王 普，劉 婷，楚志剛

（鄭州師范學(xué)院信息科學(xué)與技術(shù)學(xué)院，鄭州450044）

0 引 言

高校宿舍管理在校園安全中極其重要，其流動(dòng)性大也隨即增加了高校安全監(jiān)管的難度。各家高校為了校園安全都會(huì)使用全套的安保監(jiān)控系統(tǒng)，但以現(xiàn)有的硬件設(shè)施和監(jiān)控系統(tǒng)配置來(lái)看，卻依然不可避免地會(huì)存在監(jiān)控漏洞，從而帶來(lái)安全隱患?；诖?，本文擬將人臉識(shí)別技術(shù)引入到高校宿舍的安全管理中，探討分析其中涉及的一些關(guān)鍵技術(shù)問(wèn)題，對(duì)此將展開(kāi)研究論述如下。

1 人臉識(shí)別技術(shù)概述

人臉識(shí)別技術(shù)是生物特征識(shí)別系統(tǒng)的一個(gè)重要研究課題，就是用攝像機(jī)或者攝像頭來(lái)采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部辨識(shí)的一系列相關(guān)技術(shù)。與指紋、虹膜等技術(shù)相比，人臉識(shí)別是最直接、且方便的技術(shù)手段。人臉識(shí)別主要分為3個(gè)步驟，可逐一描述為：首先，從復(fù)雜的背景圖像中檢測(cè)并分割出人臉，即人臉檢測(cè)，就是從背景中把人臉檢測(cè)出來(lái)；其次，是人臉區(qū)域的特征提取和特征選擇；最后，就是人臉識(shí)別。

2 改進(jìn)光照因素影響的人臉識(shí)別的應(yīng)用

時(shí)下，為了進(jìn)一步加強(qiáng)高校宿舍出入的門(mén)禁管理，已有眾多研究者紛紛將關(guān)注的焦點(diǎn)轉(zhuǎn)向了具有優(yōu)良性能的人臉識(shí)別。在最近幾年來(lái)，人臉識(shí)別正以其獨(dú)特的優(yōu)勢(shì)，諸如友好的人機(jī)交互模式，出色的生物特征加密等特點(diǎn)在多個(gè)行業(yè)中漸受青睞，日趨流行。若能將其普及應(yīng)用到高校校園宿舍的安全管理中，可以預(yù)期也將同樣可獲得良好的應(yīng)用效果。

2.1 人臉圖像獲取與預(yù)處理

在人臉識(shí)別系統(tǒng)中，需要抓取人臉的面部特征，而后再進(jìn)行特征采集、識(shí)別和判斷。但在人像獲取中則不乏有外界多種因素的影響，其中的光照作用就尤為顯著。為此，清晰獲取人臉圖像，從而有效提高圖像的清晰度，即已成為人臉識(shí)別研究中面臨的主要問(wèn)題。在本文中，研究重點(diǎn)即旨在排除外界光照影響條件下，意欲獲取清晰圖像所需經(jīng)歷的一系列流程。特別是在前期采集、獲取圖像的過(guò)程中，通常使用的是濾波等方式。目前，已有多份調(diào)查報(bào)告均已明確指出：在不同光照條件下，就是同一個(gè)人的圖像也可能出現(xiàn)明顯差異，由此可知前期對(duì)人臉圖像的獲取及預(yù)處理在整體的設(shè)計(jì)研究中均將占據(jù)著基礎(chǔ)性的重要位置。

2.2 人臉特征提取

人臉特征提取是整個(gè)人臉識(shí)別系統(tǒng)中居于核心的技術(shù)組成部分。在此步驟中，可將圖像與現(xiàn)實(shí)中的人臉進(jìn)行完整的比對(duì)分析。而在復(fù)雜的現(xiàn)實(shí)環(huán)境中，卻常會(huì)遇到相當(dāng)多的因素影響，比如分析器以及配套硬件的性能等，只有盡可能消除每一種因素的誤差干擾，才能真正降低最終得到結(jié)果的誤差數(shù)值。

3 光照因素的作用影響研究

3.1 光照變化對(duì)人臉圖像的影響

光照條件可能因?yàn)楣庹盏膹?qiáng)度以及角度變化而發(fā)生改變。比如在同一光源下，站在遠(yuǎn)處的人可能會(huì)出現(xiàn)暗光的現(xiàn)象，近處的人會(huì)出現(xiàn)高光的現(xiàn)象。不同人的人臉還會(huì)出現(xiàn)受光角度不同的現(xiàn)象，這2種變化對(duì)人臉識(shí)別技術(shù)處理后的圖像中各類(lèi)參數(shù)都是有著極大影響的。

為了精確獲取人臉識(shí)別信息，研究可知其中的人臉灰度圖像、人臉邊緣圖像和人臉彩色圖像色度空間影響也是很大的。不同光照條件下，人臉多次拍照后獲得的灰度圖像、邊緣圖像和彩色圖像的色度是完全不同的，其中的圖像分布差異明顯。

3.2 光照變化對(duì)人臉識(shí)別的影響

在不同光照條件下，在仿真測(cè)試中運(yùn)用PCA、模板匹配算法、光照椎以及梯度率等人臉圖像方法來(lái)分別進(jìn)行測(cè)試比較，探究光照角度的不斷變化對(duì)人臉識(shí)別的影響效果。經(jīng)過(guò)對(duì)實(shí)驗(yàn)結(jié)果的比照研究后，分析發(fā)現(xiàn)：上述方法中，若是在光照角度變化小于15°的條件下，這4種方法的人臉識(shí)別錯(cuò)誤率均在5%左右，但是隨著角度的不斷增大，PCA與模板匹配算法的錯(cuò)誤率同比例增長(zhǎng)，梯度率也將隨著角度變化而增加，只有光照椎的錯(cuò)誤率是增長(zhǎng)最慢的。故而，若能夠在后續(xù)研究中不斷改進(jìn)該方法的設(shè)計(jì)性能，將會(huì)大大降低識(shí)別結(jié)果的錯(cuò)誤率。

3.3 光照預(yù)處理方法

研究可知，在人臉圖像預(yù)處理環(huán)節(jié)中，對(duì)結(jié)果具有決定性影響的就是光照。采取合適的方法對(duì)光照進(jìn)行有效處理，就會(huì)在很大程度上降低其對(duì)人臉識(shí)別的作用和影響，因而可以采用不同的光照模型變換方法。而在人臉圖像采集過(guò)程中，同一個(gè)人在不同光照角度下得到的不同圖像將自動(dòng)生成一個(gè)光照空間，在這個(gè)空間里包含人臉圖像在不同光照下的不一樣變化。此后，再有可針對(duì)性地選取一定算法在圖像與光照形成的空間集之間進(jìn)行不斷的測(cè)試。這里，關(guān)于時(shí)下常用算法的功能設(shè)計(jì)做出闡述解析如下。

（1）線性子空間方法。這是一種通過(guò)直接映射高維張量數(shù)據(jù)到低維空間的一種降維方法。同一個(gè)人在不同光照條件下的差異可能會(huì)較為懸殊，通過(guò)這種方法將圖像映射到一個(gè)空間中，因此就形成一個(gè)3D的空間線性模型。在這個(gè)模型中的圖像被劃分為數(shù)個(gè)子塊，光源對(duì)空間照射形成子空間。在該種方法下，其中的陰影子塊就不會(huì)受到影響。

（2）光照椎。在不同形態(tài)光的照射下，會(huì)形成一個(gè)光照的椎體。這種椎體可以用上述的線性子空間來(lái)進(jìn)行表示，從而減少光照因素帶來(lái)的影響。對(duì)于人臉識(shí)別圖像中整個(gè)的圖像成椎體的過(guò)程中，若能降低陰影部分帶來(lái)的影響，就可提高圖像的識(shí)別精度，進(jìn)而提高識(shí)別率。雖然該方法準(zhǔn)確率較高，但是對(duì)前期的準(zhǔn)備工作卻有較為繁瑣要求，故而其可行性仍有待改善。設(shè)計(jì)時(shí)，多是在不同的光照條件下，通過(guò)不同角度采集圖像形成一個(gè)椎體，再對(duì)其加以分析與比對(duì)。但若將其付諸于實(shí)踐中，此種操作將偏于復(fù)雜，而其中用到的算法難度也是相當(dāng)大的。

3.4 人臉識(shí)別技術(shù)中的光照補(bǔ)償問(wèn)題

在人臉的檢測(cè)和識(shí)別過(guò)程中，已有很多學(xué)者都認(rèn)識(shí)到了變化中光照的光補(bǔ)償問(wèn)題。這種方法其實(shí)就是將人臉圖像看作最基本的信號(hào)，在頻域上進(jìn)行線性或者非線性變換，由此達(dá)到消除光照影響的目的。但是這種方法對(duì)極端光照條件下的人臉圖像處理效果卻極差。另一種光照補(bǔ)償方法就是基于光照樣本合成的，對(duì)于已經(jīng)識(shí)別的人臉圖像進(jìn)行估計(jì)。在標(biāo)準(zhǔn)光照環(huán)境下模擬后將其歸一化為標(biāo)準(zhǔn)光照下的人臉識(shí)別圖像。目前推出的典型方法已有SSFS等。

4 人臉識(shí)別中主要算法研究

當(dāng)下在人臉識(shí)別中獲得廣泛應(yīng)用的算法主要有：基于幾何特征的方法，基于模板方法等?？偟貋?lái)說(shuō)，人臉識(shí)別似乎足夠安全可靠，但卻依然會(huì)給不法分子留下了可乘之機(jī)，進(jìn)而威脅著社會(huì)生活中的人身安全。人臉識(shí)別技術(shù)背后的任何一種算法都未能臻至完善，而是各有缺陷與不足，本文建議應(yīng)將時(shí)下通用算法結(jié)合起來(lái)使用，才能使其達(dá)到最佳設(shè)計(jì)效果。文中關(guān)于該方面的各主題研究?jī)?nèi)容可詳述如下。

4.1 人臉識(shí)別主要算法比較

每個(gè)人都有自己獨(dú)特的面部特征，諸如人的面部構(gòu)件（比如下巴、額頭、鼻子、眉毛、眼睛等）的相對(duì)位置、形狀特征點(diǎn)以及這些面部特征分布參數(shù)，均可將其作為人臉識(shí)別的重要指標(biāo)依據(jù)。結(jié)合人面部整體輪廓信息，構(gòu)造特征矢量，進(jìn)行人臉形狀判定。

4.2 基于幾何特征人臉識(shí)別算法的優(yōu)缺點(diǎn)

在基于幾何特征的人臉識(shí)別方法中，一般是運(yùn)用灰度積分投影法，這是根據(jù)圖像的投影分布特征進(jìn)行判定分析的，究其本質(zhì)還是統(tǒng)計(jì)方法。仍需一提的還有另一種方法，就是側(cè)影判定法。顧名思義，主要就是從人臉側(cè)面曲線輪廓線上提取特征點(diǎn)進(jìn)行判定，但是這個(gè)方法在實(shí)際操作中總會(huì)受到諸多限制，因而該研究方向并未成為學(xué)界矚目的研究熱點(diǎn)。

基于幾何人臉識(shí)別方法雖然簡(jiǎn)潔，運(yùn)算速度快，但是判斷依據(jù)卻只是幾何特征之間的間距和相應(yīng)的參數(shù)比較。這就對(duì)提取數(shù)據(jù)的精準(zhǔn)性設(shè)定了較高要求。如果取值出現(xiàn)偏差，這種方法的有效性與實(shí)用性就會(huì)有所降低。在實(shí)際運(yùn)用中，這種數(shù)據(jù)特征提取也會(huì)受到眾多因素的影響，其中光照作用依然是最主要的。室外光照條件下，系統(tǒng)提取特征點(diǎn)不準(zhǔn)確，算法的準(zhǔn)確率會(huì)出現(xiàn)下滑，識(shí)別率也將急劇下降。

4.3 基于模板匹配方法

在不同的模板匹配方式中，采用的模板精度計(jì)算以及圖像灰度的計(jì)算量太大，雖然在通用模板中，如果外界環(huán)境一切都比較穩(wěn)定的話，模板使用性能還是堪稱(chēng)優(yōu)良的。但是現(xiàn)實(shí)中當(dāng)使用時(shí)，這種通用模板方式的評(píng)估卻會(huì)受到光照、人臉姿態(tài)等多方面影響，如此就在計(jì)算圖像函數(shù)時(shí)需要進(jìn)一步結(jié)合平移、旋轉(zhuǎn)等各種圖像參數(shù)，從而給實(shí)驗(yàn)設(shè)計(jì)帶來(lái)諸多不便。為解決這一問(wèn)題，學(xué)界已經(jīng)開(kāi)始嘗試采用可變形模板進(jìn)行人臉判別。但新的問(wèn)題也隨即產(chǎn)生，在設(shè)置新的人體器官模型中，定義的能量函數(shù)在優(yōu)化過(guò)程中將耗時(shí)不菲，而且難以推廣、及進(jìn)入大范圍應(yīng)用。

5 結(jié)束語(yǔ)

改進(jìn)光照因素影響的人臉識(shí)別在高校宿舍安全管理中的應(yīng)用是一項(xiàng)系統(tǒng)工程，結(jié)合人臉識(shí)別技術(shù)的軟硬件支撐，積極融入互聯(lián)網(wǎng)思想，著重研究光照因素對(duì)整個(gè)人臉識(shí)別系統(tǒng)的影響，并取得長(zhǎng)足進(jìn)步，則可為學(xué)校宿舍安全管理提供有益的技術(shù)支撐。