張紹龍

（西安職業(yè)技術(shù)學(xué)院 大數(shù)據(jù)應(yīng)用學(xué)院，西安 710077）

因人臉具有較好的穩(wěn)定性以及無需配合性，使得人臉識(shí)別在刑事案件偵破以及門禁系統(tǒng)等多種領(lǐng)域得到了廣泛應(yīng)用[1-3]。但與此同時(shí)，人臉圖像極易受到光照以及角度等多種因素影響的特性，也使人臉識(shí)別工作面臨非常大的挑戰(zhàn)[4-5]。能否研究一種合適的人臉識(shí)別方法或是設(shè)計(jì)一種能夠較好完成人臉識(shí)別工作的系統(tǒng)，已逐漸成為人臉識(shí)別技術(shù)能否在多種領(lǐng)域得到良好運(yùn)用的關(guān)鍵。

文獻(xiàn)[6]提出引入感知模型的改進(jìn)孿生卷積神經(jīng)網(wǎng)絡(luò)人臉自動(dòng)化識(shí)別方法；文獻(xiàn)[7]提出基于facenet皮爾森判別網(wǎng)絡(luò)的人臉自動(dòng)化識(shí)別方法。前者充分利用孿生卷積神經(jīng)網(wǎng)絡(luò)可有效降低噪聲干擾以及防止過渡擬合的特性；后者在facenet 前端對(duì)多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)實(shí)施有效融合操作，將皮爾森相關(guān)系數(shù)判別模塊放入其中，完成目標(biāo)人臉深度性質(zhì)特征的有效判別。二者均可實(shí)現(xiàn)人臉自動(dòng)化識(shí)別，但是均是通過采集目標(biāo)人臉的RGB 圖像，完成相應(yīng)的人臉識(shí)別工作，識(shí)別效果并不理想。

為此，本文設(shè)計(jì)基于人工智能技術(shù)的高光譜人臉自動(dòng)識(shí)別系統(tǒng)，更好滿足實(shí)際工作需要。

1 高光譜人臉自動(dòng)識(shí)別系統(tǒng)設(shè)計(jì)

1.1 人工智能技術(shù)高光譜人臉自動(dòng)識(shí)別系統(tǒng)架構(gòu)

本文設(shè)計(jì)一種基于人工智能技術(shù)的嵌入式高光譜人臉自動(dòng)識(shí)別系統(tǒng)，設(shè)計(jì)出高光譜人臉自動(dòng)識(shí)別系統(tǒng)架構(gòu)。基于Hi3531 處理器對(duì)系統(tǒng)架構(gòu)實(shí)施合理設(shè)計(jì)，因Hi3531 處理器對(duì)數(shù)據(jù)的處理頻率最高可達(dá)930 MHz，故其可保障高光譜人臉自動(dòng)識(shí)別系統(tǒng)在人臉識(shí)別方面的整體性能，也能更好滿足人臉自動(dòng)識(shí)別系統(tǒng)在實(shí)時(shí)性方面的需求。在實(shí)際的工作中，用戶通過人機(jī)交互模塊發(fā)出相應(yīng)指令，令圖像采集與圖像處理模塊打開，采集與預(yù)處理高光譜人臉圖像，并將所獲高光譜人臉圖像放入RAM 存儲(chǔ)器，之后由人臉檢測(cè)模塊調(diào)用預(yù)處理后的高光譜人臉圖像數(shù)據(jù)完成人臉檢測(cè)工作，人臉檢測(cè)工作完成后，由人臉特征提取與識(shí)別模塊執(zhí)行高光譜圖像人臉特征提取操作，并完成人臉識(shí)別。

1.2 人工智能技術(shù)高光譜人臉自動(dòng)識(shí)別系統(tǒng)硬件設(shè)計(jì)

1.2.1 Hi3531 處理器設(shè)計(jì)

在實(shí)際的工作中，因Hi3531 處理器具有較好的數(shù)據(jù)處理性能，常被應(yīng)用于各種人臉識(shí)別系統(tǒng)中[8-9]。本文為能收獲更為理想的高光譜人臉自動(dòng)識(shí)別效果，同樣將其應(yīng)用于本文系統(tǒng)中，并對(duì)其芯片結(jié)構(gòu)實(shí)施了合理設(shè)計(jì)。

Hi3531 處理器將具有超高數(shù)據(jù)處理性能的ARM芯片當(dāng)作其內(nèi)核，最高數(shù)據(jù)處理頻率可達(dá)930 MHz，可在多種軟件或者嵌入類型系統(tǒng)當(dāng)中穩(wěn)定順暢運(yùn)行，其擁有性能優(yōu)良的DDR3 SDRAM 存儲(chǔ)性質(zhì)控制器，存儲(chǔ)空間較大，可與多個(gè)圖像編碼器完美契合。

1.2.2 千兆以太網(wǎng)模塊設(shè)計(jì)

千兆以太網(wǎng)不僅具有優(yōu)良的數(shù)據(jù)傳輸性能，同時(shí)還可以較好實(shí)現(xiàn)電氣隔離，因而在數(shù)據(jù)傳輸工作方面較具優(yōu)勢(shì)[10]。在本文中，基于Zynq-7000 芯片對(duì)千兆以太網(wǎng)模塊實(shí)施合理設(shè)計(jì)。上行高光譜人臉圖像數(shù)據(jù)在經(jīng)RAM 隨機(jī)存儲(chǔ)器實(shí)施合理緩存后，以PS-PL 接口為可靠連接媒介，傳輸?shù)紸RM 處理器執(zhí)行打包處理操作，處理完畢使用UDP 協(xié)議經(jīng)AR8035芯片以及網(wǎng)口傳輸至計(jì)算機(jī)；下行的命令字由網(wǎng)口傳輸至ARM 處理器執(zhí)行打包處理操作，打包處理工作完成后，同樣以PS-PL 接口為可靠連接媒介，傳輸至RAM 隨機(jī)存儲(chǔ)器實(shí)施有效緩存，并向下傳送。

1.3 人工智能技術(shù)高光譜人臉自動(dòng)識(shí)別系統(tǒng)軟件設(shè)計(jì)

1.3.1 高光譜人臉圖像采集與預(yù)處理

在本文系統(tǒng)中，高光譜人臉圖像的采集是通過在圖像采集模塊使用帶有USB 接口的高光譜攝像頭實(shí)現(xiàn)的。本文對(duì)高光譜人臉圖像的預(yù)處理工作主要從圖像去噪以及對(duì)比度增強(qiáng)兩個(gè)方面著手，旨在提高所獲高光譜人臉圖像的清晰度。

具體的高光譜人臉圖像去噪流程如下：

（1）使用窗口規(guī)格為3×3 的中值濾波對(duì)采集到的高光譜人臉圖像執(zhí)行中值濾波處理操作。

（2）利用conf4 小波基對(duì)通過步驟（1）獲得的高光譜人臉圖像執(zhí)行分解層數(shù)為3 的小波分解操作，并將分解操作后收獲的尺度以及小波系數(shù)作為主要構(gòu)成，構(gòu)建系數(shù)向量H。

（3）對(duì)H 執(zhí)行閾值化處理操作，在本文中閾值函數(shù)選用的是軟閾值函數(shù)，用公式可將軟閾值函數(shù)描述為

式中：通用閾值用λ 標(biāo)記；閾值化處理后的H 用H′標(biāo)記。

（4）利用通過步驟（3）獲得的新系數(shù)向量，執(zhí)行小波重構(gòu)操作，完成高光譜人臉圖像去噪。

對(duì)高光譜人臉圖像對(duì)比度的增強(qiáng)主要是對(duì)其存在的高頻部分實(shí)施對(duì)比度增強(qiáng)，在本文中挑選原高光譜人臉圖像所擁有像素的3×3 區(qū)域，實(shí)施局部對(duì)比度增強(qiáng)，具體是由圖像預(yù)處理模塊使用局部統(tǒng)計(jì)法實(shí)現(xiàn)的，可將增強(qiáng)過程描述為

式中：輸入以及輸出高光譜人臉圖像高頻部分的亮度值分別用h（i，j）、f（i，j）標(biāo)記；增益系數(shù)以及鄰域平均值用g、h′（i，j）標(biāo)記。g 通常取值不能過小，若取值過小極其容易造成圖像模糊，改變圖像增強(qiáng)操作的初衷，結(jié)合以往經(jīng)驗(yàn)，通常應(yīng)使g 滿足g∈［0.75，1.05］。

1.3.2 人臉區(qū)域檢測(cè)與提取流程

在本文中對(duì)人臉的檢測(cè)，是通過加載Haar 人臉分類器實(shí)現(xiàn)的，具體的人臉檢測(cè)流程如圖1 所示。

圖1 人臉區(qū)域檢測(cè)與提取流程Fig.1 Face region detection and extraction flow chart

1.3.3 人臉特征提取與識(shí)別

本文在人臉特征提取與識(shí)別模塊應(yīng)用LBP 算法對(duì)經(jīng)人臉檢測(cè)操作提取的人臉區(qū)域執(zhí)行LBP 特征提取操作，具體的特征提取過程如下：

（1）對(duì)人臉區(qū)域圖像執(zhí)行有效的平均劃分操作，將其劃分成規(guī)格為16×16，數(shù)量為256 的小塊區(qū)域；

（2）框選出一個(gè)規(guī)格為3×3 的窗口，將該窗口所擁有中心像素產(chǎn)生的灰度值與其周圍8 個(gè)像素產(chǎn)生的灰度值，執(zhí)行合理的比較操作。若周圍像素產(chǎn)生灰度值低于框選窗口中心像素產(chǎn)生的灰度值，那么用0 表示該像素，反之用1 表示；

（3）通過執(zhí)行步驟（1）與步驟（2）操作獲取到的數(shù)列為二進(jìn)制形式的數(shù)列，對(duì)所獲二進(jìn)制形式數(shù)列執(zhí)行十進(jìn)制轉(zhuǎn)化操作，并對(duì)各小塊區(qū)域內(nèi)各數(shù)字出現(xiàn)的頻率實(shí)施合理統(tǒng)計(jì)。

本文在完成上述圖像特征提取操作后，在人臉特征提取與識(shí)別模塊搭建以1 個(gè)輸入層、2 個(gè)卷積層、2 個(gè)采樣層、1 個(gè)全連接層以及1 個(gè)輸出層為主要構(gòu)成的LeNet-5 卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別模型，完成高光譜人臉自動(dòng)化識(shí)別工作。

為有效防止模型訓(xùn)練時(shí)繼續(xù)出現(xiàn)梯度消失狀況，本文提出對(duì)數(shù)修正線性單元函數(shù)，并將其當(dāng)作激活函數(shù)代替Sigmoid 函數(shù)使用，可將其描述為

使用新的激活函數(shù)，經(jīng)過執(zhí)行不斷的模型訓(xùn)練操作，便可收獲較為理想的高光譜人臉自動(dòng)識(shí)別結(jié)果。

2 實(shí)驗(yàn)與分析

為驗(yàn)證本文系統(tǒng)在高光譜人臉自動(dòng)化識(shí)別工作方面的優(yōu)勢(shì)，在本文實(shí)驗(yàn)中，由工作人員隨機(jī)挑選20 名現(xiàn)場(chǎng)測(cè)試人員，從該人臉數(shù)據(jù)庫中隨機(jī)選擇800 個(gè)高光譜人臉圖像樣本，與現(xiàn)場(chǎng)測(cè)試人員高光譜人臉圖像樣本混合在一起，形成本文實(shí)驗(yàn)用高光譜人臉圖像樣本數(shù)據(jù)庫。

應(yīng)用本文系統(tǒng)對(duì)現(xiàn)場(chǎng)測(cè)試者A1～A20 執(zhí)行高光譜人臉圖像采集與預(yù)處理，獲得的部分高光譜圖像采集與預(yù)處理結(jié)果，如圖2 所示。分析圖2 可知，應(yīng)用本文系統(tǒng)可有效采集與預(yù)處理高光譜人臉圖像，并且無論是在拍攝光線較為明亮的狀況下，還是較為灰暗的情況下，都能夠?qū)⑺筛吖庾V圖像處理成視覺效果較為舒適的高光譜圖像，為高光譜人臉自動(dòng)化識(shí)別工作提供可靠數(shù)據(jù)支撐。

圖2 高光譜人臉圖像采集與預(yù)處理理效果Fig.2 Effect of hyperspectral face image acquisition and preprocessing

以預(yù)處理后的現(xiàn)場(chǎng)測(cè)試者圖像A1 為例，應(yīng)用本文系統(tǒng)對(duì)其執(zhí)行高光譜人臉圖像檢測(cè)、特征提取與識(shí)別操作，獲得的高光譜人臉圖像檢測(cè)以及特征提取與識(shí)別效果，如圖3 和圖4 所示?？梢钥闯觯瑧?yīng)用本文系統(tǒng)可以完成高光譜人臉圖像檢測(cè)操作，從圖像中獲取到目標(biāo)人臉區(qū)域。本文系統(tǒng)不僅可以有效提取目標(biāo)人臉區(qū)域的LBP 特征，且特征提取效果較好。

圖3 高光譜人臉圖像人臉區(qū)域檢測(cè)效果Fig.3 Effect of facial region detection in hyperspectral facial images

圖4 人臉區(qū)域特征提取與識(shí)別效果Fig.4 Effect of facial feature extraction and recognition

應(yīng)用本文系統(tǒng)對(duì)預(yù)處理后的A1 圖像實(shí)施有效的人臉自動(dòng)化識(shí)別，獲得的人臉自動(dòng)化識(shí)別系統(tǒng)軟件運(yùn)行界面，如圖5 所示。分析圖5 可知，卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別模型具有較快的訓(xùn)練速度，只需約8 s的時(shí)間便可達(dá)到收斂狀態(tài)，完成相應(yīng)的模型訓(xùn)練工作，且損失函數(shù)值近乎為0。

圖5 人臉圖像自動(dòng)化識(shí)別系統(tǒng)軟件運(yùn)行界面Fig.5 Software operation interface of automatic face image recognition system

3 結(jié)語

應(yīng)用本文系統(tǒng)可實(shí)現(xiàn)高光譜人臉自動(dòng)識(shí)別，并且人臉自動(dòng)化識(shí)別效果較好，其在人臉自動(dòng)化識(shí)別工作方面的優(yōu)勢(shì)主要體現(xiàn)在應(yīng)用本文系統(tǒng)可以有效預(yù)處理采集到的高光譜人臉圖像，不僅能夠?qū)D像中含有的噪聲點(diǎn)全部去除，還能夠?qū)D像對(duì)比度增強(qiáng)到人眼舒適范圍內(nèi)，預(yù)處理后的高光譜人臉圖像較為清晰，明暗適中。