黃孝平

（南寧學(xué)院 機(jī)電與質(zhì)量技術(shù)工程學(xué)院，廣西 南寧 530200）

基于體繪制思維的人臉識(shí)別算法優(yōu)化研究

黃孝平

（南寧學(xué)院 機(jī)電與質(zhì)量技術(shù)工程學(xué)院，廣西 南寧 530200）

傳統(tǒng)的人臉識(shí)別算法主要解決二維正面圖像識(shí)別，如果人體姿態(tài)發(fā)生明顯變化，或外界環(huán)境發(fā)生顯著變化，則算法性能大大降低，無(wú)法獲取準(zhǔn)確的識(shí)別結(jié)果。體繪制算法針對(duì)三維數(shù)據(jù)場(chǎng)進(jìn)行繪制，繪制的圖像能夠描述人臉的內(nèi)部細(xì)節(jié)，可提高人臉識(shí)別精度。因此，提出一種基于體繪制思維的人臉識(shí)別算法，依據(jù)聚類思想對(duì)二維人臉庫(kù)進(jìn)行聚類，在各分類的基礎(chǔ)上，構(gòu)建人臉相似模型。通過(guò)錯(cuò)切變形體制算法，構(gòu)建人臉體數(shù)據(jù)，實(shí)現(xiàn)人臉體數(shù)據(jù)坐標(biāo)系統(tǒng)的轉(zhuǎn)換以及人臉三維圖像的合成，從人臉三維圖像中采集人臉特征，利用相似性模型對(duì)人臉關(guān)鍵特征同數(shù)據(jù)庫(kù)已有的特征進(jìn)行匹配分析，完成人臉身份識(shí)別。實(shí)驗(yàn)結(jié)果說(shuō)明，所提算法對(duì)于不同表情和不同光照條件下的人臉圖像，都具有較高的識(shí)別率和魯棒性。

體繪制；人臉識(shí)別；三維圖像；相似性模型

0 引言

人臉識(shí)別技術(shù)應(yīng)用廣泛，并且隨著社會(huì)的發(fā)展，不同場(chǎng)合對(duì)個(gè)體身份識(shí)別提出了更為嚴(yán)格的要求[1?3]。傳統(tǒng)的人臉識(shí)別算法主要解決二維正面圖像識(shí)別，如果人體姿態(tài)發(fā)生明顯變化，或外界環(huán)境發(fā)生顯著變化，則算法性能大大降低，無(wú)法獲取準(zhǔn)確的人臉識(shí)別結(jié)果[4?6]。體繪制算法針對(duì)三維數(shù)據(jù)場(chǎng)進(jìn)行繪制，繪制的圖像能夠描述人臉的內(nèi)部細(xì)節(jié)，可提高人臉識(shí)別精度，因此該種算法成為人臉識(shí)別領(lǐng)域相關(guān)人員分析的熱點(diǎn)。

當(dāng)前的人臉識(shí)別算法較多，文獻(xiàn)[7]提出基于輪廓線的方法，基于一系列圖像塑造人臉的三維模型，研究人臉模型的面貌曲率，采集輪廓線中的特征點(diǎn)，完成人臉識(shí)別；但是該種方法對(duì)人臉幾何特征具有較高的敏感性，局限性較高。文獻(xiàn)[8]依據(jù)平均曲率從人臉圖像中采集凸區(qū)域，運(yùn)算不同人臉凸區(qū)域間的相關(guān)矩陣，基于該矩陣完成人臉識(shí)別；該種方法精度較低，容易產(chǎn)生誤判。文獻(xiàn)[9]提出了一種基于深度圖像標(biāo)定人臉區(qū)域，通過(guò)多階段融合方法，實(shí)現(xiàn)人臉的有效識(shí)別；但該種方法消耗能量較高，識(shí)別效率低。文獻(xiàn)[10]分析了一種快速三維人臉識(shí)別方法，通過(guò)采集人臉上半部分特征，將特

征投影到非線性空間，再經(jīng)過(guò)支持向量機(jī)進(jìn)行人臉識(shí)別；但算法的計(jì)算量大，十分耗時(shí)。

為了解決上述分析的問(wèn)題，本文提出了一種基于體繪制思維的人臉識(shí)別算法，依據(jù)聚類思想對(duì)二維人臉庫(kù)進(jìn)行聚類，再在各分類的基礎(chǔ)上，構(gòu)建人臉相似模型。通過(guò)錯(cuò)切變形體制算法，構(gòu)建人臉體數(shù)據(jù)，合成人臉三維圖像，再?gòu)脑撊四樔S圖像中獲取人臉特征，利用相似性模型對(duì)人臉關(guān)鍵特征進(jìn)行匹配分析，完成人臉身份識(shí)別。實(shí)驗(yàn)結(jié)果說(shuō)明，所提算法對(duì)于不同表情和不同光照條件下的人臉圖像，都具有較高的識(shí)別率和魯棒性。

1 基于體繪制思維的人臉識(shí)別系統(tǒng)框架

依據(jù)傳統(tǒng)相似模型框架，本文提出了基于體繪制思維建模的人臉識(shí)別系統(tǒng)框架，如圖1所示。

圖1 系統(tǒng)架構(gòu)圖

本文通過(guò)相似性運(yùn)算模塊，按照輸入的二維圖像，在n個(gè)相似模型基于相似性最大原則獲取一個(gè)相似模型進(jìn)行模型匹配。在塑造n個(gè)相似模型過(guò)程中，基于聚類思想先對(duì)二維人臉庫(kù)進(jìn)行聚類，再在各分類的基礎(chǔ)上，構(gòu)建相應(yīng)的相似模型。基于輸入的二維人臉圖像切片序列，通過(guò)錯(cuò)切變形體制算法，對(duì)人臉體數(shù)據(jù)進(jìn)行塑造，完成體數(shù)據(jù)坐標(biāo)系統(tǒng)的轉(zhuǎn)換和人臉三維圖像的合成。再?gòu)暮铣傻娜四樔S圖像中采集人臉特征，利用相似性模型對(duì)獲取的人臉關(guān)鍵特征同數(shù)據(jù)庫(kù)已有的特征進(jìn)行匹配分析，完成人臉身份識(shí)別。

2 塑造相似模型

2.1 模型人臉選擇

運(yùn)算二維人臉圖像同相似模型間的相似性時(shí)，給定模型的組合參數(shù)，則可獲取新的模型人臉(SMOD,TMOD)，再計(jì)算輸入二維人臉同相似模型間的相似性。人臉相似模型的表達(dá)式為：

式中：a和b表示模型的組合參數(shù)；S和T分布表示人臉二維圖像的橫坐標(biāo)和縱坐標(biāo)；和則表示人臉二維圖像橫縱坐標(biāo)的均值。分析式（1）可得，通過(guò)調(diào)控模型組合參數(shù)，，相似模型能夠產(chǎn)生大量的模型人臉，本文選擇平均臉作為人臉相似模型，由式（1）可知，應(yīng)設(shè)置，中的所有al和bl都取0，則由相似模型產(chǎn)生的新模型人臉就是平均臉(,)。

2.2 相似性的計(jì)算

式中：Ir,motel表示不同人臉姿態(tài)相似模型；Ig,model表示不同攝像機(jī)狀態(tài)下相似模型；Ib,model表示不同光照環(huán)境下相似模型，則輸入的二維人臉圖像為：

兩張人臉圖像的全部相似和色階的歐幾里得距離為：

式中：Iinput表示待識(shí)別的二維圖像模型；E的大小描述了兩張人臉相似性的大小，其值越高相似性越低，反之越大。n個(gè)相似模型可產(chǎn)生n張對(duì)應(yīng)的平均人臉，E最小的平均人臉對(duì)應(yīng)的相似模型則是同二維輸入圖像最相似的相似模型，也就是人臉相似模型。

3 人臉識(shí)別過(guò)程

三維人臉圖像包含較多的信息，人臉識(shí)別是提供一張未知身份的人臉圖像，將該張圖像與一個(gè)身份已知的人臉數(shù)據(jù)庫(kù)圖像進(jìn)行對(duì)比分析，進(jìn)而明確改張人臉的身份。

3.1 基于體繪制算法的人臉三維圖像重建流程

人臉識(shí)別過(guò)程中需要獲取人臉特征點(diǎn)的三維數(shù)據(jù)分布，本文基于體繪制算法塑造人臉三維圖像模型，再?gòu)脑撃Ｐ椭胁杉四樚卣鼽c(diǎn)，進(jìn)而采用相似模型對(duì)人臉特征點(diǎn)進(jìn)行匹配分析，完成人臉身份識(shí)別。

本文采用錯(cuò)切變形體繪制算法，實(shí)現(xiàn)人三維圖像的重建，詳細(xì)的流程圖如圖2所示。

錯(cuò)切變形算法主要是對(duì)人臉體數(shù)據(jù)進(jìn)行塑造，完成人臉體數(shù)據(jù)坐標(biāo)系統(tǒng)的轉(zhuǎn)換和三維人臉圖像的合成，具體的過(guò)程為：

（1）讀入二維切片序列塑造人臉三維體數(shù)據(jù)，依據(jù)人臉二維切片的大小依次讀入數(shù)據(jù)，每張二維切片中依據(jù)行列順序讀入相應(yīng)的數(shù)據(jù)，將讀取的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)組結(jié)構(gòu)中。結(jié)束數(shù)據(jù)讀入工作后，應(yīng)構(gòu)建人臉體數(shù)據(jù)場(chǎng)

的物理標(biāo)系，為數(shù)組中的繪制數(shù)據(jù)設(shè)置惟一的物體坐標(biāo)值。將原始視矩陣設(shè)置成單位矩陣。

圖2 錯(cuò)切變形體制流程圖

（2）將人臉坐標(biāo)變換成標(biāo)準(zhǔn)人臉坐標(biāo)，再按照視線完成視矩陣的校正確保校正后的視矩陣轉(zhuǎn)換到人臉觀測(cè)坐標(biāo)系。

（3）對(duì)校正后的視矩陣進(jìn)行錯(cuò)切變形分解，獲取錯(cuò)切矩陣和變形矩陣，確保錯(cuò)切坐標(biāo)系中的第三坐標(biāo)軸同視線方向平行，再將錯(cuò)切坐標(biāo)系規(guī)范化，同時(shí)對(duì)錯(cuò)切矩陣和變形矩陣校正處理，進(jìn)而獲取人臉標(biāo)準(zhǔn)錯(cuò)切坐標(biāo)系。

（4）在人臉標(biāo)準(zhǔn)錯(cuò)切坐標(biāo)系進(jìn)行投影操作，基于重采樣和圖像合成原理，在人臉標(biāo)準(zhǔn)錯(cuò)切坐標(biāo)系中，進(jìn)行二維切片內(nèi)的重采樣處理，再對(duì)重采樣值按照傳遞函數(shù)進(jìn)行顏色和不透明度的映射，基于合成算子沿視線進(jìn)行人臉圖像合成，同時(shí)投影到中間投影平面，最終產(chǎn)生中間圖像。

（5）變形形成最終圖像，對(duì)變形矩陣進(jìn)行降維處理，獲取用于二維圖像的變形矩陣，并將該變形矩陣作用于中間圖像，變形后獲取的圖像則是人臉三維圖像。

3.2 代碼設(shè)計(jì)

本文通過(guò)標(biāo)準(zhǔn)C++語(yǔ)言和Opengl圖形庫(kù)實(shí)現(xiàn)上文描述的錯(cuò)切變形算法，該算法的具體實(shí)現(xiàn)用偽代碼描述算法為：

procedure Umonin（erlom）

Qsddm（BxsomWriik）；

AnalysisEdge（）；

Synthetic（）；

Deformation（）；

AccordingFaceimage（）；

end

其中：Umonin（erlom）是主函數(shù)，用于完成erlom體數(shù)據(jù)的繪制；Qsddm（BxsomWriik）可將視矩陣依據(jù)錯(cuò)切變形分解理論，分割成錯(cuò)切矩陣以及變形矩陣，同時(shí)將主軸信息存儲(chǔ)下來(lái)；AnalysisEdge（）對(duì)中間圖像的邊緣盒進(jìn)行運(yùn)算，同時(shí)運(yùn)算各張切片在中間圖像的左上角和右下角點(diǎn)的坐標(biāo)，進(jìn)而在運(yùn)算各張切片對(duì)中間圖像的價(jià)值度過(guò)程中，僅對(duì)同切片對(duì)應(yīng)的中間圖像進(jìn)行檢索和合成；Synthetic（）完成圖像的合成；并且在在合成圖像過(guò)程中，需要依據(jù)切片順序，融合各張切片和中間圖像。Synthetic（）函數(shù)的偽代碼為：

procedure Synthetic（）

for（n=0；n

for（xi=xi_start；xi

for（yi=yi_start；yi

contribution=resample（xi，yi）；

color=C（contribution）；

uqionm=EirongePllon（（Econtribution））；

ContributionToPoint（xi，yi）；

end

end

end

end

合成完成后即生成中間圖像。Deformation（）通過(guò)后向變形法，對(duì)合成的中間圖像進(jìn)行變形處理，產(chǎn)生最終的人臉三維圖像。該函數(shù)先按照變形矩陣，運(yùn)算中間圖像在最終圖像中的包圍盒，再運(yùn)算包圍盒中的點(diǎn)在中間圖像中的坐標(biāo)，依據(jù)坐標(biāo)位置在中間圖像中完成重采樣，獲取的重采樣值則為最終圖像中相關(guān)點(diǎn)的顏色值；AccordingFaceimage（）應(yīng)用OpenGL的紋理貼圖性能，確保最終圖像顯示到屏幕中。

3.3 三維人臉特征提取和識(shí)別

基于錯(cuò)切變形體繪制算法，重建三維人臉圖像，再?gòu)脑撊S人臉圖像中采集人臉特征。應(yīng)先匹配三維人臉圖像空間坐標(biāo)進(jìn)行匹配，通過(guò)深度圖像處理技術(shù)分析人臉曲面的曲率等特征，分割人臉曲面凹凸區(qū)域，采集人臉正側(cè)面輪廓邊緣，將采集到的特征當(dāng)成識(shí)別的要素。本文基于圖像灰度提取三維人臉特征，依據(jù)人臉不同區(qū)域的灰度變化情況，先匹配人臉三維圖像空間方向，再將圖像從空間域轉(zhuǎn)換到頻率中進(jìn)行操作，最終獲取人臉關(guān)鍵特征。

基于采集到的人臉關(guān)鍵特征，通過(guò)人臉相似模型同數(shù)據(jù)庫(kù)中已有的圖像進(jìn)行對(duì)比，完成人臉識(shí)別。相似模型在識(shí)別人臉過(guò)程中，先匹配人臉總體輪廓和三維空間

方向，再在保持姿態(tài)穩(wěn)定的狀態(tài)下，對(duì)人臉圖像不同特征點(diǎn)進(jìn)行匹配，這些特征點(diǎn)通過(guò)人臉圖像特征采集過(guò)程獲取。匹配過(guò)程中按照人臉特征向量的統(tǒng)計(jì)相似度完成分析，如果相似度處于一定的區(qū)間中，則為識(shí)別結(jié)果。相似度運(yùn)算公式為：

式中：ti表示待檢驗(yàn)樣本的特征向量的第i個(gè)特征分量；pi是樣本庫(kù)中樣本的特征向量的第i個(gè)特征分量；ki是第i個(gè)特征分量的權(quán)值，m是特征向量的維數(shù)。

4 實(shí)驗(yàn)分析

本文實(shí)驗(yàn)選擇AR人臉庫(kù)進(jìn)行實(shí)驗(yàn)，如圖3所示，選取AR人臉庫(kù)包含105人，其中（a）～（e）為表情變化庫(kù)，（g）～（l）為光照變化庫(kù)。實(shí)驗(yàn)前先將圖片處理，將其縮放到46×62大小。

圖3 AR人臉庫(kù)

4.1 表情變化實(shí)驗(yàn)

在AR人臉庫(kù)上，針對(duì)不同的表情變化人臉圖像圖3（a）～（f），采用本文算法和輪廓線算法進(jìn)行識(shí)別，得到的結(jié)果用表1描述。分析表1可得，本文算法對(duì)于不同的人臉表情具有較高的識(shí)別率。

表1 AR人臉庫(kù)中表情不同下不同算法的識(shí)別率%

4.2 光照變化實(shí)驗(yàn)

在AR人臉庫(kù)上，針對(duì)不同的光照狀態(tài)下人臉表情變化圖像圖3（g）～（l），實(shí)驗(yàn)分別對(duì)比兩種方法對(duì)應(yīng)不同人臉圖像的識(shí)別率。分析表2可以看出，在不同的光照條件下，本文算法對(duì)于不同的人臉表情圖像的識(shí)別率不低于93%，且遠(yuǎn)遠(yuǎn)高于輪廓線算法，具有較高的優(yōu)越性。

表2 AR人臉庫(kù)中不同光照條件下不同算法的識(shí)別率%

4.3 識(shí)別精度對(duì)比

為了顯示本文人臉識(shí)別算法相對(duì)于輪廓線算法在識(shí)別效率上的優(yōu)越性，在AR人臉數(shù)據(jù)中任意選取了80張人臉圖像進(jìn)行實(shí)驗(yàn)。兩種算法對(duì)于實(shí)驗(yàn)人臉的識(shí)別精度對(duì)比結(jié)果如圖4所示。

圖4 識(shí)別精度對(duì)比

分析圖4可以看出，本文算法在進(jìn)行人臉識(shí)別時(shí)的精度遠(yuǎn)遠(yuǎn)高于輪廓線算法，并且對(duì)人臉樣本的數(shù)量不敏感，說(shuō)明本文算法具有較高的魯棒性。

5 結(jié)語(yǔ)

本文提出了一種基于體繪制思維的人臉識(shí)別算法，依據(jù)聚類思想對(duì)二維人臉庫(kù)進(jìn)行聚類，再在各分類的基礎(chǔ)上，構(gòu)建人臉相似模型。通過(guò)錯(cuò)切變形體制算法，構(gòu)建人臉體數(shù)據(jù)，實(shí)現(xiàn)人臉體數(shù)據(jù)坐標(biāo)系統(tǒng)的轉(zhuǎn)換以及人臉三維圖像的合成，從人臉三維圖像中采集人臉特征，利用相似性模型對(duì)人臉關(guān)鍵特征同數(shù)據(jù)庫(kù)已有的特征進(jìn)行匹配分析，完成人臉身份識(shí)別。實(shí)驗(yàn)結(jié)果說(shuō)明，所提算法對(duì)于不同表情和不同光照條件下的人臉圖像，具有較高的識(shí)別率和魯棒性。

[1]陳炳權(quán)，劉宏立.基于二次修正的LRP算子和稀疏表示的人臉表情識(shí)別[J].中南大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，45（5）：1053?1058.

[2]SINAN N，ROZIATI Z，SAMEEM A K.Detecting face in colored images using multi?skin color models and neural net? work with texture analysis[J].Malaysian Journal of Computer Science，2013，26（2）：101?123.[3]ST EFANOS Z，GRAY A A，MARK F H ，et al.Face recogni?tion and verification using photometric stereo：the photoface da?tabase and a comprehensive evaluation[J].IEEE Transactions on Information Forensics and Security，2013，8（1）：121?135.

[4]FEMANDES S，BALA J.Performance analysis of PCA?based and LAD?based algorithms for face recognition[J].International Journal of Signal Processing Systems，2013，1（1）：1?6.

[5]KATSIMEROU C，REDI J A，HEYNDERICKX I.Face detec?tion in intelligent ambiences with colored illumination[C]//Pro?ceedings of 2013 International Symposium on Ambient Intelli?gence.Salamanca：Springer，2013：195?204.

[6]TORU N，TAKAHIRO H，TETSUYA T，et al.RGB?D based 3D?object recognition by LLC using depth spatial pyramid[J]. Information and Communication Engineers，2013，112（441）：43?48.

[7]SURYA P A，SHAILJA S.Automatic face detection using color based segmentation&eigen face?based facial recognition[J]. International Journal of Enhanced Research in Science Tech?nology&Engineering，2013，2（11）：1?10.

[8]FANHAI X，SHAHREL A S.Fusion of multi color space for human skin region segmentation[J].International Journal of In?formation and Electronics Engineering，2013，3（2）：172?174.

[9]袁建英，郭進(jìn)，王瑋，等.一種結(jié)構(gòu)光三維掃描系統(tǒng)新標(biāo)定方法[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（3）：151?153.

作者信息：黃孝平（1973—），男，廣西桂林人，高級(jí)工程師，碩士。研究方向?yàn)橹悄芸刂?、嵌入式系統(tǒng)等。

Optimization research of face recognition algorithm based on volume rendering thinking

HUANG Xiaoping
（School of Electromechanical and Quality Technology Engineering，Nanning University，Nanning 530200，China）

The traditional face recognition algorithm is used mainly for the two?dimensional positive image recognition.The algorithm performance will be greatly reduced when the human body posture and external environment have changed significant?ly，so it is unable to obtain the accurate identification results.The volume rendering algorithm conducts drawing for the three?di?mensional data field，and the drawed image can describe the internal details of the face，so the accuracy of face recognition can be improved.Therefore，a face recognition algorithm based on volume rendering thinking is proposed，in which the two?dimen?sional face library is clustered according to the clustering thought，and the similar face models are constructed on the basis of each classification.The face volume data is constructed by the algorithm of shear deformation system to realize the coordinate system transformation of face volume data and synthesis of face three?dimensional images.The facial features are acquired in face three?dimensional image，and the similarity model is used to conduct matching analysis for the face key feature existing in the same database，then face recognition is completed.The experimental results indicate that the proposed algorithm has high recognition rate and robustness for the face images with different expressions and different illumination conditions.

volume rendering；face recognition；three?dimensional image；similarity model

TN911?34

A

1004?373X（2015）24?0019?04

10.16652/j.issn.1004?373x.2015.24.006

2015?07?17

2015年廣西高校科研項(xiàng)目（KY2015YB529）；2015年廣西高等教育本科教學(xué)改革工程項(xiàng)目（2015JGB439）；廣西十二五教育規(guī)劃2015年資助經(jīng)費(fèi)重點(diǎn)課題（2015A028）