張　銘　　包　清

（上海市公安局物證鑒定中心　上海　200083）

基于MATLAB輔助的人像識別方法及應(yīng)用

張銘包清

（上海市公安局物證鑒定中心上海200083）

利用MATLAB編程計算人工提取出的特征點之間的距離，并自動匹配計算兩張人像圖片的綜合相似程度，提出計算機(jī)輔助計算可在人工比對的基礎(chǔ)上提供依據(jù)。

人像識別MATLAB編程計算機(jī)比對

1　傳統(tǒng)人像鑒定方法及特點

傳統(tǒng)人像鑒定方法主要有特征點比對法和拼接法。特征點比對法是先對人像的總體輪廓進(jìn)行比對，然后在檢材與樣本之間人工尋找特征點，明確各特征點是符合點還是差異點，并評價各個特征點的價值，綜合評斷后作出鑒定結(jié)論。拼接法主要是針對五官反映較為充分的正面人像，將檢材與樣本各取半張側(cè)臉拼接，通過對拼接線兩邊五官輪廓線條是否連貫，以及兩邊五官比例是否一致作為依據(jù)。

傳統(tǒng)人工比對人像采用的主要特征有：①五官形態(tài)特征，包括眼、眉、耳、口、鼻、額的各種形態(tài)學(xué)上的細(xì)節(jié)特征；五官間的搭配關(guān)系；胡須、皺紋的長短、走向、粗細(xì)等特征。②體態(tài)特征，主要是指對象身材的肥胖、瘦削、勻稱等。③人體特殊標(biāo)記特征，是指病理或損傷造成的解剖學(xué)異常和功能異常，包括痣、班、駝背、跛腳等。④著裝佩飾特征，包括著裝、手表、手鏈、項鏈等。

2　計算機(jī)輔助人像識別的現(xiàn)狀

目前，計算機(jī)輔助識別人像的相關(guān)文獻(xiàn)繁多，但并沒有真正通過實戰(zhàn)檢驗應(yīng)用于公安系統(tǒng)的成熟模型與算法。經(jīng)查閱相關(guān)文獻(xiàn)，目前，計算機(jī)輔助人像識別的算法主要有兩類：一類是基于特征點，另一類是直接基于圖像［1］?；谔卣鼽c的算法是模仿人工選取特征點比對的方法，從人像中提取出各個特征點的信息并對該信息進(jìn)行分類，將檢材與樣本的特征點信息比對綜合評判后得出結(jié)果，比較有代表性的有PCA、 ICA、Fisher鑒別、基于BP神經(jīng)網(wǎng)絡(luò)算法等［2］。直接基于圖像的識別方法是直接利用圖像本身的灰度信息，利用傅里葉變換、小波變換、位數(shù)抽取等方法直接從圖像灰度信息中獲得可供比對的特征向量，利用特征向量間的比對來得出結(jié)論。

兩種計算機(jī)輔助識別方法的共同點在于識別思路是從海量的樣本庫中快速篩選出一定數(shù)量的相似樣本，其算法都包含著降維和簡化的算法，在特征函數(shù)的高維空間內(nèi)找出一個合適的投影方向，使得類間距盡可能大、類內(nèi)距盡可能小［3］。不同之處在于基于特征點的識別方法的實際效果對于特征定義的依賴性很大，特征定義不當(dāng)會嚴(yán)重影響算法甚至導(dǎo)致算法完全失效；直接基于圖像的算法對于整幅圖像的信息利用更充分，算法模型相對穩(wěn)定，但是對條件變化如光照等因素相對敏感。

3　利用多特征點相對距離識別人像的原理與算法

人的相貌具有自身穩(wěn)定性和個體特殊性，是能夠通過人像檢驗明確對象身份的基礎(chǔ)與依據(jù)。在實際檢驗中，由于檢材的圖片質(zhì)量較差，人工比對的過程中可能出現(xiàn)檢材與樣本整體比對無明顯差異化，檢材上無法提取到可靠的特征點的細(xì)節(jié)形態(tài)與樣本進(jìn)行比對，無法得出明確的結(jié)論。

本文利用多個可靠特征點之間的距離作為特征來評判兩張人像圖片之間的相似程度。查閱相關(guān)的文獻(xiàn)和參照實際檢驗中的經(jīng)驗，本次實驗共選取雙眼的內(nèi)眼點、外眼點、鼻末端中點、左嘴角、右嘴角共計7個特征點。利用MATLAB編程自動計算出所提取出的各個特征點的相對距離組成一個特征矩陣C。由于檢材和樣本在分辨率上的不同，對特征矩陣C無法直接進(jìn)行比較，必須通過構(gòu)建函數(shù)衡量檢材與樣本之間的差異與匹配比例系數(shù)k之間的關(guān)系，對該函數(shù)求k的導(dǎo)數(shù)求出駐點即可解出自動匹配計算得出檢材與樣本之間的最佳比例關(guān)系k，以此比例關(guān)系k調(diào)整檢材與樣本的特征矩陣C，計算函數(shù)C平=（ΣC（i，j）-1）/21作為評判兩張人像圖片差異程度的指標(biāo)。利用同一人二代身份證和駕照自身比較與相互比較作為實驗樣本檢驗該指標(biāo)的性能，將40人共計80次實驗結(jié)果經(jīng)由SPSS統(tǒng)計后得出，該參數(shù)在同一人自身比對和不同人之間的比對的結(jié)果上存在著顯著性差異，取閾值為0.03的情況下識別的正確率為93%。

4　案例分析

4.1案例

2015年盧某因出國需要開具無犯罪記錄證明時，發(fā)現(xiàn)被他人冒名（嫌疑冒用人盧某某2007年因犯盜竊罪被上海市區(qū)人民法院判處有期徒刑5年），遂向當(dāng)?shù)厝嗣穹ㄔ禾岢錾暝V。檢材為3張人像照片（見圖1、圖2、圖3），檢材A為盧某本人照片1張，檢材B為采集自盧某某服刑檔案中的頭像照片1張，檢材C為嫌疑冒用人的照片1張。

圖1　檢材A人像

圖2　檢材B人像

圖3　檢材C人像

對檢材A、B進(jìn)行整體檢驗發(fā)現(xiàn)兩者在臉型輪廓上存在較大差異。兩者的眉形在濃淡和走向上存在顯著差異，在胡須濃淡與分布上也存在差異。由于檢材A、B之間差異點較多且無法被合理解釋，故對檢材A、B的結(jié)論為否定同一結(jié)論。對檢材B、C進(jìn)行整體檢驗發(fā)現(xiàn)兩者臉型輪廓基本一致。兩者在眉形的走向、濃淡，以及在胡須的分布與濃淡上均符合。由于檢材B、C之間種類特征吻合不排斥并且存在一定數(shù)量較高特征的符合點，故對檢材B、C的結(jié)論為同一人的結(jié)論。

對檢材A、B之間和檢材B、C之間分別應(yīng)用多特征點相對距離識別的方法，利用人工提取出的特征點輸入MATLAB中構(gòu)造成相應(yīng)的比對矩陣，計算得到檢材A與檢材B之間的C平為0.0485，檢材B與檢材C之間的C平為0.0327。

4.2結(jié)果分析與討論

對檢材A、B進(jìn)行檢驗發(fā)現(xiàn)兩者在比較穩(wěn)定的種類特征上和在細(xì)節(jié)特征上存在著不合理解釋的差異點，故對檢材A、B之間給出的結(jié)論為明確的否定同一。利用MATLAB對提取出的特征點進(jìn)行距離矩陣的比對得到的C平為0.0485，運(yùn)算所得到的結(jié)果C平遠(yuǎn)超過排除閾值0.03。通過應(yīng)用多特征點相對距離識別的方法對檢材A與檢材B之間的檢驗有著本質(zhì)性差異否定同一，與人工比對的結(jié)論相一致。

對檢材B、C進(jìn)行檢驗發(fā)現(xiàn)兩者之間未見明顯不符的種類特征。由于檢材B的圖片質(zhì)量較差放大后斑塊明顯損失了很多細(xì)節(jié)，比較檢驗中只找到一些排他性不強(qiáng)的符合點，故對檢材B、C之間給出的結(jié)論傾向為同一人像。利用MATLAB對提取出的特征點進(jìn)行距離矩陣的比對得到的C平為0.0327。鑒于檢材B圖片質(zhì)量差，無法保證所有的特征點均能被準(zhǔn)確地選取，距離矩陣的比對結(jié)果略大于閾值，認(rèn)為檢材B與檢材C存在一定的相似性，與人工比對的結(jié)果符合。

目前，人像識別軟件多強(qiáng)調(diào)自動化程度減少人工干預(yù)，從實踐中看，該類軟件對圖片質(zhì)量要求較高，實用性不強(qiáng)。本文利用多特征點相對距離計算機(jī)輔助人像識別，能夠把模式識別中專家優(yōu)勢和計算機(jī)的運(yùn)算優(yōu)勢相結(jié)合。利用多特征點相對距離計算機(jī)輔助的算法能夠充分挖掘并利用低質(zhì)量圖片中的特征點距離信息，并將上述距離信息編制成矩陣并自動匹配，經(jīng)實際案例檢驗確實能夠提供有效的輔助作用。

［1］琚生根，周激流，王朝斌.基于統(tǒng)計特征融合的人臉識別［J］.四川大學(xué)學(xué)報（自然科學(xué)版），2009（3）：618-622.

［2］謝永林.LDA算法及其在人臉識別中的應(yīng)用［J］.計算機(jī)工程與應(yīng)用，2010（19）：189-192.

［3］史駿，陳才扣.基于馬氏距離的半監(jiān)督鑒別分析和人臉識別［J］.北京航空航天大學(xué)學(xué)報，2011（12）：1589-1593.

（責(zé)任編輯：于萍）

TP391.4

A

2095-7939（2016）03-0064-02

10.3969/j.issn.2095-7939.2016.03.014

2016-03-23

張銘（1982-），男，上海人，上海市公安局物證鑒定中心工程師，主要從事聲像資料檢驗研究。