邵 燚，侯益明，李和雨

（1.山西農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院，山西 太谷 030801；2.南昌工程學(xué)院水利與生態(tài)工程學(xué)院，江西 南昌 330099）

0 引言

隨著科學(xué)技術(shù)的井噴式發(fā)展,人們對于信息安全的要求越來越高。 人臉識別作為當今時代的熱點話題,雖然在身份驗證、安全監(jiān)測以及移動支付等領(lǐng)域已經(jīng)有了一定的發(fā)展,但是通過人臉圖像來進行快速、穩(wěn)定、準確的識別仍然面臨著巨大的挑戰(zhàn)。

Matlab 是以矩陣為基本的數(shù)據(jù)單位,具有語言簡潔、語法不受嚴格的限制、用法簡單、自由度高、程序結(jié)構(gòu)性強的優(yōu)勢,它的功能很強大,可以使用其窗口環(huán)境實現(xiàn)數(shù)值分析和計算、圖像分析和處理、矩陣的計算等功能［1］。 生物識別技術(shù)可以對個人身份進行鑒別,主要是對人體的指紋、掌紋、虹膜等生理特征進行信息提取,然后再使用計算機技術(shù)、光學(xué)、生物信息學(xué)原理等領(lǐng)域的相關(guān)技術(shù)進行個人身份的鑒別。 由于每個人的生理特征是獨有的,所以很難對其進行模仿或者偽造,因此具有高度的安全性,對信息安全的保護具有極大的作用。 其中虹膜識別和人臉識別等都屬于生物識別技術(shù)的研究方向,和虹膜識別有所區(qū)別的是,人臉識別容易受遮擋物、光照、表情、時間以及姿態(tài)變化等的影響,從而人臉識別比虹膜識別要復(fù)雜得多［2］。

1 人臉識別系統(tǒng)概述

人臉識別系統(tǒng)由人臉圖像預(yù)處理、人臉檢測、特征提取以及分類識別4 個部分構(gòu)成,具體流程如圖1 所示。 通過掃描輸入的靜態(tài)圖像或者動態(tài)的視頻中的人臉,從而確定所采集人像的身份信息,具有廣闊的應(yīng)用前景。

圖1 人臉識別系統(tǒng)

1.1 人臉圖像預(yù)處理

在對目標圖像集進行人臉檢測之前,需要對其進行預(yù)處理操作,提取目標人臉的主要特征。 針對預(yù)處理部分,可以采用圖像去噪、直方圖均衡化等一系列措施［3］,使系統(tǒng)可以快速反應(yīng)識別人臉,提高系統(tǒng)檢測的精確性。

1.2 人臉檢測

人臉檢測的目的是為了確定靜態(tài)圖像或者動態(tài)視頻中人臉的數(shù)量、大小和位置。 根據(jù)提取檢測特征方式的不同主要分為3 類:基于統(tǒng)計學(xué)習(xí)的人臉檢測方法、基于知識的人臉檢測方法和基于模版匹配的人臉檢測方法［4］。

1.3 特征提取

特征提取是人臉識別的關(guān)鍵環(huán)節(jié),特征提取既可以從圖像中提取出最有利于進行人臉識別的特征信息,還可以極大程度上降低圖像樣本的維數(shù),從而達到簡化問題的作用。 故有效的特征提取對于問題的解決具有至關(guān)重要的作用。 例如:采用PCA 人臉識別算法,主要利用K-L 變換來提取特征,進而完成數(shù)據(jù)的映射與壓縮［5］。

1.4 分類識別

在分類識別部分中,分類器的設(shè)計起到了極為重要的作用。 本實驗先預(yù)先訓(xùn)練樣本集,對其特征數(shù)據(jù)進行提取,并映射到特征向量子空間中去。 在識別階段,將采集到的靜態(tài)圖像或動態(tài)視頻中的人臉特征數(shù)據(jù)與數(shù)據(jù)庫中的向量空間進行數(shù)據(jù)匹配,進而得出分類結(jié)果。 訓(xùn)練過程和識別過程的關(guān)系如圖2 所示［6］。

圖2 訓(xùn)練和識別的關(guān)系

2 人臉識別系統(tǒng)的設(shè)計

本人臉識別系統(tǒng)按照人臉圖像預(yù)處理、人臉檢測、特征提取以及分類識別的過程進行人臉識別。 視頻流中的人臉識別,首先,需要對視頻幀進行圖片預(yù)處理,然后檢測出視頻幀中人臉的具體位置。 為了避免由于人臉傾斜或者頭部轉(zhuǎn)動使得面部信息缺失而導(dǎo)致的人臉識別的失敗。 在對每個視頻幀進行人臉檢測時,通過大量密集型的計算來確定待測目標的位置。 其次,進行人臉特征的提取操作,提取一個該目標對象獨有的特征,即具有唯一性,并且該特征不會隨著目標對象的移動而發(fā)生改變。 本系統(tǒng)選取目標對象的膚色作為跟蹤的主要特征,因目標對象的膚色與背景顏色能夠形成較為鮮明的對比,在檢測人臉時并不會隨著臉部的移動或者仰俯、旋轉(zhuǎn)而改變。 接著,對視頻中的人臉進行追蹤,從被檢測的人臉區(qū)域中提取顏色通道像素。人臉部區(qū)域提供了精確的膚色度量,并不包含任何背景像素,因此可以進行準確的追蹤檢測。 最后,將識別過程中提取到的特征信息與數(shù)據(jù)庫中映射出的特征子空間進行對比,判斷目標對象的身份。

人臉識別常用的數(shù)據(jù)庫是ORL 人臉庫［7］,是由劍橋大學(xué)實驗室創(chuàng)建,包含40 人共400 幅面部圖像,其中部分志愿者的圖像包含了姿態(tài)、表情和面部飾物的變化。

本系統(tǒng)按照圖2 所示的流程對采集到的視頻進行訓(xùn)練和識別處理,采集一定量的圖片作為本系統(tǒng)的訓(xùn)練集,構(gòu)建人臉識別模型。 針對作為訓(xùn)練集的圖片,首先應(yīng)對其膚色特征進行提取,然后建立特征向量空間,構(gòu)成自定義數(shù)據(jù)庫。 采集一段視頻作為本系統(tǒng)的測試集,對本視頻中的人臉進行膚色特征提取,將所提取的特征數(shù)據(jù)與自定義數(shù)據(jù)庫里的特征向量空間進行匹配,最終輸出人臉識別的結(jié)果。

3 實驗結(jié)果分析

本系統(tǒng)可以實現(xiàn)自動追蹤人臉目標,檢測窗口可以根據(jù)待檢測視頻中人物臉部尺寸的大小進行自適應(yīng)的調(diào)整。 在人臉追蹤的過程中,若待檢測目標人臉存在部分遮擋,系統(tǒng)依舊可以繼續(xù)追蹤；當遮擋物拿開時,系統(tǒng)可快速反應(yīng)對人臉進行全面追蹤。 使用局部檢測的方法,使得算法簡單、計算量小,具有較好的實時性和魯棒性。 本系統(tǒng)針對采集到的一段10 s 的視頻進行人臉識別,目標對象的膚色與背景顏色形成較為鮮明的對比,所以在以膚色為主要特征提取的系統(tǒng)中可以準確、快速地識別出人臉,并用標識框?qū)⑷四樋虺觥?此標識框還可以對人臉進行實時追蹤,通過與自定義數(shù)據(jù)庫進行特征匹配,鑒定出此人的身份信息。截取視頻中的一幀作為本實驗的檢測結(jié)果,可以看到標識框準確地框出了幀圖像中的人臉部分,并在標識框的左上角顯示目標對象的身份信息。

4 結(jié)語

本系統(tǒng)以目標對象的膚色為追蹤的主要特征,對目標人臉進行實時的追蹤與識別,在人臉部分遮擋的情況下,仍然具有良好的實時性與精確性。 本人臉識別系統(tǒng)能夠根據(jù)人臉特征準確識別出人臉,促進很多領(lǐng)域的智能化發(fā)展,對生物識別技術(shù)的發(fā)展有一定的推動作用。