矩陣論[M].西安:西北工業(yè)大學(xué)出版社,2003,2.

蔡靜（1980—），女，天津工業(yè)大學(xué)2010碩士研究生，主要研究方向：計(jì)算機(jī)圖像處理。

尹紹宏，女，副教授，現(xiàn)供職于天津工業(yè)大學(xué)，主要研究方向：計(jì)算機(jī)圖像處理、數(shù)據(jù)挖掘。