佟嘉岐+賀青+遲宗濤

摘 要：隨著技術(shù)不斷的發(fā)展，人臉識別技術(shù)的應用越來越廣泛。本文通過研究PCA人臉識別方法，設計出一套考勤系統(tǒng)。首先對獲取的原始人臉圖片進行預處理和人臉定位，然后通過PCA對定位后的人臉圖片進行特征提取，最后將圖片中提取的特征參數(shù)和后臺人臉特征數(shù)據(jù)庫中的信息進行對比來完成人臉識別功能，記錄員工的出勤情況，以完成對工作人員的考勤工作。

關鍵詞：PCA；特征提??；人臉識別

DOI：10.16640/j.cnki.37-1222/t.2017.13.137

0 引言

人臉識別是當前模式識別領域的一個熱點，人臉識別技術(shù)就是利用計算機技術(shù)，根據(jù)數(shù)據(jù)庫的人臉圖像，分析提取出有效的識別信息，用來“辨認”身份的技術(shù)。如今，它在考勤系統(tǒng)方面有著廣泛的應用。在實際應用中，人臉圖像由于受光照、表情以及姿態(tài)等因素的影響，使得同一個人的臉像矩陣差異也比較大。因此，進行人臉識別時，所選取的特征必須對上述因素具備一定的穩(wěn)定性和不變性。本文就是基于PCA人臉識別方法在考勤系統(tǒng)中的研究，主元分析（PCA）方法是一種有效的特征提取方法，將人臉圖像表示成一個列向量，經(jīng)過PCA 變換后，不僅可以有效地降低其維數(shù)，同時又能保留所需要的識別信息，這些信息對光照、表情以及姿態(tài)具有一定的不敏感性。這種方法在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，從而保證了考勤數(shù)據(jù)真實有效性。

1 考勤系統(tǒng)設計方案

本考勤系統(tǒng)是由數(shù)個攝像頭、客戶機、應用服務器和數(shù)據(jù)庫服務器組成，其系統(tǒng)結(jié)構(gòu)圖如圖1所示。整個系統(tǒng)以太網(wǎng)作為傳輸媒介，通過一個集線器（HUB）將分布的攝像頭和客戶機連入局域網(wǎng)。

圖像采集端利用Directsho技術(shù)對攝像頭進行控制，實現(xiàn)視頻圖像的預覽，并在預覽的過程中對實時的視頻進行抓拍，將抓拍圖像傳至傳輸至應用服務器，然后通過基于PCA人臉識別軟件進行識別處理。

數(shù)據(jù)庫服務器上的關系數(shù)據(jù)庫使用了Access，數(shù)據(jù)庫中的信息包括員工的基本信息、員工的人臉特征信息和考勤記錄等。其中，員工的人臉特征信息是與獲得的人臉特征參數(shù)進行比對的基礎?？记谟涗浻糜谟涗泦T工出勤等考勤結(jié)果數(shù)據(jù)，它是應用服務器根據(jù)一定的考勤規(guī)則所得出的結(jié)果。

應用服務器是用來進行考勤系統(tǒng)的運行。錄入和修改員工的基本信息，以及錄入人臉的特征信息并將其存入后臺數(shù)據(jù)庫中是在應用服務器上進行的。

2 人臉識別

人臉識別技術(shù)系統(tǒng)主要可分為四個組成部分：對獲取的人臉圖像的預處理，人臉定位，人臉圖像特征提取和特征匹配與識別。一般人臉識別系統(tǒng)構(gòu)架如圖2所示。

2.1 人臉圖像預處理

所謂人臉圖像預處理，就是基于人臉檢測結(jié)果，并對人臉圖像進行處理，最終服務于人臉特征提取的過程。系統(tǒng)獲取的原始人臉圖像由于受到隨機干擾和各種條件的限制，通常不能直接使用，預處理的過程主要涉及人臉圖像的光線補償、灰度變換、幾何校正、直方圖均衡化、歸一化、濾波以及銳化等。

（1）攝像頭所處環(huán)境不同，它得到的圖片可能會存在光線不均的情況，會影響對特征的提取，就需要人臉圖像的光線補償。（2）灰度變換是為了簡化信息，比如彩色圖有三色值及通明度等，但是灰度化以后就只剩下一個灰度值了，這樣便于進行進一步處理。當然，灰度化并不影響圖像的主要信息。（3）圖像增強的目的是改善圖像的視覺效果，通過圖像增強，可以減少圖像中的噪聲，提高目標與背景的對比度，也可以強調(diào)或抑制圖像中的某些細節(jié)。（4）為使濾波效果更加明顯，我們預先為人臉圖像人為增加噪聲，然后用自適應濾波方法對圖像進行濾波處理。（5）銳化處理的作用是用來強調(diào)圖像中被模糊的細節(jié)，在本系統(tǒng)中，采用了預定義高斯濾波器的方法對圖像進行銳化濾波。（6）直方圖均衡可以使輸入圖像轉(zhuǎn)換為在每一個灰度級上都有相同像素點數(shù)的輸出圖像（即輸出的直方圖是平的）。這對于圖像比較或分割是十分有用的。設圖像有N個灰度級，M個像素點，是輸入圖像a （x ，y）的直方圖，圖像b （x， y）是輸入圖像直方圖均衡后的輸出，依照下面的公式進行直方圖均衡：

2.2 人臉定位

人臉檢測定位算法采用的基于顯式特征的方法。所謂顯式特征是指對人類肉眼來說直觀可見的特征，如膚色、臉部輪廓、臉部結(jié)構(gòu)等，總結(jié)出人臉區(qū)別于“非人臉”區(qū)域的特征，然后根據(jù)被檢測區(qū)域是否滿足這些“人臉特征”，來判定該區(qū)域是否包含人臉。根據(jù)所選擇的“人臉特征”，選擇基于先驗知識的方法。基于先驗知識的方法則采用符合人臉生理結(jié)構(gòu)特征的人臉鑲嵌圖模型，并在分析了足夠多的人臉圖像樣本的基礎上，針對人臉的灰度、邊緣、紋理等信息，建立一種關于人臉的知識庫。在檢測中，首先抽取這些灰度、邊緣等信息，然后檢驗它是否符合知識庫中關于人臉的先驗知識。運用matlab軟件仿真進行人臉檢測定位舉例如圖3所示。

2.3 PCA對人臉圖像的特征提取

實際中的攝像頭采集的人臉圖片的信息量是非常大的，直接處理產(chǎn)生龐大的計算量，所以在人臉識別之前要進行特征提取。本系統(tǒng)使用主元分析算法實現(xiàn)對人臉圖像的特征提取。主元分析（PCA）方法是一種有效的特征提取方法，它基于KL分解，不僅可以有效地降低其維數(shù)，同時又能保留所需要的識別信息。它的原理就是將一高維的向量，通過一個特殊的特征向量矩陣，投影到一個低維的向征的向量和這個特征向量矩陣，可以完全重構(gòu)出所對應的原來的高維向量。

PCA對人臉圖像的特征提取算法如下：

對于一幅w×h的圖將其列排列起來形成一個列向量v。假設人臉訓練集中有N幅圖像，則這N個列向量羅列起來形成一個（w×h） ×N 維的矩陣X。

設它的特征值 λi，（i=1，2，…，wh） 按大小降序排列，對應的特征向量（正交歸一化后）ui。取前 L 個特征向量構(gòu)成投影矩陣 W=（u1，u2，…，uL），L 的取值可以根據(jù)特征值的累計貢獻率來確定：

一般 α=90%～99%。

上面選取的前L個特征值對應的特征向量就叫做主成分，它所構(gòu)成的投影矩陣W就是主成分矩陣，原來高維 （wh×1） 的圖像列 Xi 經(jīng)過投影矩陣降維后的結(jié)果為：

F為 L×1 位的列向量。這樣就達到了降維的效果，也就是提取了有用的特征，且盡量地保留原來向量的內(nèi)部信息。

2.4 特征匹配與識別

通過PCA對人臉圖像的特征提取獲得了人臉特征參數(shù)，將圖片中提取的特征參數(shù)和后臺人臉特征數(shù)據(jù)庫中的信息進行匹配，找出與特征最相近的參數(shù)，再對該參數(shù)進一步分析，確認該人的相關的信息，來完成人臉識別功能。

3 系統(tǒng)測試

測試流程：考勤控制器通過攝像頭捕獲到人臉圖像，并把該圖像發(fā)送到服務端進行人臉識別。若人臉識別通過，則記錄人員出勤一次，存儲在數(shù)據(jù)庫中。未通過識別，人員需再測一次。其基本流程如圖4所示。

通過對系統(tǒng)功能的測試，系統(tǒng)的功能比較完整，能夠成功地運行。本系統(tǒng)可以較好地完成用戶的添加、刪除及登陸，管理人員用戶登陸系統(tǒng)后能夠?qū)T工信息進行管理，也實現(xiàn)員工的出勤信息登記和出勤信息統(tǒng)計分析管理操作的功能。

4 結(jié)論

本文是基于PCA人臉識別方法的考勤系統(tǒng)的設計，PCA技術(shù)的一大好處是對數(shù)據(jù)進行降維處理，可以對新求出的“主元”向量的重要性進行排序，根據(jù)需要取前面最重要的部分，將后面的維數(shù)省去，可以達到降維從而簡化模型或是對數(shù)據(jù)進行壓縮的效果，同時最大程度的保持了原有數(shù)據(jù)的信息。通過對系統(tǒng)功能的測試，表現(xiàn)出系統(tǒng)的功能比較完整，能夠成功地運行，能夠以高識別率實現(xiàn)識別人臉功能，出色完成考勤任務，從根本上上解決了普通打卡等考勤方式中出現(xiàn)的代打等問題。這對公司的考勤工作效率有很大的提高，對未實行考勤制度管理的企業(yè)有一定的指導意義。

參考文獻：

[1]朱娜.人臉識別中特征提取方法的研究[J].昆明理工大學，2009.

[2]黃福，苑全兵，紀麗婷，趙柳，王立建.基于人臉識別的考勤系統(tǒng)的設計與研究[J].電腦開發(fā)與應用，2010，23（03）：37-39.

[3]陸其明.DirectShow開發(fā)指南[M].清華大學出版社，2003.

[4]伍茲等.數(shù)字圖像處理（第三版）[M].電子工業(yè)出版社，2011.

[5]王婷.人臉識別與人眼定位方法研究[D].河南大學，2007.

[6]陳金西.基于PCA人臉識別系統(tǒng)設計與實現(xiàn)[J].廈門理工學院學報，2013，21（03）：40-44.

作者簡介：佟嘉岐（1992-），男，碩士研究生，主要研究方向為電磁測量與電子計量、智能傳感器技術(shù)。