基于人臉識(shí)別的罪犯抓捕系統(tǒng)

作者/段鈺龍，天津市實(shí)驗(yàn)中學(xué)

基于人臉識(shí)別的罪犯抓捕系統(tǒng)

作者/段鈺龍，天津市實(shí)驗(yàn)中學(xué)

目前，在中國(guó)罪犯在逃率很高。公安系統(tǒng)對(duì)在逃罪犯還不能做到實(shí)時(shí)追蹤，抓捕過(guò)程仍有一定難度。本系統(tǒng)將人臉識(shí)別與交通電子眼相結(jié)合，實(shí)時(shí)地對(duì)罪犯進(jìn)行追蹤，能幫助公安系統(tǒng)提高破案效率、及時(shí)抓捕逃犯。本系統(tǒng)是直接通過(guò)電子眼進(jìn)行人臉檢測(cè)，并對(duì)采集的圖像進(jìn)行灰度化、二值化、直方圖均衡化、中值濾波等預(yù)處理，采用主成分分析法（Principal Component Analysis，PCA)進(jìn)行圖像特征提取；將特征數(shù)據(jù)與公安系統(tǒng)犯罪人員信息庫(kù)里的數(shù)據(jù)進(jìn)行匹配與識(shí)別，找到罪犯、鎖定其位置并自動(dòng)報(bào)警。

罪犯抓捕；人臉識(shí)別；中值濾波；PCA

1.人臉識(shí)別的罪犯抓捕系統(tǒng)

■1.1 設(shè)計(jì)基于人臉識(shí)別的罪犯抓捕系統(tǒng)的重要性

在逃犯罪嫌疑人，對(duì)人民群眾生命財(cái)產(chǎn)安全形成嚴(yán)重威脅，應(yīng)盡快將其抓捕歸案，解除危害。設(shè)計(jì)這套系統(tǒng)就是為了能隨時(shí)追蹤罪犯，及時(shí)報(bào)警，保證公共安全。

■1.2 當(dāng)前罪犯抓捕方式的現(xiàn)狀與弊端

警力調(diào)查是抓捕罪犯最常見(jiàn)的方式，這種方式需要投入大量警力深入地去調(diào)查罪犯的蹤跡，還需要人民群眾的大力配合。

這些傳統(tǒng)方法的缺陷是：①在財(cái)力、物力及人力方面花費(fèi)都很多；②憑經(jīng)驗(yàn)、憑影像、“人海戰(zhàn)術(shù)”效率低;③商場(chǎng)、高樓、車(chē)站等公共區(qū)域的監(jiān)控資料死角多，信息不全面；④這些調(diào)查都是事后調(diào)查，有滯后，往往會(huì)錯(cuò)過(guò)最佳抓捕時(shí)間。

■1.3 本產(chǎn)品的創(chuàng)新點(diǎn)

目前電子眼在城市的覆蓋率極高，本系統(tǒng)便利用它的“點(diǎn)控”、“線控”、“面控”的特點(diǎn)，直接利用電子眼采集人臉圖像，然后進(jìn)行灰度化、中值濾波、直方圖均衡化等的預(yù)處理；再使用主要成分分析法對(duì)圖像進(jìn)行特征提取；并將特征數(shù)據(jù)與公安系統(tǒng)犯罪人員信息庫(kù)里的數(shù)據(jù)進(jìn)行匹配與識(shí)別，找到罪犯、鎖定其位置并自動(dòng)報(bào)警。

論文的結(jié)果及數(shù)據(jù)可為公安系統(tǒng)提供參考，可以為偵破犯罪案件提供線索。而人臉識(shí)別是本產(chǎn)品的關(guān)鍵技術(shù)。

2.人臉識(shí)別

人臉識(shí)別可以經(jīng)過(guò)計(jì)算機(jī)來(lái)處置人臉圖像，目的主要是為了驗(yàn)證身份，主要包括圖像采集、預(yù)處理、特征提取、圖像匹配及識(shí)別四個(gè)部分。

■2.1 圖像采集與檢測(cè)

由于目前電子眼在城市的覆蓋率極高，本系統(tǒng)便利用它的“點(diǎn)控”、“線控”、“面控”的特點(diǎn)，直接利用電子眼所采集的人臉圖像進(jìn)行檢測(cè)。

■2.2 預(yù)處理

輸入的原圖像由于遭到外界條件的干擾，不能在視覺(jué)系統(tǒng)中直接使用，有必要對(duì)其進(jìn)行處理，這個(gè)過(guò)程被稱(chēng)之為圖像的預(yù)處理[1]。預(yù)處理的過(guò)程如圖1所示。

2.2.1 圖像的灰度化

因?yàn)椴噬珗D像中三種色彩是混合的，要對(duì)彩色圖像進(jìn)行識(shí)別往往困難很大，且識(shí)別時(shí)會(huì)受到復(fù)雜背景的影響，造成不少缺陷。而灰度圖像是將圖片不同區(qū)域的顏色進(jìn)行量化，所以灰度化圖像容易完成識(shí)別[2]。

圖1 圖像的預(yù)處理流程

圖像的灰度化主要由幾個(gè)步驟完成，如圖2所示。

圖2 圖像的灰度流程

彩色圖像轉(zhuǎn)化成灰度圖像的公式如式（1）所示。

2.2.2 二值化

在預(yù)處理的過(guò)程中，二值化的作用是把人的頭發(fā)，眼睛臉的邊緣輪廓及背影與人臉的亮域進(jìn)行分割。通過(guò)選擇合適的閥值，將前面得到的灰度圖像的灰度值變?yōu)橹皇?和255的黑白圖像。通常，圖像二值化閾值選擇方式有三種：整體閥值法、局部閾值法、動(dòng)態(tài)閥值法。而動(dòng)態(tài)閥值法相對(duì)前面兩種方法，適應(yīng)性和性能會(huì)更好，所以通常采用動(dòng)態(tài)閥值法進(jìn)行二值化處理。

2.2.3 直方圖均衡化

直方圖均衡的原理是將各灰度級(jí)分量盡可能分布均勻目的是為了加強(qiáng)人臉圖像的對(duì)比度。另外，它還能減少光線對(duì)人臉圖像的影響，更容易地提取到人臉特征。

圖像的直方圖均衡化的計(jì)算包含以下步驟：

①列出原圖像和變換后圖像的灰度級(jí) fk∶k = 0,1,···,L ? 1，其中L是灰度等級(jí)總數(shù)。

②計(jì)算直方圖各灰度等級(jí)的出現(xiàn)總數(shù)：

其中 nk為原圖像各灰度級(jí)的像素個(gè)數(shù)， k = 0,1,···,L ? 1;n為原圖像的像素總個(gè)數(shù)。

③計(jì)算累積直方圖：

④計(jì)算輸出圖像的灰度等級(jí)ig：

公式中P表示輸出圖像的灰度級(jí)個(gè)數(shù)，i=0,1，…，p–1

⑤用以下的公式計(jì)算輸出圖像的直方圖

2.2.4 中值濾波

經(jīng)過(guò)前面操作后的圖像，可能還會(huì)一些噪聲。而這些噪聲無(wú)論對(duì)于人臉的定位還是特征提取都會(huì)有不同程度的影響，所以有必要對(duì)它們進(jìn)行處理，盡可能去除噪聲的影響。

本設(shè)計(jì)主要采用中值濾波方法來(lái)去除噪聲。

中值濾波實(shí)現(xiàn)步驟：

（1）首先，將模板與目前得到的圖像進(jìn)行比較，然后把模板中心與圖像中某個(gè)像素位置重合；

（2）讀取模板下各對(duì)應(yīng)像素的灰度值；

（3）將這些灰度值從小到大排成一列；

（4）找出這些值里排在中間的一個(gè)；

（5）將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素。

由以上過(guò)程可以看出，中值濾波的作用就是把與周?chē)袼鼗叶戎档牟畋容^大的像素變成與周?chē)袼刂到咏闹担軌蛉コ?dú)立噪聲。換句話說(shuō)，中值濾波即能消除噪聲又能保持圖像的細(xì)節(jié)[3]。

■2.3 特征提取的方法

特征提取就是經(jīng)過(guò)提取人的眉、眼、鼻、口、下巴等重要特征點(diǎn)的幾何形狀作為基礎(chǔ)特征，把人臉用一組幾何特征矢量表示，然后再進(jìn)行識(shí)別。

目前，人臉特征的選擇和提取主要有基于幾何特征的方法、基于代數(shù)特征的方法、基于神經(jīng)網(wǎng)絡(luò)的方法，而本文采用的是主成分分析法（PCA）。它是使用K–L變換得到人臉各部分的主成分集，這些主成分組成坐標(biāo)系，每個(gè)坐標(biāo)軸就是一個(gè)特征臉圖像。在進(jìn)行識(shí)別時(shí)，只要把被識(shí)別的圖像進(jìn)行空間投影，就可以得到一組投影向量，再通過(guò)與人臉庫(kù)的圖像進(jìn)行匹配，進(jìn)而進(jìn)行識(shí)別。

假設(shè)y為n維的隨機(jī)變量，那個(gè)Y可以由（6）來(lái)表示

此中：ia定義為加權(quán)系數(shù)，i?定義為基向量。公式（6）還能用矩陣的形式表示，詳見(jiàn)公式（7）所示：

公式中 Φ = (?1, ?2,···?n)，a = (a1, a2,· ··,an)T

取向量為正交向量，得到式（8）所示

由于Φ是由正交向量組成的，所以Φ應(yīng)該是正交矩陣，那么用（9）表示

將式（9）兩邊同時(shí)乘以TΦ 可以得到式（10）和（11）

為了滿足a向量的各個(gè)向量間互不相關(guān)，隨機(jī)向量矩陣式如（12）所示：

將式（7）帶入式（12）得到式（13）：

為了滿足向量a各個(gè)分量間互不相關(guān)，需要滿足下面關(guān)系式（14）：

將式（14）寫(xiě)成矩陣形式，得到式（15）：

將式（15）變換形式得到式（16）：

將等式（16）作相應(yīng)的變換得到式（17）和（18）：

由以上的推理，可以得出jλ是Y的特征值，jΦ是特征向量[4]。

■2.4 身份匹配及識(shí)別

最近鄰法是模式識(shí)別中最重要的一種方法，它首要是使用樣本間距離來(lái)分類(lèi)決策的。樣本間的歐式距離是本文首要采用的用于分類(lèi)決策的方法。

將數(shù)據(jù)庫(kù)中罪犯的照片經(jīng)過(guò)PCA處理后得到的特征向量定義為X, 而將采集到的照片經(jīng)過(guò)PCA處理后得到的特征向量定義為G，那么X與G之間的歐氏距離(Euclidean distance)為：

圖3 —匹配與識(shí)別流程圖

當(dāng)D(X,G)≤t時(shí)，（t是設(shè)定的閾值）即認(rèn)為匹配成功，完成識(shí)別，可以將罪犯人名及相關(guān)信息報(bào)告公安局。

3.可實(shí)現(xiàn)的功能

當(dāng)一名在逃罪犯出現(xiàn)在某個(gè)交通路口時(shí)，他的圖像將被路口的電子眼所采集，經(jīng)過(guò)本系統(tǒng)識(shí)別后，判斷其是公安系統(tǒng)犯罪人員信息庫(kù)里在逃罪犯。這個(gè)罪犯的信息及位置會(huì)在第一時(shí)間報(bào)告給公安系統(tǒng)，而且罪犯經(jīng)過(guò)的每一個(gè)路口的位置信息都會(huì)向公安系統(tǒng)報(bào)警。有了這些信息，公安系統(tǒng)就可以將罪犯抓捕歸案了。

4.結(jié)束語(yǔ)

本系統(tǒng)圖像采集及檢測(cè)不僅可以利用交通電子眼進(jìn)行還可以延展至許多公用攝像監(jiān)視系統(tǒng),比如在銀行的自動(dòng)提款機(jī)安裝本系統(tǒng)，可以避免非銀行卡主人冒取現(xiàn)金等等，用途十分廣泛。

當(dāng)然，本文的研究還有不完善之處。例如：人臉圖像存在姿態(tài)、表情、年齡、配飾等多方面的變化，這些復(fù)雜因素都可能會(huì)對(duì)最后的識(shí)別效果有所影響，所以本文對(duì)于圖像預(yù)處理及特征提取算法方面還有待進(jìn)一步研究，以便優(yōu)化。

＊ [1]胡曉軍，徐飛.MATLAB應(yīng)用圖像處理[M].西安電子科技大學(xué).2011:25-28.

＊ [2]趙紅梅.MATLAB基礎(chǔ)與提高[M].電子工業(yè).2005:176-182.

＊ [3]劉文耀.數(shù)字圖像采集與處理[M].北京: 電子工業(yè)出版社,2007.8

＊ [4]馬曉路.MATLAB圖像處理從入門(mén)到精通[M].中國(guó)鐵道.2013:130-134.