基于三角形網格劃分頭骨技術的人像識別算法

楊芳芳

摘要：在當今互聯網飛速發(fā)展的大背景下，不法分子利用高科技犯罪的行為，對人們的人身安全構成的威脅越來越大，如何準確鑒定一個人的身份，保證信息的安全性，已成為了社會的關鍵性問題。主要通過翻閱查詢關于人臉識別技術的不同文獻，適當的提出一些假設，根據頭骨一定的結構、形狀、比例，形成每個人特定的“頭骨規(guī)則”再進行判斷。首先，我們利用自動生成三角形網格技術，將頭骨分成大大小小不規(guī)則的三角形網格，進行三角化。其次，通過一定的學習理論，將三角形網格進行簡化，達到一種便于觀察、計算的關系型狀態(tài)。最后，對最終簡化的三角形網格建立坐標系，通過確定三角形相似度，判斷在合理誤差范圍內，兩張照片上是否為同一個人。

關鍵詞：三角形網絡；相似理論；頭骨劃分；關系型狀態(tài)

中圖分類號：TB文獻標識碼：Adoi：10.19311/j.cnki.16723198.2018.04.087

1基本背景

隨著互聯網應用技術的快速發(fā)展以及人類虛擬活動空間和物理活動空間的不斷擴展，人們對于信息保密性和安全性的要求也越來越高?，F如今社會，許多商業(yè)機構都涉及身份識別，而因為科技的發(fā)展，不法分子盜取行為也在變得“高科技”，各方面相關交易行為存在較之以往的高憂患，如何準確鑒定一個人的身份、保護信息保密安全，已成為一個重要的社會問題。

傳統的身份證等證件越來越難以滿足社會安全性日益增長的需求，所以目前最為安全便捷的方案就是生物特征識別技術。這項技術不僅便捷快速，更使身份識別更保密、可靠、安全。在生物識別技術興起的階段，互聯網技術人臉識別已發(fā)展成一項重要的生物特征識別技術。

1.1人臉識別較之于其他身份識別的優(yōu)點

（1）人臉具有非常豐富的識別信息。

（2）對人臉特征的圖像采集便捷。

（3）非肢體接觸式采集，不易遭到反感。

（4）操作方式可以隱蔽，尤其適用于安全監(jiān)控。

（5）人到一定年齡時，頭骨發(fā)育基本成熟而已經定型。

1.2人臉識別的研究意義

（1）多門學科的發(fā)展與人臉識別技術的崛起關系密切。

（2）識別技術可應用于多方面市場，比如安全監(jiān)控，證件驗證等方面。

2人臉識別基本假設

（1）假設一個人在年齡增長的過程中沒有進行磨骨等對面部骨骼進行改變的手術。

（2）假設一個人在年齡增長的過程中：沒有因為天災人禍等原因導致面部骨頭發(fā)生缺失、磨損等變化的現象。

（3）假設一個人在年齡增長的過程中臉部的肉沒有突然暴增導致完全看不出臉部骨頭的輪廓。

（4）假設有一種能夠確定照片中面部骨頭輪廓和形狀，并能準確測出骨頭離散點間距離的軟件或者儀器。

（5）假設一個人跨年齡段所拍的照片，表情變化不大甚至是同一表情，同時坐姿沒有影響性變化，不影響拍照角度。

3人臉識別相關模型的建立

3.1在頭骨上構造網格三角形

參考劉春太等的三角形網格自動生成技術原理以及張征等的三角形網格自動生出技術，首先將邊界離散，引入域內節(jié)點間距函數概念，結合目前流行的Delaunay三角化法和前沿生成法；然后將開邊界按一定空間步長用程序自動離散，將計算域的外圍邊界（不分開閉）的離散點按逆時針順序依次排列；將頭骨邊界離散點按順時針順序排列；將域內特征線段按一定空間步長用程序自動離散；依文獻[7]，對于域內任一點P，設其坐標為（xp，yq），則可以按公式計算其節(jié)點間距函數ρ（xp，yq）。

ρ（xi，yi）為式中進行排過序的（離散點）節(jié)點的間距函數（相鄰節(jié)點間的距離），N為離散點總數，f（xp，yp，xi，yi）為加權函數，根據文獻[6]的調試和改進，取點p到邊界點i距離的倒數效果反而很好，即：

f（xp，yp，xi，yi）=1（xp-xi）2+（yp-yi）2

接著以之前排過序的離散點按順序連成的若干線段（域內單個散點除外）為首次前沿邊，找出最大邊，用節(jié)點間距函數控制生成網格的大小，從最大邊開始生成三角形，詳細步驟參見文獻[7]；最后利用坐標線性平均法改善單個三角形的質量，并且改善整體網格的質量。

根據頭骨的對稱性和凹凸性，利用三角形網格自動生成技術，見文獻[6，7]，劃分出了39個三角形，如圖1。

3.2簡化三角形網格

圖1形成的頭骨三角形網格，數量太多，比較同一個人跨年齡面部時比較繁瑣，所以我們用三角形網格的簡化技術，參考文獻[8]，最終將圖1簡化為圖2。

3.3定坐標，求要素

在圖2中，我們用A、B點所在直線為X軸，以線段AB的中點為原點，垂直平分線為Y軸建立直角坐標系，分別得到A～I的坐標A（x1，y1），B（x2，y2），C（x3，y3），D（x4，y4），E（x5，y5），F（x6，y6），G（x7，y7），H（x8，y8），I（x9，y9），如圖3。

然后根據平面中兩點間的距離公式可分別得出圖3中7個三角形△ABF、△AGB、△FBC、△FCD、△FDE、△GHI、△GIB各個邊的長度。

最后根據三角形相似的基本理論：

定義1在多邊形中，若對應角相等且夾角的邊成比例，則稱它們是相似多邊形。

為方便以后的敘述，我們有時不妨將滿足定義1 的相似也稱作嚴格相似。 兩個三角形不滿足定義 1稱作這兩個三角形不是嚴格相似。

定理1在相似三角形中，等角所對的邊對應成比例，等角所對的邊是對應邊。

定理2如果兩個三角形的三邊對應成比例，那么對應角相等。

由定義 1、定理1 和定理 2，易知判定三角形相似的如下定理 3。endprint

定理3兩個三角形相似當且僅當三邊對應成比例。

根據定理3，我們分別比較同一個人不同年齡頭骨的簡化后的三角形網絡對應三角形在一定誤差內三邊是否對應成比例來判斷是否是同一個人。

3.4算法的檢驗

為檢驗算法的準確性，我們利用本文的方法，在頭像上做出簡化后的三角形網絡，并建立平面直角坐標系，并用精密的測量工具分別測出圖1-3中七個三角形各個邊的邊長。利用SPSS軟件對得到的比值求其偏度和峰度，并分別作出相應數據的Q-Q圖。

結果證明，本文所討論的方法是可行的。

4模型的誤差分析與改進

4.1誤差分析

測量誤差：論文中由于兩點之間的距離是人為測量出來的，所以存在一定的系統誤差。

偶然誤差：

（1）論文中所引入的照片，不否認存在人為將臉型壓扁或拉長的可能，所以會存在一定的隨機誤差。

（2）一個人在不同年齡段拍照時，表情很難保持一模一樣，這樣導致下巴的位置可能不同，會使誤差變大。

（3）一個人由于生活習慣，而導致行為特征會發(fā)生變化，拍照時的姿勢及角度會有所偏差。

4.2模型的改進

（1）由于檢測時人臉上各個點之間的距離是人為手工測量出來的，存在測量誤差，在實際應用中，我們可以利用計算機自動定位和測量技術，對人臉上特征點進行定位并精確地測量各個點之間的距離，從而使判定的結果更加的準確。

（2）針對人隨著年齡的變化，臉上的脂肪增多或者皮膚松弛現象，我們在掃描時可以借用醫(yī)療設施，直接透過人得肌膚，照出骨頭的所在，這樣方便精準的定位。

（3）針對人的表情不同而導致的下巴位置移動，我們可以利用計算機技術，將做出表情而移動的下巴，復歸到同一位置。

5算法的評價

5.1算法的優(yōu)點

（1）本文并沒有從面部器官提取特征，而是另辟蹊徑，利用人體頭骨的不變形，及頭部骨骼的比例來判斷是不是同一個人，從而消除了年齡的影響。

（2）本文采用三角形網格自動生成技術將判別人臉特征的相似度轉化成判別7個三角形的相似程度，大大的簡化了判別人臉的復雜程度。

5.2算法的缺點

（1）本文由于缺乏大量的數據，所以并沒有辦法用軟件具體科學的分析本文所討論方法的誤差大小，沒有辦法確定在哪個誤差范圍內，這種方法是可行的。

（2）由于人口數量很多，出現兩個一模一樣頭骨的人也是可能的，另外，對于雙胞胎、三胞胎等多胞胎頭骨一樣的現象，本文的方法并不能很好的辨認

（3）本文所討論的方法需要人的臉部骨骼，而不是面部特征，如果一個人吃得很胖，完全看不到臉部骨骼的痕跡，本文討論的方法誤差就會很大

（4）本文所討論的方法，7個三角形中有5個三角形受到下巴變動的影響，所以照相時對于下巴位置的要求非常高。

參考文獻

[1]金一.人臉識別中若干算法研究[D].北京：北京交通大學，2009，（12）.

[2]張玉華.基于子空間及變換域的人臉識別算法研究[D].濟南：山東大學，2009，（10）.

[3]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，（3）.

[4]人臉識別[EB/OL].http：//baike.so.com/doc/54310925669384.html#refff_543109256693841， 2017416.

[5]董向前.二維PCA人臉識別算法的改進研究[D].大連：大連海事大學，2014，（10）.

[6]張征.三角形網格自動生出技術的應用[D].天津：交通部天津水運工程科學研究所，2001，（9）.

[7]劉春太.任意平面域漸變三角形網格的自動劃分[D].鄭州：鄭州工業(yè)大學，1999.

[8]張明敏等.基于超包絡的三角形網格簡化算法[D].杭州：浙江大學，1999.

[9]潘志庚，馬小虎，石教英.虛擬環(huán)境中多細節(jié)層次模型自動生成算法[J].軟件學報，1996，7（9）：526531.endprint