南京信息職業(yè)技術學院 郭 慧 王 璇 呂 黎

深圳中廣核工程設計有限公司 郭文仙 李春錦

安徽信息工程學院 方兵華

0 前言

近些年來，隨著人類社會對互聯(lián)網(wǎng)金融貿(mào)易和安防監(jiān)控等方面應用需求的急速增長，生物特征識別技術的研究已成為重要的研究熱點之一，而人臉識別在計算機視覺和人工智能領域具有較為廣泛的應用價值，尤其是在系統(tǒng)安全驗證、金融驗證、醫(yī)學圖像、檔案管理、人機交互公安部門罪犯搜索等方面具有巨大應用前景[1][2]。生物特征識別技術是通過提取生物某些特定的易于區(qū)分本體的特征或行為[3][4]，并將所提取的特征與事先錄入數(shù)據(jù)庫中樣本數(shù)據(jù)進行篩選和匹配，從而完成對個人身份的識別。

1 系統(tǒng)框架

人臉識別系統(tǒng)主要包括視頻實時采集及預處理、數(shù)據(jù)庫管理、人臉識別和識別信息輸出等四個模塊組成，其人臉識別系統(tǒng)結(jié)構(gòu)如圖1所示。

系統(tǒng)具體識別過程：首先對樣本視頻中人臉進行檢測，剪切出人臉圖像部分，并對所剪切出的圖像進行去噪、平滑等處理。在身份信息管理數(shù)據(jù)庫模塊，將特定的人臉與身份信息進行匹配，如：姓名、聯(lián)系方式等信息。在人臉識別功能階段，采用PCA (Principal Component Analysis)算法將視頻中人臉特征與數(shù)據(jù)庫中人臉特征進行數(shù)據(jù)比對，篩選出與輸入圖像相匹配的身份信息進行輸出。

圖1 人臉識別系統(tǒng)結(jié)構(gòu)

2 識別算法

在人臉識別中，本文采用PCA分析算法進行人臉特征提取及數(shù)據(jù)維，該算法屬于多元統(tǒng)計分析法，是用一種較少數(shù)量的特征對樣本進行描述，以達到降低特征空間維數(shù)。人臉圖像特征信息是一個高維的矩陣信息，PCA算法可以將高維的人臉圖像矩陣映射到低維特征空間中，基于各個正交基底來生成對應的特征矢量。這種特征矢量不僅可以免除環(huán)境和人為因素如光照、姿態(tài)、表情等干擾因素對識別的干擾，同時可以精確地反映人臉圖像的全局信息與局部特征信息的關系[5-6]。

PCA具體算法如下：

設人臉圖像I(x，y)為二維N*N灰度圖像，用向量R表示。人臉圖像訓練集為其中M為訓練集中圖像總數(shù)，這M幅圖像的平均向量為：

訓練圖像的協(xié)方差矩陣可表示為：

計算C的特征向量，并按照特征值的權重取前若干個特征向量組成特征空U?；谔卣髂樀娜四樧R別過程由訓練階段和識別階段兩個階段組成[7]。在訓練階段，每個已知人臉映射到由特征臉構(gòu)成的子空間上，得到m維向量：

其中N為已知人數(shù)，距離閾值為：

其中U為C的特征向量組成的矩陣。在識別階段，首先把待識別的圖像R映射到特征臉空間。得到向量：

為了區(qū)分人臉和非人臉，還需計算原始圖像R與其由特征空間重建的圖像之間的距離：

采用歐式最小距離法對人臉進行分類[8]，分類規(guī)則如下：

3 系統(tǒng)功能的實現(xiàn)

本文采用MATLAB軟件中的GUI建立人機交互界面，該界面主要包括信息錄入、刪除和識別輸出等這三個基本功能，用戶操作界面如圖2所示。

圖2 用戶操作界面

本系統(tǒng)利用SQL Server存儲錄入人臉身份信息，并與MATLAB人臉錄入信息程序?qū)崿F(xiàn)相連接，可以在MATLAB 腳本中對SQL Server中儲存的人物信息進行查找讀取，錄入，刪除操作。運行識別程序前，應打開數(shù)據(jù)庫管理軟件SQL server 使得程序運行后，可以訪問數(shù)據(jù)庫交換信息，系統(tǒng)運行過程流程圖如圖3所示。

圖3 系統(tǒng)運行流程圖

在MATLAB調(diào)用攝像頭中，本文使用MATLAB的圖像獲取工具箱中函數(shù)imaqhwinfo()，以獲取PC上攝像頭配置信息[9]，程序代碼如下：

為順利調(diào)用數(shù)據(jù)庫中的身份信息，在SQL Server中創(chuàng)建數(shù)據(jù)庫和數(shù)據(jù)庫表存放身份信息如圖4所示，并建立ODBC數(shù)據(jù)源用于MATLAB 連接數(shù)據(jù)庫。

圖4 數(shù)據(jù)庫表

數(shù)據(jù)錄入界面和識別輸出界面如圖5和圖6所示。

圖5 數(shù)據(jù)錄入界面

圖6 識別信息輸出

PCA人臉識別算法只能處理二維信息而攝像頭采集的是彩色圖片，故在處理時將彩色圖像灰度化為黑白圖片與數(shù)據(jù)庫中圖片形成相關聯(lián)，在識別分析時，可以識別出相應的灰度人臉圖像，并顯示出相關聯(lián)的彩色人臉圖。

為驗證人臉識別準確率，本文選用經(jīng)典ORL(Olivertti Research Laboratory)人臉圖數(shù)據(jù)庫，具體驗證算法是：先錄入ORL人臉數(shù)據(jù)庫的人臉訓練樣本，每個樣本大小像素為N*M的二維矩陣，二維數(shù)組變成一維數(shù)組，即向量。若人臉圖庫中有m張人臉，把這些圖片都表示成上述的向量形式，即將所有的擴充為一個二維數(shù)組即。再將矩陣Q乘以的Q逆矩陣QT得的協(xié)方差矩陣B，求B的特征向量，取最大的K個特征向量組成新的矩陣F。使用QT乘以F得到特征臉C。然后錄入將需識別的人臉圖R，R進行降維和向量化表示為：； R乘以上面訓練得到的特征臉C得到這個圖片向量R在C下的投影向量P，計算與上面訓練圖庫m張人臉圖降維所得到的Pm的向量距離，與P距離最小的向量所對應的人臉圖像，即為所查找圖像信息[10]。

為保證圖像保留90%的能量，本文選用前64個特征值求其占所有特征值之和的百分比，如圖7所示，由此可見人臉識別率accuracy=0.9032。

圖7 前64個特征值求其占所有特征值之和的百分比

4 結(jié)論

本文采用主成分分析算法以提取人臉圖像特征信息，利用統(tǒng)計學原理來判斷輸入圖像子空間與樣本訓練圖像空間之間的相似度，使用經(jīng)典的歐式距離來判斷選擇輸入圖像與樣本空間中的圖像的對應關系。通過matlab軟件中GUI，本文建立了人機交互界面，并利用SQL Server存儲錄入人臉身份信息，與MATLAB 人臉錄入信息程序?qū)崿F(xiàn)相連接，在MATLAB 腳本中對SQL Server進行已儲存人臉信息的查找、讀取，錄入，刪除操作。該系統(tǒng)人臉實時識別率達到90.32%，進而達到人臉實時識別效果。

由于該研究仍處于初步階段，所以還需進一步深入研究，尚待克服的問題：

（1）如何消除環(huán)境因素和人臉姿態(tài)對圖像的影響，進而上升到動態(tài)進行視頻圖像的檢測的處理，提高人臉預處理的魯棒特性。

（2）是在人臉識別構(gòu)建樣本空間時如何獲取大量的訓練樣本人臉圖像，使用個人肖像這需要得到個人的圖像授權和法律的支持。

（3）如何綜合融合多種識別算法，將其各取所長應用到識別中，制定判別標準使得識別應用開發(fā)更加便捷，消除技術壁壘。

[1]孫冬梅,裘正定．生物特征識別技術綜述[J]．電子學報,2001,29(z1)∶1744．1748．

[2]方志剛,葉偉中．多生物特征識別技術綜述[J]．計算機工程,2003,29(9)∶140,142．

[3]余龍華,丁鋒．人臉識別中圖像預處理問題的研究[J]．大眾科技,2011,(5)．

[4]田啟川,張潤生．生物特征識別綜述[J]．計算機應用研究,2009,26(12)∶4401-4406．

[5]趙松．人臉識別中的姿態(tài)估計、識別算法和融合算法的研究[D]．中國科學技術大學,2009．

[6]趙堃．人臉表情識別的研究與實現(xiàn)[D]．沈陽理工大學,2009．

[7]孫艷豐,齊光磊,胡永利．一種深度卷積神經(jīng)網(wǎng)絡的人臉識別方法∶CN 104866810 A[P]．2015．

[8]楊國亮,李歡．改進的基于特征臉和歐氏距離的人臉識別方法[J]．軟件導刊,2010(03)．

[9]甘俊英,高建虎,李春芝．基于對角DCT與2DPCA算法的人臉識別[J]．計算機工程與應用,2007,43(31)∶210-213．

[10]杜冬梅,田昆鵬,姜磊,王小研．基于Matlab的攝像機標定方法研究[J]．河南工程學院學報∶自然科學版,2012．