李娜，張曉寧，朱芳娥

（石家莊鐵道大學四方學院計算機系，河北 石家莊 050011）

視覺傳感網(wǎng)絡中身份特征自適應識別算法改進

李娜，張曉寧，朱芳娥

（石家莊鐵道大學四方學院計算機系，河北 石家莊 050011）

在對視覺傳感網(wǎng)絡中身份特征進行識別時，容易受到人臉表情、光照條件及遮擋等干擾，降低了身份特征識別精度。提出了一種基于改進最小灰度差樹的身份特征自適應識別算法。對待識別圖像進行灰度處理后，利用最小灰度差數(shù)增強待識別圖像的質量；定義基于灰度的代價函數(shù)，獲取待識別人臉圖像和指定人臉圖像對應的各灰度對的匹配代價，建立最小灰度差樹模型，計算兩幅圖像相似度后，直接采用最近鄰匹配算法獲取和視覺傳感網(wǎng)絡注冊圖庫中最小匹配代價對應的圖像身份，將其看作待識別身份，實現(xiàn)視覺傳感網(wǎng)絡中身份特征自適應識別。 仿真實驗結果表明，所提算法具有很高的身份識別精度。

視覺傳感網(wǎng)絡；身份特征；自適應識別

1 引言

隨著信息技術的快速發(fā)展，視覺傳感網(wǎng)絡技術已經(jīng)被廣泛應用到金融、電子商務等多個領域，視覺傳感網(wǎng)絡的信息量快速增加，傳感網(wǎng)絡信息的安全成為了該領域存在的 重 點 問 題［1，2］。如 何 有 效 地 增 加 視 覺 傳 感 網(wǎng) 絡 的 安 全 性 能成為了亟待解決的問題，而身份特征識別是保證視覺傳感網(wǎng)絡安全的必要前提，如何有效地對用戶的身份進行識別、保護視覺傳感網(wǎng)絡信息的安全，已經(jīng)受到相關領域專家學者的廣泛重視，同時也出現(xiàn)了一些較好的身份特征自適 應 識 別 算 法［3-5］。

其中，參考文獻［6］提出了基于空間頻率特征模式相融合的視覺傳感網(wǎng)絡身份識別算法，通過坐標系和傅里葉變換對空間特征和頻率特征進行提取和融合，通過支持向量機對融合特征進行學習和分類，實現(xiàn)視覺傳感網(wǎng)絡中的身份識 別 ，但 該 方法識別 精 度差；參考文 獻［7］提 出 了基 于 掌紋和人臉特征的視覺傳感網(wǎng)絡身份識別算法，對掌紋和人臉圖像進行融合，通過小波變換對融合后的圖像進行加強，采用最小距離分類器對身份信息進行分類，完成身份識別 ，但該 方 法實現(xiàn)過 程 復雜；參考文 獻［8］提 出 了基 于 遺傳算法和 BP 神經(jīng)網(wǎng)絡的視覺傳感網(wǎng)絡身份識別方法，通過小波技術對噪聲進行過濾；然后選擇含有個體身份信息的幅值、間期特征作為 BP 神經(jīng)網(wǎng)絡的輸入向量，利用遺傳算法對 BP網(wǎng)絡的權值和閾值進行優(yōu)化，達到身份識別的目的 ，但該 方 法易陷入 局 部最優(yōu)；參考 文 獻［9］提 出了 基 于小波變換和支持向量機的 ECG 身份識別算法，采用小波處理對 ECG 信號中的噪聲進行過濾；對 ECG 特征進行降維處理，刪除冗余特征，并輸入支持向量機實現(xiàn)訓練，完成身份識別，該算法實現(xiàn)過程非常復雜、運行效率低，不適合大范 圍 使 用；參考文獻［10］提出了 基 于人 臉 辨 別 技術 的 視覺傳感網(wǎng)絡身份識別算法，在人臉辨別技術的基礎上，通過二階雙向二維主成份分析法對人臉特征進行提取，并利用人臉匹配技術實現(xiàn)身份識別，該方法易受到外界環(huán)境的影響，識別準確度低。

針對傳統(tǒng)算法存在的弊端，提出了基于改進最小灰度差樹的視覺傳感網(wǎng)絡中身份特征自適應識別算法，并和參考 文 獻［7］中 提 出 的 基 于 掌 紋 和 人 臉 特 征 的 視 覺 傳 感 網(wǎng)絡身份識別算法進行比較，通過相關實驗對其性能進行了驗證。

2 基于改進最小灰度差樹的視覺傳感網(wǎng)絡身份特征自適應識別算法

2.1 mean shift特 征 向 量 提 取

通過對人臉中可識別特征的數(shù)目與深度的分析，從而能夠確定人臉之間的關聯(lián)水平。本文使用像素統(tǒng)計迭代法，利 用 式 （1）獲 取 人 臉 里 能 辨 別 的 mean shift向 量 。

其 中為 mean shift 向 量 的 核 函 數(shù) ，s（xi）為mean shift向 量 的 橫 坐 標 。

假 設 初 始 點 為 x，核 函 數(shù) 的 誤 差 為 λ，mean shift向 量函數(shù)為 pk（x）。將 式 （1）中 mean shift算 法 反 復 實 行 預 處 理 ，直到產(chǎn)生||pk（x）-x||＜λ時停止計算，詳 細 的 計 算 步 驟 如 下 ：

（1）運 行 pk（x）；

（2）將 pk（x）賦給 x；

（3）若||pk（x）-x||＜λ，則 停 止 運 行 ；反 之 則 繼 續(xù) 計 算。

由于人臉特征間隔和夾角可以代表人臉的重要特征，通過特征像素統(tǒng)計迭代法可以計算人臉特征間隔和夾角，得到 mean shift的 特 征 向 量 ，能 夠解釋 和 特 定 人 臉 之 間 的關聯(lián)，人 臉 的 mean shift特 征 向 量 如 圖 1 所 示 。

圖1 人臉的 mean shift 特 征 向 量

采用上述方法對人臉特征、特征夾角及特征間隔進行計算，根據(jù)對應的計算結果對人臉進行有效切割，為后續(xù)解析關聯(lián)水平提供理論依據(jù)。

2.2 人臉圖像灰度處理

在 完 成 人 臉 的 mean shift特 征 向 量 提 取 后 ，為 了 進 一步增強視覺傳感網(wǎng)絡中識別身份的效果，需對得到的圖片進行灰度處理，將其應用于身份特征自適應識別中，具體步驟如下所示。

假 設 人 臉 圖 像 像 素 的 灰 度 值 用 D=f（x，y）進 行 描 述 ，經(jīng)處理后的圖像像素灰度值 可用 D＇=g（x，y）進行表示，再利用式（2）的灰度變換函數(shù)對圖像像素灰度進行增強處理。

其中，D 和 D＇需要在圖像的灰度范圍區(qū)間內(nèi)。

假設原待識別圖 像 灰 度直方圖 分 布用 P（x）進 行描述，可將式（2）帶入 P（x）中，利用式（3）對原圖像灰度進行轉換：

分 析 式 （3）可 知 ，經(jīng) 處 理 后 的 灰 度 分 布 函 數(shù) P（y）為 原圖像灰度分布 P（x）的積分。所以，針對任意待識別身份，在經(jīng)直方圖均衡化處理后，圖像的灰度分布也呈現(xiàn)均一化。

假設對原圖像灰度進行轉換后的灰度級為 L，分辨率為 M×N，利用式（4）計算灰度級的常數(shù) c 為：

將式（4）代入式（3），利用式（5）獲取直方圖均衡化函數(shù)，可以對圖像的灰度分布進行均一化，實現(xiàn)直方圖均衡化處理。

其中，INT（）用于描述取整用 于 描 述 灰 度 值在 x0到 x 之間的像素點個數(shù)。

2.3 視覺傳感網(wǎng)絡中身份特征自適應識別算法改進

完成對圖像的灰度處理后，引入最小強度差數(shù)法實現(xiàn)視覺傳感網(wǎng)絡中身份特征的自適應識別，具體過程如下。

2.3.1 基于灰度的匹配代價計算

在身份特征識別過程中，圖像灰度強度差項和灰度梯度差項是灰度匹配代價函數(shù)中的重要參數(shù)，現(xiàn)將這兩個參數(shù)表征為灰度匹配代價。以上述的圖像灰度均一化處理為基礎，定義一個基于灰度的代價函數(shù)，求出待識別人臉圖像和指定人臉圖像對應的各灰度及相應的匹配代價，過程如下。

首先，針對兩幅圖像對應的各灰度對，定義一種代價函數(shù)，描述位置為y的灰度和同一位置的灰度的匹配程度，利用式（6）對該函數(shù)進行描述：其 中 ，α 用 于 描 述 調 節(jié) 強 度 差 項 dint（y）和 梯 度 差 項dgra（y）的 權 值 ，τ1和 τ2為 不 同 時 期 的 閾 值 。

將式（6）的計算結果帶入，利用式（7）、式（8）計算灰度強 度 差 項 dint（y）和 灰 度 梯 度 差 項 dgra（y）：

其中，用于描述縮放調節(jié)強度差值的一個常量；Ω用于描述一個 M×N 尺寸的窗口，窗口把灰度位置 y作為中心；δ用于描述一個可變的二維偏移向量，變量上的短橫線代表在窗口下的求平均操作；▽用于描述處于水平方向的梯度算子。

2.3.2 最小灰度差樹模型的建立

利用第 2.3.1 節(jié) 獲 取 的 灰 度 匹 配 代 價 ，建 立 最 小 灰 度差 樹 （minimum intensity difference tree，MIDT）模 型 ，為 身份特征自適應識別的實現(xiàn)提供了有效依據(jù)，識別過程如下。

將 待 識 別 圖 像 （probe image）I 用 一 個 無 向 連 接 圖 G=（V，E）進行描述，圖像 I的頂點 V 是由圖像 I中的全部灰度構成，圖像 I的邊 E 是通過最近鄰灰度值之間的全部邊構成，可將其看作一個標準 4連通圖。

假設這個標準4連通圖中相鄰灰度對x和 y之間的邊分配權重可描述成 w（x，y）=w（y，x）=|I（x）-I（y）|。則在對相似度進行計算的過程中，需在一個子輪廓內(nèi)完成相鄰灰度的比較，重 新 計 算 獲 取 一 個 最 小 生 成 樹 （minimum spanning tree），該最小生成樹能夠保留原灰度圖的全部像素，而且是全部生成樹中最小邊的權重之和。由于上述最小生成樹具有穿過邊緣（edge）的最小灰度差，所以將其稱作最小灰度差樹。

本 文 用 L（x，y）描 述 最 小 灰 度 差 樹 上 x 和 y 兩 個 節(jié) 點（像素點）間的距離，也就是和像素相連邊上的權重之和。若最小灰度差樹上兩個節(jié)點間的距離很近，則與之對應的兩個像素的相似程度將會很大；反之，若最小灰度差樹上兩個節(jié)點間的距離很遠，則與之對應的兩個像素的相似程度將會很小。依據(jù)上述原理，利用式（9）計算兩個像素之間的相似度。

針對最小灰度差樹結構，本文將之前為各節(jié)點（像素）定義的代價函數(shù)擴展至利用整 棵樹 T（x）匯 聚的代價 函 數(shù)，利用式（10）表示：

同理，本文用 CST（x）描述以像素 x 為根節(jié)點的子樹 ST（x）上匯聚的代價和，則節(jié)點的父節(jié)點 Q（x）為：

利用子樹上的父節(jié)點進行層層遞進設計，利用式（12）建立最小灰度差樹模型。

2.3.3 視 覺 傳 感 網(wǎng) 絡 中 身 份 特 征 自 適 應 識 別 算 法 改 進 的實現(xiàn)

利 用 第 2.3.2 節(jié) 建 立 的 最 小 灰 度 差 樹 模 型 對 匹 配 代 價進行匯聚后，分別對視覺傳感網(wǎng)絡中待識別圖像和指定圖像的相似度進行計算，并用最近鄰獲取身份特征自適應識別結果。

通過求和獲取整幅待識別圖像（尺寸為 h·υ）的匹配代價，同時對其進行歸一化處理，最終獲取一個圖像的匹配代 價 （matching cost，MC），通 過 該 匹 配 代 價 對 兩 幅 圖 像 的相似度進行計算。

得到兩幅圖像的相似度計算結果后，直接采用最近鄰匹配，獲取與視覺傳感網(wǎng)絡的注冊圖庫中最小匹配代價對應的圖像身份，將其看作待識別身份，實現(xiàn)視覺傳感網(wǎng)絡中身份特征自適應識別。

3 仿真實驗結果與分析

為了驗證本文提出的基于改進最小灰度差樹的視覺傳感網(wǎng)絡中身份特征自適應識別算法的有效性及可行性 ，需 要 進 行 相 關 的 實 驗 分 析 ，將 參 考 文 獻 ［7］提 出 的 傳統(tǒng)基于掌紋和人臉特征的視覺傳感網(wǎng)絡身份識別算法作為對照。

本文將專門為表情和光照變化設計的 AR人臉數(shù)據(jù)庫作為樣本進行實驗。該數(shù)據(jù)庫中的每個人均存在 7張人臉圖像，如圖 2 所示，圖 2（a）描述的是 1 張中性無變量干擾的圖像，圖 2（b）描述的是 3 張帶有表情變量的圖像，圖2（c）描述的是 3 張帶有光照變量的圖像。

實驗采用了數(shù)據(jù)庫提供的標準圖像集合，共含有 150 個人，將每個人的中性人臉圖像作為視覺傳感網(wǎng)絡中的注冊圖像，將其余 3個表情變量與 3個光照變量圖像作為探測圖 像 集 （probe images set）。采 集 的 特 征 見 表 1。

表1 標準人臉的幾何特征

在獲取準確的人臉幾何特點之后，需要對不一樣表情下的人臉幾何特點進行收集，詳細的表情轉變狀況見表 2。

表2 三維人臉模型幾何特點獲取

構建的三維人臉模型分表帶有不一樣的表情，這些表情都能干擾到三維幾何特點獲取的正確性，通過不一樣的三維人臉表情，來證明本文算法的實用性。

圖2 AR 數(shù)據(jù)庫中 1個人不同變量下的人臉圖像

表3 AR數(shù)據(jù)庫上兩種識別算法的準確率比較結果

分 別 采 用本 文 方 法 和參 考 文 獻［7］提 出 的基 于 掌 紋 和人臉特征的識別算法對上述數(shù)據(jù)集中的圖像進行身份特征識別，兩種方法的識別準確率見表 3。

分析表 3可以看出，本文算法不管是在表情變化還是在光照變化的情況下，均可達到很高的識別準確率，而基于掌紋和人臉特征的識別算法在光照和表情發(fā)生變化時，識別準確率發(fā)生了很大的改變，說明本文算法在不同變量情況下的表現(xiàn)均非常穩(wěn)定，這些特性對于視覺傳感網(wǎng)絡中身份特征識別的有效實現(xiàn)十分關鍵。

為了進一步證明本文算法的有效性，在上述實驗的基礎上，對兩種算法的性能細節(jié)進行統(tǒng)計比較，得到的結果見表 4。

表4 兩種算法性能的細節(jié)比較

分析表 4可以看出，在基于掌紋和人臉特征的識別算法識別準確率最低的驚訝表情下，本文算法的識別準確度依舊很高，不僅如此，在上述幾種變量下，本文算法的識別準確率一直高于基于掌紋和人臉特征的識別算法識別準確率，更加證明了本文算法的有效性。

4 結束語

針對傳統(tǒng)的身份特征識別算法的弊端，提出了一種基于改進最小灰度差樹的視覺傳感網(wǎng)絡中的身份特征自適應識別算法，并通過仿真實驗證明了該算法具有很高的身份識別精度。

［1］ 張善文，張傳雷，黃文準. 基于最大最小判別映射的煤礦井下人員身份鑒別方法［J］. 煤 炭學報，2013（38）：1894-1899. ZHANGSW，ZHANGCL，HUANGW Z.Personnel identification in mine underground based on maximin discriminant projection ［J］.Journal of China Coal Society，2013（38）：1894-1899.

［2］ 龍毅宏，唐志紅，王亞龍，等. 面向 HTTP 身份鑒別協(xié)議的單點 登 錄 透 明 集 成 技 術 研 究 ［J］. 計 算 機 應 用 研 究 ，2013（30）：2813-2818. LONG Y H，TANG Z H，WANG Y L，et al.Single sign-on transparent integration technology for web systems with HTTP authentication protocols ［J］.Application Research of Computers，2013（30）：2813-2818.

［3］ 任成娟.基于 LPP_SIFT 和巴氏距離相結合的人臉識別算法［J］.電子設計工程，2015，23（2）：35-37. REN C J.Face recognition based on LPP_SIFT and Bhattacharyya distance［J］.Electronic Design Engineering，2015，23（2）：35-37.

［4］ 徐 豐.基 于 聲 音 與 指 紋 特 征 融 合 聚 類 的 身 份 識 別 系 統(tǒng)［J］. 電子制作，2013（15）：50. XU F.Personal identification based on multi-biometrics feature［J］. Practical Electronics，2013（15）：50.

［5］ 唐源江，曹雯靜，吳坤林.基于 SRAP 標記的國蘭種質資源遺傳多樣性分析及分子身份證構建 ［J］. 中國農(nóng)業(yè)科學，2015，48（9）：1795-1806. TANG Y J，CAO W J，WU K L.Genetic diversity analysis and molecular identification card construction of Chinese cymbidium germplasms based on SRAP markers ［J］.Scientia Agricultura Sinica，2015，48（9）：1795-1806.

［6］ 胡朝輝，梁智 強. 電力 信息 系 統(tǒng)身 份 鑒別 技術 的 研究［J］.計 算機應用與軟件，2013（12）：318-321.HU C H，LIANG Z Q.Research on authentication technique in electric power information system［J］.Computer Applications and Software，2013（12）：318-321.

［7］ 劉莎，朱淑華. 在多服務器環(huán)境下的雙因素動態(tài)身份鑒別方案［J］. 計算機應用研究，2015（32）：1119-1122. LIU S，ZHU S H.Novel two-factor dynamic identity based remote user authentication scheme for multi-server environment ［J］. Application Research of Computers，2015（32）：1119-1122.

［8］ 李晨，張功萱，岳寶玲，等. 一種基于條件隨機場的擊鍵特征身份鑒別方 法［J］. 計算機應用研究，2014（31）：2112-2115. LI C，ZHANG G X，YUE B L，et al.Keystroke dynamics based user authentication using conditional random fields ［J］. Application Research of Computers，2014（31）：2112-2115.

［9］ 趙東杰，汪同慶. 基于深度信 息 的 快速 身份 識 別方 法［J］.計算機系統(tǒng)應用，2014，23（11）：132-135. ZHAO D J，WANG T Q.Rapid person identification method based on depth information［J］.Computer Systems&Applications，2014，23（11）：132-135.

［10］高超，張?zhí)祢U，吳旺軍，等.CDMA2000 用戶身份識別方法的研究［J］. 科學技術與工程，2014（14）：80-83. GAO C，ZHANG T Q，WU W J，et al.Research on identification ofCDMA2000 user’ sidentity ［J］.Science Technology and Engineering，2014（14）：80-83.

Improvement of identity adaptive recognition algorithm in visual sensor network

LI Na，ZHANG Xiaoning，ZHU Fang’e
Department of Computer Science，Shijiazhuang Tiedao University Sifang College，Shijiazhuang 050011，China

When recognizing the identity in visual sensor network，it’s easily to be interfered with facial expression，illumination condition and shelter，so as to reduce the recognition accuracy.An identity adaptive recognition algorithm based on the improved minimum gray difference tree in visual sensor network was put forward.After gray processing，the minimum gray difference was used to enhance the quality of the image；cost function based on gray level was defined，the match price of each corresponding pair of gray of the image to be recognized and the specified face image were achieved，minimum gray difference tree model was set up，after two image similarity were calculated，the nearest neighbor matching algorithm was directly applied to obtain the image identity corresponding to minimum matching cost in the visual sensor network registration gallery，it was viewed as the identity to be recognized，the adaptive identity recognition was achieved in visual sensor network.Simulation results show that the proposed algorithm has high identification accuracy.

visual sensor network，identity，adaptive identification

TP391

：A

10.11959／j.issn.1000-0801.2016171

李娜（1976-），女，石家莊鐵道大學四方學院講師，主要研究方向為圖像處理。

張曉寧（1981-），女，石家莊鐵道大學四方學院講師，主要研究方向為數(shù)據(jù)庫應用。

朱芳娥（1983-），女，石家莊鐵道大學四方學院工程師，主要研究方向為數(shù)據(jù)庫應用。

2016-04-27；

：2016-06-01