基于PCA算法的人臉識(shí)別的圖片搜索引擎

摘要：文章討論了為了滿足用戶對(duì)圖片檢索的需求量不斷加大的需要，使得用戶的體驗(yàn)方便快捷，從人臉識(shí)別的算法分析出發(fā)，基于ORL人臉庫(kù)針對(duì)人臉的特征化信息進(jìn)行提取，同時(shí)分析、區(qū)別和匹配不同人臉，在此基礎(chǔ)上，搭建人臉識(shí)別搜索引擎，使得用戶可以從本地上傳照片并查找相似圖片。

關(guān)鍵詞：人臉識(shí)別；PCA算法；特征提?。凰阉饕?；圖片搜索 文獻(xiàn)標(biāo)識(shí)碼：A

中圖分類號(hào)：TP391 文章編號(hào)：1009-2374（2015）22-0021-02 DOI：10.13535/j.cnki.11-4406/n.2015.22.011

1 概述

搜索引擎完成的主要功能是關(guān)鍵詞的匹配及網(wǎng)絡(luò)上節(jié)點(diǎn)的遍歷查找，而本文針對(duì)人臉識(shí)別的圖片搜索引擎同樣利用特征匹配實(shí)現(xiàn)以人臉找相似人臉的搜索引擎。本文對(duì)人臉識(shí)別算法的分析主要從主成分分析法（PCA）入手，對(duì)其中的缺陷進(jìn)行改進(jìn)并應(yīng)用于人臉圖片搜索引擎的實(shí)現(xiàn)中。在主成分分析法中利用降維的思想提取主要特征，經(jīng)過(guò)線性變換及奇異值分解得到特征向量從而得到特征臉。在搜索引擎的實(shí)現(xiàn)中主要利用的是在網(wǎng)絡(luò)上節(jié)點(diǎn)的遍歷以找到匹配信息并顯示的技術(shù)。

2 人臉識(shí)別算法的分析

人臉識(shí)別算法的重點(diǎn)在于對(duì)于圖片的特征提取和分析，一張圖片的分辨率決定了圖片劃分的精度，為了提取有效特征，比如眼、口、鼻，可以將整張圖像利用橫縱軸劃分，利用多幅圖片，提取特征形成特征向量，表征標(biāo)準(zhǔn)人臉的組成。本次使用ORL人臉數(shù)據(jù)庫(kù)作為樣本進(jìn)行PCA算法的驗(yàn)證及分析。

2.1 基于PCA人臉識(shí)別算法的分析

PCA（主成分分析）和LDA（線性鑒別分析）是兩種降維方法，經(jīng)過(guò)基本的測(cè)試和分析，PCA算法對(duì)于圖片識(shí)別的正確性很高，對(duì)于人臉表情和輕微顫抖也有很好的健壯性（本文的測(cè)試實(shí)驗(yàn)建立在ORL人臉庫(kù)上）。

PCA方法由Turk和Pentlad提出，它是基于Karhunen-Loeve變換（即K-L變換），主要用于建模方法中常用的數(shù)據(jù)降維，由于一幅圖像由像素組成，基于像素在行列方向上的劃分形成矩陣或看成一個(gè)矢量，構(gòu)成原始的圖像空間，因此PCA算法同樣也應(yīng)用于人臉識(shí)別的領(lǐng)域——PCA算法在處理人臉等圖像識(shí)別問(wèn)題時(shí)，遵循如下過(guò)程：將圖像矩陣轉(zhuǎn)化為圖像向量，對(duì)原始圖像向量進(jìn)行線性分析標(biāo)準(zhǔn)化后得到標(biāo)準(zhǔn)化矩陣根據(jù)方差確定影響最大的向量即為第一主成分類似前面過(guò)程得到第二主成分以此類推。完整的人臉識(shí)別的過(guò)程包括：讀入人臉庫(kù)；形成特征臉（即特征向量）子空間，對(duì)圖像進(jìn)行降維獲取特征值，把兩組圖像投影到由K-L變換得到的子空間上，利用對(duì)圖像的這種投影間的某種度量來(lái)確定圖像間的相似度；選擇一定的距離函數(shù)進(jìn)行識(shí)別。提取主要的特征向量進(jìn)行圖像重建，根據(jù)圖像重建結(jié)果得出相似程度與提取原始圖像向量的關(guān)系。

2.2 對(duì)于不同條件對(duì)特征提取的影響

2.2.1 依據(jù)圖像重建，得出利用特征向量的多少及原始圖片的成像清晰度（包括角度、光線、傾斜程度）都對(duì)重建結(jié)果有很大影響。這是人臉識(shí)別的關(guān)鍵性問(wèn)題，本文通過(guò)圖片預(yù)處理來(lái)解決一部分問(wèn)題，比原先未處理的圖片重建效果好了很多，擬合性也高了很多。

2.2.2 對(duì)于PCA算法，要求訓(xùn)練集必須大于測(cè)試集。即要搜索的人臉圖片必須在數(shù)據(jù)庫(kù)中存在至少一張

圖片才能得到好的重建效果，否則不能實(shí)現(xiàn)。PCA算法可以對(duì)訓(xùn)練樣本內(nèi)的圖片重建效果很好。

如圖2，表示使用特征向量進(jìn)行人臉重建得出的一組人臉圖像。

第一、二組表示訓(xùn)練樣本中的重建結(jié)果，第三組表示訓(xùn)練樣本外的重建結(jié)果，從中可以看出，訓(xùn)練樣本內(nèi)的效果在特征向量大于等于100時(shí)基本得到了很好的重建效果，基本還原原始圖片，而訓(xùn)練樣本外重建的效果只能得到關(guān)鍵部位例如五官的大致位置和形狀，重建效果不是特別好。

2.3 基于影響因素對(duì)PCA算法的改進(jìn)

通過(guò)增加訓(xùn)練，集中不同人臉圖片的數(shù)量，增加關(guān)鍵部位例如五官的豐富性，使獲得的平均臉更具有廣泛性和代表性，對(duì)于不同圖片的外在差異性通過(guò)圖片預(yù)處理（例如：灰度處理）從而產(chǎn)生顏色、紋理差異性較小的圖片，再使用PCA算法進(jìn)行降維得到的特征向量來(lái)重建的人臉圖片具有更好的擬合性，如此得到的特征向量相比沒(méi)有做預(yù)處理圖片有較好的重建效果。

3 Ubuntu下搜索引擎的搭建

3.1 準(zhǔn)備工作

為了提高安全性，由于Ubuntu系統(tǒng)下可選擇用戶權(quán)限使得人臉庫(kù)的可靠性更高，本文選擇在Ubuntu下完成人臉?biāo)阉饕娴膶?shí)現(xiàn)。在Ubuntu系統(tǒng)下通過(guò)命令行下載安裝CMake、OpenCV，同時(shí)利用CMake對(duì)OpenCV進(jìn)行編譯；配置php的imagick-3.2.擴(kuò)展和imagemagick擴(kuò)展為圖片處理做準(zhǔn)備，再配置好face_detect即php使用OpenCV的擴(kuò)展函數(shù)；由于使用PHP作為開(kāi)發(fā)環(huán)境，下載安裝LAMP（Linux、Apache、Mysql和PHP），將搭建搜索引擎的環(huán)境配置好。

3.2 前臺(tái)設(shè)計(jì)

搜索引擎主要以網(wǎng)頁(yè)的形式與用戶交互，是與用戶交互的接口的主要界面，主要有以下功能：實(shí)現(xiàn)人臉圖片的檢索和匹配功能（button、input元素），同時(shí)可以從本地上傳圖片（可預(yù)覽）至網(wǎng)頁(yè)客戶端（input元素），使得本地圖片與系統(tǒng)中相似圖片得以匹配并顯示給用戶。設(shè)計(jì)框架搭建前臺(tái)界面，利用html、css與JS語(yǔ)言實(shí)現(xiàn)界面設(shè)計(jì)，html和css完成界面風(fēng)格設(shè)計(jì)，JS實(shí)現(xiàn)動(dòng)態(tài)頁(yè)面效果（例如預(yù)覽圖片的動(dòng)態(tài)顯示等），布局主要采用分欄形式，整體風(fēng)格簡(jiǎn)約便于用戶使用。

3.3 后臺(tái)實(shí)現(xiàn)

基于代碼的后臺(tái)主要使用php語(yǔ)言實(shí)現(xiàn)具體功能，包括：實(shí)現(xiàn)人臉圖片的檢索和匹配功能，同時(shí)可以從本地上傳圖片至網(wǎng)頁(yè)客戶端且用戶可以預(yù)覽，通過(guò)用戶點(diǎn)擊搜索按鈕使得本地圖片與網(wǎng)絡(luò)中相似圖片得以匹配并將匹配圖片顯示給用戶。通過(guò)spider技術(shù)實(shí)現(xiàn)網(wǎng)絡(luò)上html文檔的遍歷，可采用廣度優(yōu)先算法——在訪問(wèn)一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)后一次訪問(wèn)相鄰的網(wǎng)絡(luò)節(jié)點(diǎn)直到將網(wǎng)絡(luò)中所有節(jié)點(diǎn)全部遍歷。對(duì)于圖片匹配與傳統(tǒng)的搜索引擎的文字匹配是類似的，利用PCA算法將圖片抽象成特征向量并與www中的html文檔中為圖片格式的元素進(jìn)行匹配，通過(guò)建立索引的方式實(shí)現(xiàn)人臉圖片的查找與匹配，從而顯示給用戶。

4 結(jié)語(yǔ)

本文主要探討如何用php語(yǔ)言來(lái)實(shí)現(xiàn)搜索引擎中人臉圖片識(shí)別匹配的功能。由于在Ubuntu系統(tǒng)中可以保障人臉信息的安全性，本文的搜索引擎實(shí)現(xiàn)在Ubuntu系統(tǒng)下完成。該搜索引擎中對(duì)于人臉識(shí)別部分使用了穩(wěn)定可靠的PCA算法，搜索引擎本身采用網(wǎng)絡(luò)爬蟲(chóng)進(jìn)行索引匹配，雖然基礎(chǔ)，但給用戶檢索人臉圖片帶來(lái)一定的方便，實(shí)現(xiàn)了圖片搜索、匹配等一些常用的功能，但是系統(tǒng)還可以進(jìn)一步完善。由于現(xiàn)在信息大爆炸，在各個(gè)領(lǐng)域中對(duì)于信息的私有性有著很大的需求，因此，本次研究與實(shí)踐還有待進(jìn)一步完善：（1）檢索圖片不僅僅局限于人臉圖片，而擴(kuò)展為包括風(fēng)景、物品等圖片的檢索；（2）優(yōu)化PCA算法，使用基于PCA算法的優(yōu)化算法例如Eigenface（其方法基于本文研究的PCA算法），可能會(huì)得到更好的結(jié)果；（3）不僅僅局限在搜索引擎，可以擴(kuò)展到手機(jī)APP，使得人臉識(shí)別得到更好的應(yīng)用。

參考文獻(xiàn)

[1] 宇雪垠，曹拓荒，陳本盛.基于特征臉的人臉識(shí)別及實(shí)現(xiàn)[J].河北工業(yè)科技，2009，9（5）.

[2] 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，（12）.

作者簡(jiǎn)介：李亞男（1992-），女，山西太原人，南京郵電大學(xué)計(jì)算機(jī)軟件學(xué)院學(xué)生，研究方向：軟件工程。

（責(zé)任編輯：周 瓊）