衡友躍

摘要：考場(chǎng)傳統(tǒng)的人工核驗(yàn)身份存在效率低、人為因素大等弊端，設(shè)計(jì)實(shí)現(xiàn)了一種考場(chǎng)人臉識(shí)別系統(tǒng)，該系統(tǒng)基于PCA算法，在OpenCV中實(shí)現(xiàn)，測(cè)試達(dá)到預(yù)期效果，為考試提供了有力支持.

關(guān)鍵詞：人臉識(shí)別；PCA；OpenCV

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1673-260X（2019）03-0051-03

基于視頻的考生異常行為識(shí)別的第一步識(shí)別考生身份，傳統(tǒng)的人工核驗(yàn)身份證和準(zhǔn)考證效率低，出錯(cuò)率高.針對(duì)當(dāng)前現(xiàn)狀，本文設(shè)計(jì)了考場(chǎng)人臉識(shí)別系統(tǒng)，為考生異常行為識(shí)別奠定基礎(chǔ).

1 考生臉部圖像獲取及處理

在考生人臉識(shí)別之前，需要先進(jìn)行考生面部圖像的獲取.為防止學(xué)生替考，要求用二代身份證核驗(yàn)身份，通過(guò)拍攝二代身份證上的照片提取面部圖像.拍照的角度，拍照時(shí)的光線強(qiáng)弱等因素都會(huì)帶來(lái)干擾，對(duì)照片有影響.加上JPEG格式壓縮的圖像，其本身也有一定程度的失真.給人臉識(shí)別增加難度.這些因素沒(méi)法改變，因此只能通過(guò)選擇合適的算法，并對(duì)其進(jìn)行優(yōu)化，在一定程度上消除不利因素.

人臉識(shí)別算法對(duì)照片中人臉的標(biāo)準(zhǔn)化要求很高，在進(jìn)行人臉識(shí)別之前，要對(duì)原始的照片進(jìn)行預(yù)處理.預(yù)處理之后的照片應(yīng)該大小一樣，人臉的位置也應(yīng)該保持一致.

預(yù)處理流程步驟：首先對(duì)照片進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)到兩個(gè)眼睛處在同一條水平線上即可.接著對(duì)照片進(jìn)行裁剪，根據(jù)人臉圖像的寬度是標(biāo)準(zhǔn)照片中兩個(gè)眼睛之間的距離的2倍進(jìn)行裁剪，兩個(gè)眼睛的位置確定下來(lái)，其他器官的位置也就跟著確定了，一張標(biāo)準(zhǔn)化的人臉圖像就生成了.接著對(duì)圖像進(jìn)行灰度歸一化處理，為了方便統(tǒng)一處理不同灰度值的圖像，圖像的灰度值和方差需要被設(shè)定到一個(gè)合理的范圍之內(nèi).

2 面部特征提取

目前面部特征提取方法有：基于幾何特征面部識(shí)別方法、基于BP神經(jīng)網(wǎng)絡(luò)面部識(shí)別方法、基于LBP的面部識(shí)別方法等[1].每種方法都各有適用場(chǎng)景及優(yōu)缺點(diǎn)，考慮到平臺(tái)的兼容性，硬件資源配置低的因素，本文采用PCA（Principal Component Analysis）算法.

PCA即主成分分析，是一種常用的數(shù)據(jù)降維方法.它可以通過(guò)線性變換將面部原始數(shù)據(jù)變換為一組各維度線性無(wú)關(guān)表示，以此來(lái)提取數(shù)據(jù)的主要特征分量.PCA算法步驟[2，3]：

（1）將面部圖像采集到數(shù)據(jù)庫(kù)中.這一步先進(jìn)行圖像預(yù)處理，然后再將數(shù)據(jù)按列組成n*n矩陣X.

（2）求特征協(xié)方差矩陣.將X的每一行進(jìn)行零均值化處理，求出協(xié)方差矩陣C，進(jìn)而求出協(xié)方差矩陣C的特征值及對(duì)應(yīng)的特征向量.

（3）對(duì)面部特征進(jìn)行降維.將面部特征向量按照對(duì)應(yīng)特征值大小從上到下按行進(jìn)行排列成矩陣，取前k行組成矩陣P，Y=PX即為降維到k維后的特征向量.

3 面部特征識(shí)別

識(shí)別過(guò)程分為兩步，第一步訓(xùn)練，第二步識(shí)別.

訓(xùn)練步驟：

（1）準(zhǔn)備一組面部圖像.

（2）訓(xùn)練這些圖像，生成它們的特征臉，保存N個(gè)特征值相關(guān)的特征向量，并將其定義為一個(gè)“面部空間”.

（3）將訓(xùn)練集合中的面部圖像全部投影到“面部空間”上，計(jì)算出每一個(gè)人臉圖像在該N維空間上的相關(guān)分布系數(shù).

訓(xùn)練之后就可以識(shí)別了，識(shí)別步驟：

（1）將待識(shí)別的人臉圖像投影到N個(gè)特征臉上，計(jì)算其權(quán)值.

（2）將得到的權(quán)值和原始的人臉集合做對(duì)比，計(jì)算圖像之間的歐式距離，通過(guò)比較歐式距離和設(shè)置的閾值做比較，可以確認(rèn)該人臉是否是人臉庫(kù)中的人臉.

4 特征臉在OpenCV中實(shí)現(xiàn)

OpenCV是一個(gè)開(kāi)源發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在Linux、Windows、Android、Mac OS操作系統(tǒng)上.它用C++編寫，但提供了大量的Python、Ruby等語(yǔ)言接口[4，5].

在OpenVCV2.4以后，加入了新的類FaceRecognizer.通過(guò)它可以方便快捷的進(jìn)行人臉識(shí)別.首先輸入人臉圖像訓(xùn)練樣本，F(xiàn)aceRecognizer類調(diào)用train方法對(duì)其進(jìn)行訓(xùn)練，訓(xùn)練的結(jié)果通過(guò)調(diào)用save方法保存到FaceRecognizer對(duì)象中.接著進(jìn)行識(shí)別工作，先通過(guò)load方法加載之前訓(xùn)練好的特征文件，然后FaceRecognizer調(diào)用predict方法進(jìn)行人臉識(shí)別[6].整個(gè)識(shí)別過(guò)程在OpenCV中的實(shí)現(xiàn)過(guò)程如圖1所示.

5 Android人臉識(shí)別軟件設(shè)計(jì)

5.1 開(kāi)發(fā)環(huán)境準(zhǔn)備

（1）從opencv官網(wǎng)上下載sdk，本項(xiàng)目選擇3.3.3版本.

（2）新建一個(gè)Android項(xiàng)目，導(dǎo)入opencvLibrary.

（3）復(fù)制sample/face-detection/src到app項(xiàng)目的src下.

（4）導(dǎo)入res文件.

（5）復(fù)制jni/detectionBasedTracker_ini.cpp和

jni/detectionBased Tracker_ini.h到cpp目錄下.

（6）新建main/jniLibs/armeabi-v7a目錄，復(fù)制sdk/native/libs/armeabi-v7a/libopencv_java3.so到新建目錄下.

（7）復(fù)制sdk/native/jni/include/*.*

到main/jniLibs/目錄下.

（8）修改CMakeList.txt文件.

（9）在build-gradle文件中加入要支持的armeabi-v7a架構(gòu).

（10）加入啟動(dòng)頁(yè)面，運(yùn)行.

5.2 人臉檢測(cè)與識(shí)別

OpenCV有一個(gè)org.opencv.android.JavaCameraView自定義控件，它不停地從攝像頭抓取數(shù)據(jù)，在回調(diào)方法中，我們能得到Mat數(shù)據(jù)，然后通過(guò)調(diào)用OpenCV的Native方法，檢測(cè)當(dāng)前是否是人臉，我們會(huì)獲得一個(gè)Rect數(shù)組，里面都是人臉數(shù)據(jù)，最后將人臉畫(huà)在屏幕上.

人臉識(shí)別用到了JavaCV，JavaCV是一款開(kāi)源的視覺(jué)處理庫(kù)，封裝了OpenCV等計(jì)算機(jī)視覺(jué)編程常用接口，在Android平臺(tái)上調(diào)用方便[7].

人臉檢測(cè)階段檢測(cè)到人臉之后，把人臉部分截取出來(lái)，接著預(yù)處理原始數(shù)據(jù)，然后將特征值跟人臉空間特征值做比對(duì)，達(dá)到一定相似度即識(shí)別出來(lái).

5.3 軟件測(cè)試

本次App測(cè)試過(guò)程中，主要測(cè)試軟件的識(shí)別率，測(cè)試組選取四位志愿者.首先訓(xùn)練樣本，四位志愿者每人拍攝5張圖片作為訓(xùn)練樣本，如圖2所示.

每位志愿者采集的面部圖像的神態(tài)、表情都稍微有些變化，圖中的人臉圖像都是經(jīng)過(guò)預(yù)處理之后的.在樣本訓(xùn)練結(jié)束之后，進(jìn)行人臉識(shí)別，識(shí)別結(jié)果如圖3所示.

經(jīng)過(guò)軟件測(cè)試，當(dāng)測(cè)試人數(shù)為4人時(shí)，軟件識(shí)別率達(dá)到100%.

6 結(jié)束語(yǔ)

本文首先詳細(xì)介紹了PCA人臉識(shí)別算法，然后配置Android開(kāi)發(fā)環(huán)境，使用OpenCV開(kāi)發(fā)實(shí)現(xiàn)了人臉識(shí)別軟件，測(cè)試結(jié)果達(dá)到預(yù)期效果.

參考文獻(xiàn)：

〔1〕江琨，鄭祿，帖軍.基于LBP和PCA算法的智能人臉識(shí)別[J].計(jì)算機(jī)與數(shù)字工程，2016，44（10）：2048-2051+2056.

〔2〕趙鑫，汪維家，曾雅云等.改進(jìn)的模塊PCA人臉識(shí)別新算法[J].計(jì)算機(jī)工程與應(yīng)用，2015（02）：161 -164+176.

〔3〕張曉璐.基于PCA的人臉識(shí)別技術(shù)的研究[J].遼寧科技學(xué)院學(xué)報(bào)，2014（04）：38-39+42.

〔4〕林啟亮.基于OpenCV2.X的車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].廈門大學(xué)，2013.6-7.

〔5〕王艷紅.基于OpenCV的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的研究[D].杭州電子科技大學(xué)，2014.5-6.

〔6〕劉海建.基于OpenCV的人臉辨識(shí)算法研究與實(shí)現(xiàn)[D].集美大學(xué)，2014.10-12.

〔7〕曾健平，邵艷潔.Android系統(tǒng)架構(gòu)及應(yīng)用程序開(kāi)發(fā)研究[J].微計(jì)算機(jī)信息，2011（09）：1-3.