基于小波變換和支持向量機(jī)的人臉識(shí)別系統(tǒng)設(shè)計(jì)

鄒麗英 孫小權(quán)

摘要：小波變換能夠充分突出某些特征的主要特點(diǎn)，通過(guò)小波變換可以將一張高維數(shù)的圖片變換成低維數(shù)的圖片，且人臉識(shí)別所需要的主要特征保持不變，通過(guò)主成份分析可以進(jìn)一步降維。改進(jìn)了基于小波變換和主成份分析提取特征向量的人臉識(shí)別方法，開(kāi)發(fā)了基于小波變換及支持向量機(jī)的人臉識(shí)別系統(tǒng)，實(shí)現(xiàn)了對(duì)普通圖片和視頻的人臉識(shí)別。

關(guān)鍵詞：人臉識(shí)別；人臉檢測(cè)；小波變換；支持向量機(jī)

DOIDOI：10.11907/rjdk.161084

中圖分類號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2016）005-0109-04

1 系統(tǒng)需求分析

小波提供了一種非平穩(wěn)信號(hào)的時(shí)間—尺度分析手段，小波變換在時(shí)域和頻域都能提供良好的局部信息，尤其小波變換降維可降低圖像分辨率，進(jìn)而降低計(jì)算復(fù)雜度，因而人臉識(shí)別技術(shù)中將高維圖片降為低維圖片采用小波變換[1-2]?；谛〔ㄗ儞Q和支持向量機(jī)的人臉識(shí)別系統(tǒng)核心功能是根據(jù)給定圖片（可以來(lái)自視頻） 通過(guò)一系列變換，檢測(cè)出圖片中的人臉，從人臉圖片中提取特征向量作為支持向量機(jī)的輸入，支持向量機(jī)輸出識(shí)別出的人員代碼，并調(diào)用相應(yīng)人員的信息。系統(tǒng)主要功能模塊為人臉檢測(cè)、分類識(shí)別、參數(shù)優(yōu)化、分類訓(xùn)練，如圖1所示。

系統(tǒng)主要功能模塊包括圖像預(yù)處理、人臉檢測(cè)模塊、小波變換模塊、PCA特征提取模塊、支持向量機(jī)參數(shù)尋優(yōu)

模塊、支持向量機(jī)訓(xùn)練模塊、支持向量機(jī)人臉識(shí)別模塊等[3]，系統(tǒng)流程如圖2所示。

2 主要功能模塊設(shè)計(jì)

2.1 人臉檢測(cè)

人臉檢測(cè)的主要目的是在輸入的整幅圖像上尋找人臉區(qū)域，計(jì)算機(jī)把圖像分割成人臉區(qū)域和非人臉區(qū)域兩個(gè)部分。首先確定場(chǎng)景中是否存在人臉，再確定圖像中人臉的位置，將人臉區(qū)域按一定尺寸比例截取。

檢測(cè)人臉通過(guò)膚色來(lái)進(jìn)行。經(jīng)過(guò)濾波、光線補(bǔ)償?shù)膱D片，按照膚色模型提取近似膚色區(qū)域，去除小塊區(qū)域；利用形態(tài)學(xué)的原理對(duì)類膚色區(qū)域進(jìn)行腐蝕和膨脹，去除毛刺和孔洞；根據(jù)區(qū)域形狀、大小等參數(shù)初步判斷是否為人臉區(qū)域，截取初步判斷為人臉的區(qū)域，調(diào)用人臉/非人臉識(shí)別程序判斷是否為人臉[4]。人臉/非人臉識(shí)別程序采用支持向量機(jī)進(jìn)行識(shí)別判斷，檢測(cè)流程如圖3所示。

2.2 小波變換

由于采集到的圖片像素點(diǎn)較多，進(jìn)行特征提取時(shí)，運(yùn)算量非常大，而圖片中實(shí)際上包含了大量的冗余信息，人臉識(shí)別中所用到的特征主要是低頻特征，通過(guò)小波變換可以提取圖片的低頻信息。小波算法由于計(jì)算量較大，常采用濾波器的Mallat算法，也就是用兩個(gè)互補(bǔ)的濾波器產(chǎn)生高頻和低頻信號(hào)，再進(jìn)行抽樣分別得到一級(jí)小波變換后的分解系數(shù)[4]。

當(dāng)對(duì)圖片進(jìn)行小波分解時(shí)，可以先按行進(jìn)行一層小波變換，再按列進(jìn)行一層小波變換。當(dāng)需要進(jìn)行多層變換時(shí)，可以將上一層變換后得到的低頻系數(shù)作為輸入，再作一層或多層小波分解。圖片二維小波變換實(shí)際是在行和列兩個(gè)方向上分別進(jìn)行一維小波分解，多層小波分解實(shí)質(zhì)是對(duì)上層小波分解的低頻分量再進(jìn)行小波分解。

2.3 主成份分析法提取特征向量

主成份分析實(shí)際上是對(duì)圖片矩陣進(jìn)行奇異值分解，得到一個(gè)對(duì)角線為奇異值的對(duì)角矩陣（奇異值非負(fù)且按降序排列）和圖片矩陣的奇異向量，再對(duì)這些矩陣進(jìn)行運(yùn)算，得到系數(shù)矩陣、訓(xùn)練樣本投影后的矩陣、協(xié)方差矩陣特征值[5]。計(jì)算協(xié)方差矩陣特征值的累計(jì)值，當(dāng)累計(jì)值達(dá)到預(yù)先設(shè)定的能量占比，特征值下標(biāo)即是應(yīng)取的維數(shù)，根據(jù)這一維數(shù)，從主成份系數(shù)矩陣和訓(xùn)練樣本投影矩陣中取出相應(yīng)的列數(shù)，構(gòu)成新的主成份系數(shù)矩陣和樣本投影矩陣。識(shí)別時(shí)，只需將識(shí)別樣本向主成份系數(shù)矩陣上投影就得到要提取的特征向量。主成份分析法算法實(shí)現(xiàn)在多種編程工具中都進(jìn)行了封裝，可以直接調(diào)用，不再贅述。

2.4 數(shù)據(jù)規(guī)格化

通過(guò)PCA變換得到特征數(shù)據(jù)，不同特征最大值和最小值不一樣，有的相差很大。為了使數(shù)據(jù)具有可比性，將不同的特征數(shù)值變化范圍統(tǒng)一在同一值域內(nèi)，而在同一特征內(nèi)部，數(shù)值之間的比例關(guān)系不變，因此需要對(duì)特征數(shù)據(jù)進(jìn)行統(tǒng)一的規(guī)格化操作。先確定各特征變化范圍，再求取各特征數(shù)據(jù)的最大值和最小值，將各特征值的實(shí)際變化范圍與目標(biāo)變化范圍的比值作為各特征值的變換系數(shù)，用這一變換系數(shù)對(duì)各特征進(jìn)行數(shù)據(jù)變換，從而得到規(guī)格化的數(shù)據(jù)。對(duì)于圖像預(yù)處理模塊、PCA特征提取模塊、支持向量機(jī)的參數(shù)尋優(yōu)模塊，支持向量機(jī)訓(xùn)練模塊、支持向量機(jī)人臉識(shí)別模塊不再一一詳述。

3 人臉識(shí)別系統(tǒng)實(shí)現(xiàn)

MATLAB交互式程序設(shè)計(jì)語(yǔ)言，具有強(qiáng)大的矩陣運(yùn)算和操作功能，能夠完成大部分圖像處理工作，本系統(tǒng)采用MATLAB語(yǔ)言程序代碼，實(shí)現(xiàn)圖像預(yù)處理、人臉檢測(cè)模塊、小波變換模塊、PCA特征提取模塊、支持向量機(jī)的參數(shù)尋優(yōu)模塊，支持向量機(jī)訓(xùn)練模塊、支持向量機(jī)人臉識(shí)別模塊等[6-7]。

3.1 人臉檢測(cè)算法實(shí)現(xiàn)

根據(jù)輸入的圖片，從中檢測(cè)出是否有人臉，如果存在人臉，則將人臉區(qū)域進(jìn)行標(biāo)記，并裁剪出來(lái)。

4 原型系統(tǒng)運(yùn)行與驗(yàn)證

第一次使用識(shí)別之前，必須對(duì)支持向量機(jī)進(jìn)行訓(xùn)練，而為了得到較好的訓(xùn)練效果，必須設(shè)置合適的參數(shù)，通過(guò)參數(shù)尋優(yōu)可以得到優(yōu)化的訓(xùn)練參數(shù)。本系統(tǒng)通過(guò)網(wǎng)格化尋優(yōu)方法進(jìn)行尋優(yōu)。點(diǎn)擊上排菜單上的訓(xùn)練，再點(diǎn)擊參數(shù)尋優(yōu)，在輸入框中輸入PCA降維時(shí)用的能量占比。因?yàn)樵撛拖到y(tǒng)存在兩個(gè)樣本庫(kù)，一個(gè)是人臉/非人臉樣本庫(kù)，一個(gè)是識(shí)別用樣本庫(kù)。所以要分別選擇訓(xùn)練目錄，選擇訓(xùn)練的文件夾，任點(diǎn)一個(gè)訓(xùn)練文件，程序開(kāi)始自動(dòng)計(jì)算優(yōu)化參數(shù)。結(jié)果參數(shù)寫入相應(yīng)樣本庫(kù)的參數(shù)文件中并在左下方輸出。參數(shù)尋優(yōu)如圖11所示。

圖片人臉識(shí)別是從現(xiàn)有的未經(jīng)處理的相片中檢測(cè)出人臉并進(jìn)行識(shí)別。一張圖片中可以有多個(gè)人臉，該功能模塊需要調(diào)用人臉檢測(cè)、標(biāo)準(zhǔn)人臉識(shí)別等函數(shù)。點(diǎn)擊打開(kāi)圖片文件按鈕，選擇要識(shí)別的圖片，打開(kāi)圖片文件，進(jìn)入自動(dòng)檢測(cè)人臉和自動(dòng)識(shí)別。左側(cè)窗口顯示原圖片，右側(cè)上排顯示檢測(cè)出的人臉，下排顯示識(shí)別出的人臉。圖片人臉識(shí)別如圖12所示。

視頻源人臉識(shí)別通過(guò)攝像頭等實(shí)時(shí)拍攝設(shè)備或視頻文件，直接從視頻中發(fā)現(xiàn)人臉并進(jìn)行識(shí)別。點(diǎn)擊打開(kāi)視頻設(shè)備或打開(kāi)視頻文件，程序打開(kāi)視頻，當(dāng)發(fā)現(xiàn)需要識(shí)別的人臉時(shí)，點(diǎn)擊捕獲按鈕，即進(jìn)入自動(dòng)檢測(cè)人臉和自動(dòng)識(shí)別。左側(cè)窗口顯示視頻圖像，右側(cè)上排顯示檢測(cè)出的人臉，下排顯示識(shí)別出的人臉。視頻源人臉識(shí)別如圖13所示。

5 結(jié)語(yǔ)

本文系統(tǒng)采用MATLAB交互式程序設(shè)計(jì)語(yǔ)言，具有強(qiáng)大的矩陣運(yùn)算和操作功能，能夠完成大部分圖像處理，同時(shí)節(jié)省編寫低層算法代碼的時(shí)間。改進(jìn)了基于小波變換和主成份分析（PCA）提取特征向量與支持向量機(jī)相結(jié)合的人臉識(shí)別方法。通過(guò)小波變換和PCA對(duì)圖片降維，人臉識(shí)別的主要特征保持不變。應(yīng)用膚色模型理論進(jìn)行人臉檢測(cè)，通過(guò)小波變換和主成份分析法進(jìn)行人臉特征提取，最后通過(guò)支持向量機(jī)進(jìn)行人臉識(shí)別，實(shí)現(xiàn)了對(duì)普通圖片和視頻的人臉識(shí)別。從運(yùn)行結(jié)果看，還需進(jìn)一步調(diào)整參數(shù)，使人臉識(shí)別效果達(dá)到最佳。程序運(yùn)行實(shí)時(shí)性欠佳，有待進(jìn)一步提高其算法功能。

理論和實(shí)踐都表明，利用不同原理而得到的多種特征提取方法，具有較強(qiáng)的互補(bǔ)性。多種特征經(jīng)過(guò)融合后，可以更全面地反映被測(cè)人臉的特征信息，并能提高識(shí)別精度。因此，小波特征與其它特征的融合有待于進(jìn)一步研究。人臉圖像本身是三維的非剛性集合體，三維數(shù)據(jù)能為人臉識(shí)別提供更豐富的信息，用二維圖像來(lái)識(shí)別三維人臉信息，必然會(huì)引入一定的誤差，因此基于三維模型的人臉識(shí)別必將成為是未來(lái)人臉識(shí)別發(fā)展的主流。

參考文獻(xiàn)：

[1]XIAOFEI HE，DENG CAI.Learning a maximum margin subspacefor image retrieval[J].IEEE Transactions on knowledge and data engineering.，2008，20（2）：189-201.

[2]JIAN YANG，DELIN CHU，LEI ZHANG.Sparse representation classifier steered discriminative projection with applications to face recognition[J].IEEE Transactions on Neural Networks and Learning Systems，2013，24（7）：1023-1035.

[3]王金云，周暉杰，紀(jì)政.復(fù)雜背景中的人臉識(shí)別技術(shù)研究[J].計(jì)算機(jī)工程，2013，39（8）：196-199.

[4]余嘉，方杰，許可.基于加權(quán)小波的DCT人臉識(shí)別算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（17）：199-202.

[5]郝靜靜，李莉.一種基于KPCA與LDA的人臉識(shí)別改進(jìn)算法[J].電子技術(shù)應(yīng)用，2013，39（12）：132-134.

[6]樊春玲，陳秀建.基于PCA和LDA的人臉識(shí)別系統(tǒng)設(shè)計(jì)控制工程[J]，2012，19（4）：712-715.

[7]肖瀟，王憲保，王守覺(jué).多自由度神經(jīng)元模型的人臉識(shí)別算法研究[J].小型微型計(jì)算機(jī)系統(tǒng)，2012，33（12）：2693-2695.

[8]周杰，盧春雨，張長(zhǎng)水，等.人臉自動(dòng)識(shí)別方法綜述[J].電子學(xué)報(bào)，2000，28（4）：102-107.

[9]褚勤.基于小波分析和支持向量機(jī)的人臉識(shí)別方法研究[D].廣州：華南理工大學(xué)，2012.5.

[10]王躍明，潘綱，吳朝暉.三維人臉識(shí)別研究綜述[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2008，20（07）：819-829.

[11]張東.圖書借閱管理系統(tǒng)的人臉識(shí)別技術(shù)[J].科技與管理，2014，16（04）：65-67.

（責(zé)任編輯：陳福時(shí)）