基于二維圖像表示的人臉識別算法研究

劉 琴

（青海民族大學，青海 西寧 810007）

基于二維圖像表示的人臉識別算法研究

劉 琴

（青海民族大學，青海 西寧 810007）

盡管傳統(tǒng)的人臉識別技術已經(jīng)有了非常大的進步，在很多方面仍然存在一定的缺陷。文章對二維圖像進行了深層次的分析，從二維圖像的特征、研究意義以及應用范圍進行討論，再結合人臉識別技術和算法從4個不同的角度切入，對二維圖形表示的人臉識別算法進行了詳細闡述。

二維圖像表示；人臉識別算法；模板匹配

人臉識別技術是最重要的生物特征技術之一，根據(jù)人臉的獨特性，其對不同的個體進行身份識別。但是當前的人臉識別技術還存在一定的缺陷，有許多學者研究員開展各項研究，在技術和理論上不斷進步。本文所闡述的基于二維圖像表示的人臉識別算法，是在人臉識別技術的大背景下，對二維線性特征子空間特征提取方法主成分分析（2DPCA）、線性判別分析算法（2DLDA）、局部保距投影（2DLPP）等技術深入了解的基礎上，研究了多項人臉識別技術。文章指出了經(jīng)典傳統(tǒng)人臉識別方面技術的特點和缺陷，包括人臉識別算法及人臉圖像特征提取等，并對基于二維圖像表示的人臉識別算法進行了討論，提出了一些關于提高識別效率的意見。

1 二維圖像的概述

二維圖像指的是在同一個平面中用點和線拼畫出的一幅圖像，其具有平面性，比如三角形、長方形等圖形。二維圖像與三維圖像相比少了立體感，但是可以更直觀地表示出圖像的表面特征。本章節(jié)對二維圖像的特征進行了詳細的介紹，接著又對二維圖像的研究意義方面進行分析，最后對二維圖像的應用范圍進行了描述[1]。

1.1 二維圖像的特征

現(xiàn)在大眾的觀點認為二維圖像中物體的亮度、角點、梯度、邊緣和輪廓線等是最為基礎的特征信息；還包括一些經(jīng)過特殊處理的特征信息，例如像對稱性、旋轉不變性、經(jīng)過多種變換后產(chǎn)生的新特征；由于這些特征信息的數(shù)量和種類過于大量化，研究者常常要根據(jù)不同的情況來選擇不同的特征[2]。研究工作中使用的二維圖像就是圖像中最具有特征性的部分，這些具有特征性的部位就可以用來作為識別點。就像世界上沒有兩張完全相同的葉子，也沒有完全相同的二維圖像，正是因為每張二維圖像都有自己的特征，所以就可以根據(jù)這些特征來識別不同的事物。

1.2 二維圖像研究的發(fā)展歷程

人類認識世界的方式就是用自己的方式去理解這個世界，當人類用自己的視覺觀察世界，就會有意或無意地用自己的方式來記錄自己觀察到的世界，這樣最原始的圖像就出現(xiàn)了。最開始的記錄內(nèi)容可能有非常濃厚的藝術目的，常常用帶有濃重的原始宗教或圖騰崇拜色彩來表示一件事物。隨著科學知識的不斷進步，人們對世界的認識越來越深刻，其記錄方式往往會越來越簡單，簡簡單單的幾筆，就能勾畫出一幅完整的畫面，這樣的畫面具有線條簡潔、突出重點等特征。對現(xiàn)在的二維圖像的研究而言，研究學者追求的就是用最簡單的結構來突出事物的獨有特征，以達到后期的識別目的。

1.3 二維圖像的意義和應用范圍

二維圖像具有特征性是二維圖像擁有相關高級應用的基礎，對于二維圖像的研究有著非常廣泛的應用。

提高機器的識別能力要根據(jù)二維圖像的表示方法來改進，可以對機器進行設置讓其“看到”相應的二維圖像。

在現(xiàn)代化農(nóng)業(yè)生產(chǎn)中，對農(nóng)作物和動物進行編號和拍照可以用于對農(nóng)作物的生產(chǎn)和畜牧動物養(yǎng)殖的高科技管理。拍到的圖像就是一個二維圖像，代表著植株或動物的特征表達，這樣就可以對作物和動物的生長過程進行管理。

二維圖像在醫(yī)學中的應用相當頻繁。醫(yī)學的二維圖像的數(shù)據(jù)量非常大，比如CT或MIR等，醫(yī)生借助二維圖像在計算機的幫助下完成初步的分析和診斷，以獲得有效的可靠信息。

在軍事安全中，二維圖像在嫌疑犯的識別、出入管理、攝像頭等方面都有使用。另外在娛樂行業(yè)、通訊業(yè)這些行業(yè)，二維圖像的特征表示也都有非常好的應用。

2 人臉識別算法

最早的人臉識別技術出現(xiàn)在20世紀60年代末，Capon教授[3]在Nature上發(fā)表了兩篇論文，其中就對最初的人臉識別技術進行了闡述。當今人臉二維圖像庫還未完全成型，不利于人臉特性識別研究成果的共享和評價。本小節(jié)內(nèi)容主要就當前的人臉識別技術作出了討論分析，討論了幾個主要人臉識別方法，最后探討了人臉識別技術的應用范圍。

2.1 人臉識別概述

近幾年來，人臉識別技術在各種應用的推動下已經(jīng)有非常大的發(fā)展了，現(xiàn)在各個研究機構針對人臉識別技術已經(jīng)有比較可觀的成果了。人臉識別技術與指紋、虹膜、語音等其他人體生物特征相比更加直接、方便。人臉識別在訪問控制、身份識別、檔案管理、基于二維圖像的識別和視頻檢索等方面有著非常廣泛的應用，現(xiàn)在國內(nèi)很多機構都已經(jīng)研制出一套比較好的人臉識別系統(tǒng)和技術方法，一些成熟的商家機構也將人臉識別技術投入到實際應用。最早期的人臉識別技術就是應用最簡單的集合特征識別，例如像眉毛的弧度、眼中心到眉毛的位置、嘴的厚度、臉寬等特征；發(fā)展到現(xiàn)在是基于模板的整體匹配思想，最近在這些新方法下人臉識別技術有了很大的進步。

2.2 當前的人臉識別技術

本章節(jié)主要介紹了現(xiàn)在世界上常用的3種人臉識別方法：基于幾何特征的人臉識別方法、基于模板匹配的人臉識別方法和基于彈性圖匹配的人臉識別方法[4]。

2.3 基于幾何特征的人臉識別算法

基于幾何特征下的人臉識別方法是最早的研究方法之一，現(xiàn)在很多新的技術方法就是在此為基礎上發(fā)展而來的。對于每個人來說，人臉的輪廓、大小和各個器官的幾何分布位置是不一樣的，幾何特征就是提取人臉部特征區(qū)域的形狀和對應的幾何關系為基礎來進行人臉識別的。這個方法就是提取眉毛、眼睛、鼻子和嘴巴這些特征點，計算出這幾個特征點的大小以及它們之間的幾何關系來進行人臉識別。

2.4 基于模板匹配的識別算法

模板匹配識別方法屬于模式識別中的一種較為傳統(tǒng)的方法，這個方法首先是用積分投影的方法確定出面部特征位置，提取局部的特征的模板，然后進行模板匹配，利用計算機計算相應的關系系數(shù)，并進行分類。有研究人員進行了模板匹配識別方法與幾何特征識別方法兩者的穩(wěn)定性和優(yōu)越性的比較試驗，結果顯示模板匹配識別方法明顯要優(yōu)于幾何特征識別方法。

2.5 基于彈性圖匹配的識別算法

彈性圖匹配是一種考慮到識別目標局部特點之間拓撲結構的，具有適應性的局部特征的匹配方法，基于彈性圖匹配下的人臉識別方法的基本思想是動態(tài)鏈接結構。彈性圖匹配的理論基礎是圖匹配，它用圖來描述人的臉部特征，用圖的頂點來表示人臉的局部特征點，邊表示面部特征之間的拓撲連接關系，測匹配度時要同時考慮頂點和邊的距離。

3 二維圖像表示的人臉識別算法研究

在本小節(jié)中主要介紹了基于二維圖像下表示的人臉識別算法的研究。

3.1 二維線性特征子空間特征提取方法主成分分析

Turk在發(fā)表的論文中首次提出了將主成分分析法（2D Principal Component Analysis，2DPCA）作為人臉特征提取算法并應用，并在人臉識別領域取得了較大成功。此后有人將這個算法與二維人臉圖像結合來表示一個較長的一維向量形式后來計算協(xié)方差矩陣，由于轉換后協(xié)方差矩陣的維數(shù)過高，容易超過樣本數(shù)目，出現(xiàn)奇異矩陣、運算復雜度高和對計算機硬件要求過高的缺陷，從而導致人臉圖像特征抽取困難。所以，之后有學者提出了一種直接利用二維圖像矩陣計算協(xié)方差矩陣的方法，優(yōu)點就是能夠很好地保持人臉的結構關系，并可以有效減少計算復雜度；將二維人臉圖像矩陣直接映射到子空間，稱之為二維主成分分析法解決以上問題。

3.2 線性判別分析算法

線性判別分析算法（2D Linear Discriminant Analysis, LDA，2DLDA）是人臉識別中重要的特征提取方法，從一維加權LDA算法發(fā)展到二維形式技術，完善了一維形式的不足之處。線性判別分析算法就是利用平衡子空間的類間距的方法，提出一種新的能夠克服當前不足之處的算法，這樣的算法理解起來更加直觀，應用起來更加簡便；線性判別分析算法還具有收斂性，在類間距差別較大時應用有很好的效果。有學者對線性判別分析算法的結果進行了檢測，結果表明此算法是可行的、有效的。

3.3 局部保距投影

局部保距投影（2D Locality Preserving Projections，2DLPP）能夠在子空間很好地保持人臉基本流行結構，經(jīng)常應用于人臉識別技術中，隨著科技的發(fā)展，二維局部保距投影已經(jīng)成為一種新的人臉識別技術中重要的特征提取方法[2]。局部保距投影方法可以很好地消除二維圖像的部分冗余信息和噪音；在特征提取方面可以有很好的表現(xiàn)；并且它具有降維功能，在一定程度上減少了很大一部分工作量，顯著地降低了計算的復雜程度。在多個人臉數(shù)據(jù)庫中的人臉識別實驗結果顯示在頻域中使用二維局部保距投影的識別率要明顯高于其他的技術的識別率。

4 結語

本文主要對傳統(tǒng)人臉識別算法的不足進行了分析，然后指出基于二維圖像表示的人臉識別算法的進步之處，彌補了傳統(tǒng)算法的不足，但仍然指出二維算法仍有需要改進的地方。比如提高準確性以達到局部與整體的有效結合、滿足實時要求等，這些都是有待解決的問題。

[1]路翀.基于二維圖像表示的人臉識別算法研究[D].大連：大連理工大學，2012.

[2]張正.直接基于二維圖像表示的人臉識別技術研究[D].哈爾濱：哈爾濱工業(yè)大學，2006.

[3]劉黨輝，沈蘭蓀.人臉識別研究進展[J].電路與系統(tǒng)學報，2004（1）：85-94.

[4]閆常浩，丁先鋒，韋鑫余.人臉識別算法[J].四川兵工學報，2014（4）：65-67.

Research on face recognition algorithm based on 2D image representation

Liu Qin
（Qinghai Nationalities University, Xining 810007, China）

Although the traditional face recognition technology has made great progress, there are still some defects in many aspects. This paper made a deep analysis on the 2D image features from 2D images, and discussed from characteristics of 2D image, research significance and application scope, combined with the human face recognition technology and algorithm starting from 4 different angles, discussing in detail of face recognition algorithm of 2D graphics.

2D image representation; face recognition algorithm; template matching

北京工業(yè)大學—青海民族大學合作基礎研究基金項目；項目編號：312000514315008。

劉琴（1976— ），女，青海西寧，本科，講師；研究方向：軟件工程，計算機應用。