吳 晶, 趙厚科

(1.東北石油大學(xué)秦皇島分校,河北 秦皇島 066004;2.西南民族大學(xué)電氣信息工程學(xué)院，四川 成都 610225)

0 引 言

一個基于深度學(xué)習(xí)的人臉識別系統(tǒng)是學(xué)習(xí)機(jī)器學(xué)習(xí)的最好的一個案例。系統(tǒng)是基于深度學(xué)習(xí)平臺Tensorflow所搭建的人臉識別系統(tǒng)，通過攝像頭獲取視頻，使用opencv自帶的分類器定位人臉[1]，并且在每一幀圖像中截取人臉，使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練人臉識別。

1 模塊功能和結(jié)構(gòu)劃分

系統(tǒng)共分為四個部分，實時人臉截取模塊、圖片處理模塊、CNN搭建和訓(xùn)練模塊以及測試模塊。

實時人臉截取主要負(fù)責(zé)采集人臉圖片，通過USB攝像頭截取人臉數(shù)據(jù)，使用OpenCV定位人臉，同一數(shù)據(jù)格式，并最終保存人臉圖片。

本地圖片處理模塊主要用于處理在網(wǎng)絡(luò)上下載下來作為第三個分類類別使用的圖片，其主要功能是將圖片讀入，使用opencv定位人臉，然后將人臉圖片保存成我設(shè)定好的規(guī)格以便使用。

CNN搭建和訓(xùn)練模塊主要完成搭建神經(jīng)網(wǎng)絡(luò)、劃分訓(xùn)練集與測試集，深度學(xué)習(xí)訓(xùn)練，訓(xùn)練模型的保存，是整個系統(tǒng)的關(guān)鍵部分[2]。

測試部分主要來調(diào)用攝像頭捕獲人臉圖片，然后讀入之前保存好的訓(xùn)練成熟的網(wǎng)絡(luò)模型進(jìn)行識別。

2 項目原理

2.1 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是一種具有卷積運(yùn)算和深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的典型算法之一。卷積神經(jīng)網(wǎng)絡(luò)具有表示學(xué)習(xí)能力，能夠根據(jù)其層次結(jié)構(gòu)對輸入信息進(jìn)行分類,基本框架見圖1。

圖1 卷積神經(jīng)網(wǎng)絡(luò)基本框架

2.1.1 卷積層

其中在卷積神經(jīng)網(wǎng)絡(luò)中存在著由許多卷積單元組成的卷積層[3]，并且可以通過利用反向傳播算法來優(yōu)化各個卷積單元的參數(shù)。其中提取輸入的不同特征是由卷積運(yùn)算提供的，第一卷積層只能提取邊緣、直線和角度等低級特征。更多的網(wǎng)絡(luò)層可以迭代地從低級特征中提取更復(fù)雜的特征?？梢詫⒚總€過濾器描繪成一個窗口，該窗口在圖像的尺寸上滑動并檢測屬性。濾鏡在圖像上滑動的像素數(shù)量稱為步幅。步幅為1意味著濾波器一次移動一個像素，其中2的步幅將向前跳過2個像素。

圖2 提取特征向量并簡化數(shù)據(jù)量

在圖2所示的例子中，可以看到一個垂直線檢測器。原始圖像為6×6，它使用3×3濾鏡進(jìn)行掃描，步長為1，從而產(chǎn)生4×4尺寸輸出。而過濾器僅對其視野左右列中的部分感興趣。通過對圖像的輸入求和并乘以3×3濾波器的配置，得到8+1+2-5-3-2=-2。然后濾波器向右移動一步，然后計算0+6+3-8-0-1=0。0然后進(jìn)入-2右側(cè)的位置。此過程將持續(xù)到4×4網(wǎng)格完成為止。之后，下一個特征圖將使用它自己的唯一過濾器/內(nèi)核矩陣計算自己的值。

2.1.2 池化層

圖3顯示的池化層處理過程。池化層的目的是為了來進(jìn)一步降低維度，通過聚合卷積層收集的值或所謂的子采樣進(jìn)行降維。除了為模型提供一些正則化的方案以避免過度擬合之外，這還將減少計算量。它們遵循與卷積層相同的滑動窗口思想，但不是計算所有值，而是選擇其輸入的最大值或平均值。這分別稱為最大池化和平均池化。

圖3 池化層處理過程

這兩個組件是卷積層的關(guān)鍵構(gòu)建塊。然后，通常會重復(fù)此方法，進(jìn)一步減少特征圖的大小尺寸，而且會增加其深度。每個特征圖將專門識別它自己獨(dú)特的形狀。在卷積結(jié)束時，會放置一個完全連接的圖層，其具有激活功能，例如Relu或Selu，用于將尺寸重新整形為適合的尺寸送入分類器。例如，如果你的最終轉(zhuǎn)換層為3×3×128矩陣，但你只預(yù)測10個不同的類，則需要將其重新整形為1×1152向量，并在輸入分類器之前逐漸減小其大小。完全連接的層也將學(xué)習(xí)它們自己的特征，見圖4。

2.2 人臉識別分類器

2.2.1 Haar-like特征

Haar特征分為：邊緣、線性、中心特征和對角線特征，這些特征相互組合成特征模板。特征模板內(nèi)有白色和黑色兩種矩形，模板的特征值定義為白色矩形和減去黑色矩形(在opencv實現(xiàn)中為黑色-白色)。

圖4 神經(jīng)網(wǎng)絡(luò)框架總圖

Haar的特征值反映了圖像灰度的變化。例如，面部的某些特征可以簡單地用矩形特征來說明，但是矩形特征只對一些簡單的圖形結(jié)構(gòu)敏感，比如邊緣和線段，所以這些特征模板只能描述特定方向，例如水平、垂直、傾斜的人臉結(jié)構(gòu)。如果將這樣的矩形設(shè)置在非人臉臉區(qū)域的話，計算出的特征值應(yīng)該和臉部特征值有所不同，所以這些矩形為了區(qū)別臉部和非臉，去定量化臉部特征[4]。

圖5 人臉識別特征模板

圖6 矩形特征在人臉圖像的特征匹配

2.2.2 特征模板

如圖5所示，人臉的構(gòu)造特征可以根據(jù)矩形的特征簡單地描繪出來。例如，圖6中眼睛比臉頰顏色深，鼻子的兩側(cè)比鼻子的梁顏色深，嘴唇比周圍的顏色深等。

對于24×24像素分辨率的圖像，矩陣特征的數(shù)量約為160000。此時，需要通過一種特定的算法來過濾合適的矩陣特征，并將它們組合成一個強(qiáng)分類器來檢測人臉。

2.3 積分圖

在得到矩形特征后，計算矩形特征的值。定義一個坐標(biāo)為A(x,y)的積分圖，這個積分圖的定義是其人臉圖像左上角的所有像素之和，因此，對每個像素進(jìn)行少量計算就可以得到的“積分圖”并且可以同時計算不同尺度的矩形特征值，從而大幅度的提高了計算效率。

對于圖像中的點(diǎn)a(x,y),積分圖被定義為ii(x,y)：

其中i(x',y')為點(diǎn)(x',y')處的像素值。

圖7 積分圖

坐標(biāo)a(x,y)的積分圖定義為左上角矩陣中所有像素的和，如圖7陰影部分所示：

由此可以看出，要計算兩個區(qū)域像素值之間的差(即計算矩形模板的特征值)，只需使用特征區(qū)域端點(diǎn)的積分圖進(jìn)行簡單的加減運(yùn)算即可。積分圖法可以快速計算矩形特征的特征值。

圖8 特征模板的特征值計算原理圖

如圖8所示，特征模板的特征值 = pixel area(B)-pixel area(A) =[ii4 + ii1 - (ii2 + ii3)] -[ii6 + ii3 - (ii4 + ii5)]。

3 系統(tǒng)搭建

3.1 face-recognize.py(截取臉部數(shù)據(jù)用于訓(xùn)練)

選擇用opencv來完成人臉截取。首先給opencv視頻來源，可以來自一段已存好的視頻，也可以直接來自USB攝像頭(cv2.VideoCapture(camera_idx)),選擇使用USB攝像頭來進(jìn)行實時截取。然后選擇opencv自帶的人臉識別分類器(haarcascade_frontalface_alt2.xml)，之后循環(huán)來讀取視頻里每一幀的圖像進(jìn)行人臉截取。

首先把當(dāng)前圖像轉(zhuǎn)換喂灰度圖像，這樣能大幅減少數(shù)據(jù)量，以便計算特征，然后開始進(jìn)行人臉檢測，調(diào)用classfier.detectMultiScale函數(shù)其中選取1.2為圖片縮放比例，和2個檢測有效點(diǎn)，其參數(shù)為grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32)，當(dāng)這個函數(shù)返回值的len長度大于0時檢測到人臉然后保存到本地，當(dāng)循環(huán)到達(dá)設(shè)定的要截取人臉數(shù)據(jù)量時退出循環(huán)。

3.2 face-dispose.py(處理下載的人臉數(shù)據(jù)庫)

處理圖片也用opencv大致步驟與第一步出不多，只是寫2個循環(huán)來讀取圖片、處理圖片、保存圖片。把圖片處理成64×64大小的圖片，方便以后訓(xùn)練。

3.3 train_faces.py(訓(xùn)練模型)

學(xué)習(xí)平臺選擇Tensorflow2.0，并且導(dǎo)入opencv和sklearn,由于大部分功能都用不到Tf2.0的特性于是添加下面兩行代碼來讓使用V1版本的功能import tensorflow.compat.v1 as tf和 tf.disable_v2_behavior()。接下來需要定義幾個函數(shù)來實現(xiàn)一些功能，他們分別是：

def getPaddingSize(img):

此函數(shù)的作用是給2維圖像一個坐標(biāo)其中要用//整除符號，否則結(jié)果會進(jìn)行偏移。函數(shù)返回 top, bottom, left, right。4個值。

def readData(path , h=size, w=size):此函數(shù)的主要功能是讀取圖片數(shù)據(jù)后先將圖片放大， 擴(kuò)充圖片邊緣部分，其次將圖片數(shù)據(jù)與標(biāo)簽轉(zhuǎn)換成數(shù)組、隨機(jī)劃分測試集與訓(xùn)練集，設(shè)置圖片數(shù)據(jù)的總數(shù)，圖片的高、寬、通道，接下來將數(shù)據(jù)轉(zhuǎn)換成小于1的數(shù)，在此函數(shù)中設(shè)置一個圖片塊，每次取100張圖片。

def weightVariable(shape):

權(quán)重變量，函數(shù)返回tf.Variable(tf.random_normal(shape, stddev=0.01))

def biasVariable(shape):

函數(shù)返回tf.Variable(tf.random_normal(shape))

def conv2d(x, W):2維的卷積層,用于圖片的卷積, 輸入圖像的通道數(shù)= x (灰度圖像),卷積核的種類數(shù)=W, 卷積核的shape是[1,1,1,1]的,padding = 'SAME'輸入圖片大小和輸出圖片大小是一致的。

def maxPool(x):

max pooling是CNN當(dāng)中的最大值池化操作，函數(shù)返tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')

def dropout(x, keep):

返回tf.nn.dropout(x, keep)

def cnnLayer():

第一層：卷積核大小(3,3)，輸入通道(3)，輸出通道(32)，卷積，池化，減少過擬合，隨機(jī)讓某些權(quán)重不更新。

第二層：卷積核大小(3,3)，輸入通道(32)，輸出通道(64)，卷積，池化，減少過擬合。

第三層：卷積核大小(3,3)，輸入通道(64)，輸出通道(64)，卷積，池化，減少過擬合。

輸出層：二維張量，1*512矩陣卷積，共2個卷積，對應(yīng)開始的ys長度為2，最后的分類，結(jié)果為1*1*2softmax和sigmoid都是基于logistic分類算法，一個是多分類一個是二分類。

def cnnTrain():

開始數(shù)據(jù)訓(xùn)練以及評測，調(diào)用cnnLayer()，比較標(biāo)簽是否相等，再求的所有數(shù)的平均值，tf.cast(強(qiáng)制轉(zhuǎn)換類型)，將loss與accuracy保存以供tensorboard使用，數(shù)據(jù)保存器的初始化，開始循環(huán)，每次取128張圖片，開始訓(xùn)練數(shù)據(jù)，同時訓(xùn)練三個變量，返回三個數(shù)據(jù)，打印損失，獲取測試數(shù)據(jù)的準(zhǔn)確率，準(zhǔn)確率大于0.98時保存訓(xùn)練完成的模型，以便調(diào)用。

4 Distinguish.py(讀取模型并驗證模型)

在剛才train_faces.py的基礎(chǔ)上再定義一個函數(shù)以便于驗證模型，同樣使用opencv來幫助驗證模型，首先加載剛剛訓(xùn)練好的模型。

saver = tf.train.Saver()

sess = tf.Session()

saver.restore(sess, tf.train.latest_checkpoint('存放模型的目錄'))

然后定義一個函數(shù)用來讀取圖像到模型中進(jìn)行比對，是否為模型訓(xùn)練里的臉，并返回true或false。接下來就要調(diào)用opencv截取每一幀視頻圖像截取人臉作為參數(shù)傳遞給驗證函數(shù)，并且在人臉框旁邊顯示這張臉人主人是誰。

5 結(jié) 語

此項目的最重要的部分有兩個，首先是圖片數(shù)據(jù)的處理，必須將圖片處理成合適的大小來進(jìn)行訓(xùn)練，這樣能加快效率，其次是模型訓(xùn)練，這是整個項目的重中之重，這里總共用到了2個卷積，因為由于隱私問題不能隨便使用別人的人臉數(shù)據(jù)，這里的數(shù)據(jù)主要是作者的人臉數(shù)據(jù)和少部分網(wǎng)上公開無版權(quán)糾紛的人臉數(shù)據(jù)庫，數(shù)據(jù)不多，這個項目主要區(qū)分作者和其他人的臉，如果想訓(xùn)練模型識別多個人的人臉可以在數(shù)據(jù)處理時加幾個循環(huán)，大體框架不變，訓(xùn)練時多幾個變量即可完成項目。