關(guān)于PCA的人臉識別技術(shù)的研究

李 婧,李志強

（1.軍械工程學(xué)院圖書館,河北石家莊,050003;2.軍械工程學(xué)院電子與光學(xué)工程系,河北石家莊,050003）

關(guān)于PCA的人臉識別技術(shù)的研究

李 婧1,李志強2

（1.軍械工程學(xué)院圖書館,河北石家莊,050003;2.軍械工程學(xué)院電子與光學(xué)工程系,河北石家莊,050003）

隨著智能技術(shù)的發(fā)展，人臉識別技術(shù)逐漸增強，人臉識別技術(shù)是一種識別身份的技術(shù)，其中涵蓋了計算機視覺技術(shù)、圖像處理技術(shù)等多種先進(jìn)技術(shù)，通過對人臉輪廓等細(xì)節(jié)特征的關(guān)注，完成人臉識別。為進(jìn)一步做好人臉識別，有必要對PCA的人臉識別技術(shù)展開研究。本文將從人臉識別流程基本情況入手，結(jié)合在人臉檢測中常用的方法，從三方面對PCA人臉識別技術(shù)進(jìn)行研究。

PCA；人臉識別技術(shù)；圖像處理

0 前言

近年來人口流動性逐漸加大，社會各界逐漸加大了對各種身份識別技術(shù)的需求，為做好身份識別工作，人臉識別技術(shù)成為現(xiàn)代重點，盡管人臉識別技術(shù)得以快速發(fā)展，但在實際利用中依然存在不少問題，因此，怎樣利用計算機技術(shù)做好人臉識別工作就成為現(xiàn)階段最重要的工作。

1 人臉識別流程

所謂的人臉識別技術(shù)就是在計算機技術(shù)的影響下，提取人臉特征，完成人臉識別工作。對于人臉識別技術(shù)來說，主要經(jīng)過三個過程，分別為人臉檢測，再到特征提取，最后到人臉識別，整個過程如下圖1所示。

圖1 PCA人臉識別流程示意圖

2 在人臉檢測中常用的方法

對于人臉識別來說，是先對人臉進(jìn)行檢測，然后提取人臉特征，最后識別人臉。在人臉檢測中，需要先輸入圖像，如果其中存在人臉，系統(tǒng)就會自動確定人臉位置與大小，這也是進(jìn)行人臉識別的第一步。通常情況下，對人臉進(jìn)行檢測，可以采用的方法有很多，最常用的是基于膚色與灰度的人臉檢測方法。膚色是人臉檢測中十分重要的一部分，它對面部細(xì)節(jié)的依懶性較小，不受表情等客觀因素的限制，穩(wěn)定性相對較好，同時與背景顏色有較大區(qū)別。而灰度檢測也是人臉檢測重要部分，它不僅可以確定人臉基本特征，對進(jìn)一步檢測人臉有重要作用。

對于人臉的膚色來說，主要呈現(xiàn)正態(tài)分布，在確定了膚色區(qū)域以后就可以檢測出膚色元素，相關(guān)學(xué)者也曾對膚色檢測進(jìn)行了研究，并提出了可以按照區(qū)域大小與形狀等確定人臉的情況，如果存在背景研究與人臉膚色相同，就可以先用亮度信息驗證各個區(qū)域，這樣人臉就會凸顯出來。

同時，在人臉檢測中還可以利用啟發(fā)模型，它不僅可以加強與幾何圖形的聯(lián)系，還能正確的確定人臉?biāo)谖恢?，如國外學(xué)者曾用以鑲嵌圖的方式進(jìn)行人臉檢測，也就是將人臉各個部分劃分成幾個小塊，且按照既定規(guī)則進(jìn)行檢測。同時，我國學(xué)者也對這種檢測方法進(jìn)行了研究，主要是根據(jù)每個小塊的灰度與梯度檢測人臉，這樣一來不僅有效提升了檢測精準(zhǔn)性，還可以快速確定人臉，但卻無法實現(xiàn)知識模型適應(yīng)，這就是啟發(fā)模型檢測人臉技術(shù)。

此外，統(tǒng)計模型檢測也是常用的人臉檢測方法，在該方法中融入了很多人臉與非人臉模板，且形成了一定數(shù)量的分類器。為做好人臉檢測工作，多采用從粗到細(xì)的檢測方法，尤其是在分級圖像的過程中，多以固定窗口為主，進(jìn)而確定好人臉?biāo)谥?。隨著科學(xué)技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)法也被應(yīng)用到人臉檢測中，并在人臉檢測中起到了一定的促進(jìn)作用，有效提升了人臉識別能力。

3 以PCA為基礎(chǔ)的人臉識別技術(shù)

3.1 小波變化圖像預(yù)處理

在拍攝人臉圖像的過程中，很容易受周邊各種因素的影響，導(dǎo)致一些人臉圖像出現(xiàn)缺陷，也正是由于這些缺陷的存在，給圖像從輸入到數(shù)字轉(zhuǎn)化帶來不少困難，所以，在識別人臉的過程中，應(yīng)先處理好圖像，強化圖像識別能力。同時，在處理圖像的過程中，還要注意數(shù)學(xué)工具的運用，通常情況下，二維小波能夠在相同張量積的作用下完成一維小波推廣，所以，該技術(shù)在很多領(lǐng)域中得以廣泛運用。在離散小波分解技術(shù)的作用下，能夠?qū)⒃瓐D劃分成四個小圖像（如下圖2所示），而這些圖像的大小則為原圖的四分之一。在適宜的小波變換下，能夠過保證人臉特征不變，只是圖像尺寸發(fā)生了變化，這樣一來不僅使圖像維度得以降低，后續(xù)處理難度也大幅度下降。通過實踐研究可以發(fā)現(xiàn)，隨著小波變化層次的增加，盡管圖像變小且不夠清晰，但人臉基本特征卻可以得到保證。所以，在實際利用小波分解層次的過程中，應(yīng)控制好層次。

圖2 小波變換后的圖像

3.2 人臉檢測

人臉檢測也是人臉識別技術(shù)中不可缺少的一部分，它主要是對整個圖像中人臉部分進(jìn)行檢測與定位。對于人臉檢測來說，較為常用且相比先進(jìn)的技術(shù)為Adaboost系統(tǒng)，該系統(tǒng)不僅可以有效提升檢測速度，還能保證識別精準(zhǔn)性。

首先，在人眼檢測中，要先對眼睛定位，在眼睛定位中主要采用了色度匹配、亮度匹配以及雙重匹配等一系列方法。如果匹配成功，就會出現(xiàn)白色標(biāo)記點，如果不成功則不會顯示。同時，在亮度匹配成功以后也會出現(xiàn)標(biāo)記點。

其次，在嘴巴檢測中，所采用的方法基本與眼睛檢測相同，但由于在嘴巴周邊可能存在離散區(qū)，這些區(qū)域很容易受到干擾，所以，在實際設(shè)計的過程中可以將白色點連接在一起，再將離散點去除，這樣就可以精準(zhǔn)的找到眼睛所在位置。

最后，人臉定位（如下圖3所示），在找出了眼睛與嘴巴所在位置以后，就可以精準(zhǔn)的找出人臉?biāo)谖恢?，在人臉區(qū)域中，會將眼睛、嘴巴以三角形的方式展示出來。

圖3 人臉定位示意圖

3.3 人臉識別方法

在PCA人臉識別中，應(yīng)先確定好人臉識別流程，即先簡單處理人臉圖像，然后讀取人臉庫，注重訓(xùn)練子空間設(shè)計，再將訓(xùn)練結(jié)果與測試結(jié)果納入到特征空間中，最后確定距離函數(shù)，完成人臉識別。

在PCA人臉識別中，需要經(jīng)過特征臉空間構(gòu)造、訓(xùn)練樣本提取以及以特征臉為基礎(chǔ)的人臉識別三個過程：

第一，特征臉空間構(gòu)造。如在識別A*B的人臉圖像中，可以將各個列連接在一起，構(gòu)成圖像維數(shù)，這樣就形成了圖像空間維數(shù)。在經(jīng)過一系列的計算，由此得出的特征向量維數(shù)相對較高，維數(shù)也會在這種情況下減少，由于特征向量所對應(yīng)的圖像與人臉十分相似，這就形成了特征臉。隨著特征臉的出現(xiàn)，不僅有效降低了維子空間，還可以得到圖像坐標(biāo)系數(shù)，進(jìn)而確定特征臉位置，這也是人臉識別中不可缺少的一部分。所以，一定要重視特征臉構(gòu)造在人臉識別技術(shù)中的運用。

第二，訓(xùn)練樣板特征提取。所謂的特征提取實際上指從測量空間映射到特征 空間中，其中測量空間與人臉空間相同，在映射的過程中需要堅持兩種原則，一種是特征空間需要將主要信息存留下來，另一種則是保證特征維數(shù)比測量維數(shù)低。在PCA算法中，主要是通過K-L變換完成特征提取的，在K-L變換特征的影響下，數(shù)據(jù)壓縮能力也得以明顯增強。它的特征方法是先在測量空間中尋找正交矢量，并展示出數(shù)據(jù)方差。如在某次人臉識別中選擇了以下較為有特點的圖像，或是微笑，或是嚴(yán)肅，或是戴眼鏡，或是不戴眼鏡。對這些樣本進(jìn)行樣本特征提取，然后將差值矢量存儲到特征臉空間中，以便了解各個樣板實際情況，這也是做好人臉識別中必不可少的一部分。

第三，以特征臉為基礎(chǔ)的人臉識別。在這一過程中就是將需要識別的人臉圖像設(shè)置在特征臉空間中，并在歐氏距離的作用下完成計算。要正確區(qū)分圖像中是否存在人臉，還可以計算出原始圖像，且計算出其與特征臉空間重建之間的距離，最后按照及既定規(guī)則確定是否為人臉等。

4 結(jié)束語

人臉識別技術(shù)已經(jīng)成為現(xiàn)代不可缺少的一種技術(shù)，為做好人臉識別工作，PCA成為人臉識別中一種常用的方法，不僅有效提升了人臉識別能力，還大幅度的降低了圖像敏感性。因此，應(yīng)重視PCA方法在人臉識別技術(shù)的應(yīng)用。

[1]郭黎,冷潔,梅文蘭,孔祥聰,廖宇,廖紅華. 基于PCA和SVM的人臉識別技術(shù)研究[J]. 湖北民族學(xué)院學(xué)報(自然科學(xué)版),2015,02:193-196+214.

[2]余元輝,鄧瑩. 基于改進(jìn)的加權(quán)分塊2D-PCA人臉識別技術(shù)的研究[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報,2015,04:500-504.

[3]張成龍. 基于PCA算法的人臉識別技術(shù)研究[J]. 電腦知識與技術(shù),2016,22:182-184.

[4]李盛文,鮑蘇蘇. 基于PCA+AdaBoost算法的人臉識別技術(shù)[J]. 計算機工程與應(yīng)用,2010,04:170-173.

[5]薛冰,郭曉松,蒲鵬程. 人臉識別技術(shù)綜述[J]. 四川兵工學(xué)報,2010,07:119-121+130.

[6]施志剛.一種基于類間類內(nèi)雙權(quán)重圖像分塊PCA的人臉識別技術(shù)[J]. 杭州師范大學(xué)學(xué)報(自然科學(xué)版),2014,01:89-93.

李婧，1983年11月，女，河北柏鄉(xiāng)人，本科，館員，研究信息處理理論與方法

Research on PCA face recognition technology

Li Jing1,Li Zhiqiang2
（1.Library of Ordnance Engineering College, Hebei ShiJiazhuang,050003; 2.Optics and Electronics Engineering Department,Ordnance Engineering College,Hebei ShiJiazhuang,050003）

With the development of intelligent technology,face recognition technology gradually strengthen, face recognition technology is a kind of identification technology,which covers the computer vision technology,image processing technology and other advanced technology,through the attention to details such as facial contour features,complete face recognition.To further do a good job in face recognition,it is necessary to study PCA face recognition technology.This article starts with the basic situation of face recognition process,combining with the commonly used method in face detection, from the three sides facing the PCA face recognition technology is studied.

PCA;Face recognition technology;The image processing