摘 要：人臉識(shí)別技術(shù)是當(dāng)下非常重要的學(xué)術(shù)課題，很有研究?jī)r(jià)值和應(yīng)用前景，但相應(yīng)的遇到的問(wèn)題也多種多樣，其中最主要的關(guān)于降低維數(shù)利于計(jì)算和節(jié)約時(shí)間、提高機(jī)器利用效率，把技術(shù)廣泛推廣應(yīng)用。文章探討一種新型的2DPCA降低維數(shù)算法。

關(guān)鍵詞：2DPCA；降維；人臉識(shí)別

1 人臉識(shí)別及發(fā)展方向

人臉辨識(shí)也就是對(duì)人的面部進(jìn)行提取，將提取過(guò)后的數(shù)據(jù)進(jìn)行量化，再轉(zhuǎn)化為一個(gè)多維的數(shù)字矩陣，經(jīng)過(guò)數(shù)據(jù)算法的處理，進(jìn)而和建立好的數(shù)據(jù)庫(kù)中信息利用集合的形式進(jìn)行類(lèi)比，達(dá)到預(yù)先設(shè)定的預(yù)期值就能夠說(shuō)明這張面部特征是需要的，并且把這個(gè)面部特征相同的信息輸送出來(lái)。

當(dāng)今人臉辨識(shí)技術(shù)主要利用在重要公共場(chǎng)合的安保，國(guó)外先進(jìn)的金融體系支付服務(wù)，全球的安全身份驗(yàn)證核對(duì)，以及有條件的門(mén)卡系統(tǒng)，以及公安刑事偵查等天網(wǎng)系統(tǒng)對(duì)比，已經(jīng)真正的走入了我們的生活身邊。

2 人臉識(shí)別研究面臨的主要問(wèn)題

現(xiàn)階段利用已有的計(jì)算機(jī)信息硬件條件，人臉辨識(shí)對(duì)比的主要分類(lèi)有動(dòng)態(tài)和靜態(tài)兩種，所謂的動(dòng)態(tài)就是利用高速圖像采集設(shè)備對(duì)人面部精細(xì)的抓拍，再與數(shù)據(jù)庫(kù)信息對(duì)比，靜態(tài)為用現(xiàn)成的相片或圖像進(jìn)行對(duì)比。主要問(wèn)題一是復(fù)雜的去掉光學(xué)因素、復(fù)雜的環(huán)境背景信息包括大紅大紫群山環(huán)繞樹(shù)木林立等， 二是考慮到因?yàn)闀r(shí)間關(guān)系對(duì)人臉圖像的影響如20歲和50歲人臉的痕跡信息的不同，三是有不同表情包括哭笑、興奮、哀傷、激動(dòng)、難過(guò)、憂郁等情況，四是血緣關(guān)系造成的臉部相似度情況、五是毛發(fā)遮擋情況等需要逐一對(duì)比出來(lái)。

3 一種新型二次提取算法研究

在現(xiàn)階段小波函數(shù)由于有著多窗口多尺度的優(yōu)勢(shì)，被大家廣泛用于人臉對(duì)比研究，但單一應(yīng)用小波函數(shù)會(huì)由于自身的優(yōu)點(diǎn)既準(zhǔn)確、精確而造成數(shù)據(jù)量大進(jìn)而引發(fā)計(jì)算危機(jī)，耗時(shí)過(guò)長(zhǎng)。因此經(jīng)常用一些方法來(lái)進(jìn)行二次特征向量的提取，從而降低數(shù)據(jù)含量，減少計(jì)算時(shí)間。二次特征抽取又主要分為PCA、2DPCA、LDA、SVM等以上的方法基本用第一次數(shù)據(jù)提取的矩陣全部一起進(jìn)行處理。如圖1所示：

圖1 2DPCA整體二次提取過(guò)程示意圖

這樣做法可取，但是我們考慮如果是按照第一次抽取特征向量的方式同樣第二次抽取，算法會(huì)增加一點(diǎn)，但精度應(yīng)該能更近一步提升。基于感官多層次的特性，有助于人臉圖像對(duì)比研究，在此基礎(chǔ)上[2]提出一個(gè)小波分層---多層次二次特征抽取研究，其主要設(shè)想如圖2所示：

具體步驟如下：

假設(shè)樣本庫(kù)是由M個(gè)像片夠成，{E1，E2，…，EM}，Ej是人臉集合m×n個(gè)點(diǎn)，樣本庫(kù)Ej首先經(jīng)過(guò)小波組第一次提??？自設(shè)為{0，1，…，4}

以上方法通過(guò)實(shí)踐檢驗(yàn)，在小波變換后通過(guò)2DPCA分層特征2次抽取，再通過(guò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，以相同方法只是把小波變換后的數(shù)據(jù)統(tǒng)一進(jìn)行2DPCA的2次抽取，在ORL人臉庫(kù)中進(jìn)行30組實(shí)驗(yàn)，發(fā)現(xiàn)在每組進(jìn)行100次學(xué)習(xí)后精度能提高0.5%左右。實(shí)驗(yàn)驗(yàn)證方法可行。

參考文獻(xiàn)

[1]程劍，應(yīng)自爐.基于二維主分量分析的面部表情識(shí)別.計(jì)算機(jī)工程與應(yīng)用[J].2006，5：33-35.

[2]Grother P，Micheals R， Phillips P J. Face Recognition Vendor Test 2002 Performance Metrics. Lecture Notes in Computer Science[C].2003.

[3]孫抒雨.基于Gabor特征的人臉識(shí)別算法研究，遼寧科技大學(xué)碩士論文，2012.

[4]李曉東.人臉識(shí)別算法研究[D].南京：東南大學(xué)，2009.