基于圖像處理的人臉識別算法實現(xiàn)

方雨馨

摘要：隨著現(xiàn)代社會科學技術水平不斷發(fā)展，越來越多的智能化技術及手段得以應用，而人臉識別算法就是其中比較重要的一種，在實際生活及工作中均有著十分廣泛的應用。在當前人臉識別算法實際應用過程中，為能夠使其得以更好實現(xiàn)，需要在利用圖像處理技術的基礎上合理進行系統(tǒng)設計，從而使系統(tǒng)功能及作用得以更好實現(xiàn)，促使其能夠?qū)崿F(xiàn)更加理想的應用。本文就基于圖像處理的人臉識別算法實現(xiàn)進行分析。

關鍵詞：人臉識別算法；圖像處理；系統(tǒng)設計；實現(xiàn)

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2018）27-0176-02

人臉識別算法在現(xiàn)代信息認證方面屬于一種現(xiàn)代化技術手段，并且其應用范圍也越來越廣泛，在實際實際應用過程中表現(xiàn)出的優(yōu)勢也越來越明顯，因而更好實現(xiàn)人臉識別算法具有重要作用及意義。為能夠使人臉識別算法對實現(xiàn)，需要以圖像處理為基礎實行系統(tǒng)設計，以便使人臉識別系統(tǒng)功能得以更好實現(xiàn)，促使人臉識別算法得以更好應用及發(fā)展，為人們生活及工作更好服務。

1 人臉識別技術及有關算法

對于人臉識別而言，其具體功能主要包括兩種類型，分別為人臉檢測與人臉識別。其中，人臉檢測所指的就是對靜態(tài)圖像或者視頻幀進行檢查，以判斷其中是否有人臉存在，若確定包含人臉則對人臉位置及大小進行計算；人臉識別所指的就是識別或者判斷檢測出的有關對象。就目前實際情況而言，這兩個部分技術算法均表現(xiàn)出自身優(yōu)點與缺點，大體上包括以下幾個方面內(nèi)容。首先，在人臉檢測方面，其主要就是以Adaboost算法、支持向量機算法及神經(jīng)網(wǎng)絡算法為基礎的相關檢測算法；其次，在人臉特征判斷及提取方面，其所運用的主要就是以人臉集合特征為基礎的相關特征提取方法，還包括以主成分特征為基礎的相關特征提取方法，同時包括2D及3D形變模型方法等有關內(nèi)容；第三，線性降維方法所選擇的主要就是PCA方法及LDA方法。就目前實際情況而言，對于人臉識別的研究雖然不斷深入，然而在人臉識別算法實際應用中由于實際環(huán)境影響，仍不具備能夠廣泛利用的相關人臉識別算法[1]。

2 常見圖像處理技術

在當前圖像處理法法方面，應用比較廣泛的方法主要包括光線補償、高斯平滑以及相似度計算與邊緣檢測方法等內(nèi)容，通過對這些圖像處理算法進行利用，可使人臉識別得以實現(xiàn)。其中，關于光線補償，對于不同光線而言，對于攝像頭所采集頭像會產(chǎn)生一定影響，在實踐應用過程中，只需要適當調(diào)整亮度，也就能夠?qū)D像實現(xiàn)光線補償。關于高斯平滑，對圖像保存過程中，由于對圖像全部內(nèi)容無法進行完整保存，在存儲時會導致相關數(shù)據(jù)出現(xiàn)丟失情況，為能夠使這一問題得以較好解決，需要通過高斯平滑使噪聲得以消除，在此基礎上使圖像完整性能夠得到較好保障。關于相似度計算，圖像相似度主要就是評估兩幅圖像，觀察兩者之間是否由相似之處存在。比如，對于A與B兩幅圖像，分別對兩幅圖像直方圖進行計算，而后對兩個直方圖歸一化相關系數(shù)實行計算等相關內(nèi)容。依據(jù)數(shù)學中向量計算之間差異，對圖像相似程度進行估計，即圖像均衡直方圖，其能夠較好歸一化。對于兩幅不同分辨率圖像，可通過直接計算直方圖對相似度進行計算，其計算量相對而言比較小。關于二值化，對于圖像二值化所指即對于像素點灰度值，依據(jù)閾值將其設置成為255或者0，從而使整體圖像能夠表現(xiàn)出較明顯黑白視覺效果。關于邊緣檢測，邊緣檢測的主要目的就是對數(shù)字圖像中具有較明顯亮度變化點，通過較明顯變化使圖像中圖形變化得以反映[1-2]。

3 人臉識別算法中圖像處理的應用

依據(jù)人體器官構造出生物面部特點，依據(jù)面部特點中的灰度分布峰谷以及頻率特點，對面部特點中最明顯特點進行計算，如眼睛、鼻子及嘴巴等，利用這些較明顯面部特點，也就能夠確定人臉的大致位置。在此基礎上可提供出初始參數(shù)，也就能夠使算法速度及精度得以較大程度提升，在此基礎上對處理后圖片實行人臉定位，首先需要標記出較明顯面部特點，如眼睛、鼻子及嘴巴，從而與其他圖片之間進行較好對比，之后需要由圖片中對不同特征值進行提取，與后臺數(shù)據(jù)庫中相關數(shù)據(jù)實行比較，從而可得到相關識別結果。

第一，在光線補償方面。對于圖像中所有像素，依據(jù)其亮度由高到底實行排列，選擇前5%像素，而后將其線性放大，使這些像素亮度平均能夠達到255，其實質(zhì)就是對圖片像素調(diào)整RGB值。第二，在圖像灰度化方面。所謂圖像灰度化所指的就是對于具有顏色的一些圖片，通過彩色轉(zhuǎn)變、灰度比例轉(zhuǎn)變以及線性轉(zhuǎn)變與線性截斷及灰度取反等相關操作，使圖像轉(zhuǎn)變成為灰色。第三，在高斯平滑方面。對于不規(guī)則隨機噪聲而言，其對于圖像質(zhì)量會產(chǎn)生一定影響，因而通過圖像的高斯平滑可使噪聲得以消除，使圖像質(zhì)量能夠得以有效提升。第四，在相似度計算方面。對于相似度計算，為屬于一種維度剝削，對集合之間相似程度進行計算，簡而言之就是對圖像進行切割分區(qū)，而后通過圖像直方圖對圖片曝光程度進行表示，對于垂直直方圖，由上及下表示圖片中由上及下黑白程度。第五，在二值化方面。對于所采集到的相關圖像，首先需實行多層次灰度圖像處理，使其轉(zhuǎn)變成為二值化圖像，而后依據(jù)閾值將圖像中像素點灰度設置成為0或者255，從而整體圖像能夠表現(xiàn)出較顯著黑白視覺效果[2]。

4 人臉識別系統(tǒng)整體設計及實現(xiàn)

4.1 人臉識別系統(tǒng)整體設計

對于人臉識別系統(tǒng)，依據(jù)功能差異可將分為幾個不同模塊，分別為面部圖像獲取模塊、面部檢測提取模塊、噪聲處理模塊以及算法實現(xiàn)模塊與面部數(shù)據(jù)庫模塊，還包括面部圖像對比識別模塊以及個人信息輸出模塊，其具體結構如下圖所示。

由上圖中具體結構可知在系統(tǒng)實際運行過程中，首先需要獲取相關圖像，在此基礎上利用圖像預處理算法對圖像事項光照補償及椒鹽濾液等相關處理，而后通過面部識別算法對圖像關注區(qū)域?qū)嵭忻娌刻崛。⑻崛∶娌刻卣髦?，從而得到單位面部特征圖像，而后利用面部匹配算法使所得到面部特征圖像對比數(shù)據(jù)中所存儲的相關單位特征臉圖像，將能夠匹配的面部圖像獲取，若無法匹配到則需要繼續(xù)獲取圖像事項對比，一直到完成匹配，最終在人機界面可顯示成功識別之后的相關個人信息，使人臉識別得以完成。

4.2 人臉識別系統(tǒng)實現(xiàn)

對于人臉識別系統(tǒng)實現(xiàn)而言，其主要包括以下幾個方面內(nèi)容，即系統(tǒng)啟動、系統(tǒng)運行以及實現(xiàn)系統(tǒng)操作，還有實現(xiàn)特征提取算法與識別算法，其具體流程如下圖所示。

由上圖中具體流程可以看出，在系統(tǒng)實際運行過程中，首先由視頻文件或者攝像頭中將圖像獲取，而后利用圖像預處理算法對圖像實行光照補償，并且實行椒鹽濾波等相關處理，而后對于圖像有效區(qū)域，利用面部識別算法，實行面部提取及面部特征提取，在此基礎上將單位面部特征圖像獲取。在完成以上操作之后，利用面部對比算法，將所獲取面部特征值與數(shù)據(jù)庫中所存儲數(shù)值實行對比識別，最終得到相匹配圖像，使人臉識別算法真正實現(xiàn)[2-3]。

5 結束語

人臉識別算法屬于當前十分重要的一種信息識別方式，在社會上很多領域及專業(yè)內(nèi)均有著十分廣泛的應用，并且所發(fā)揮的作用及優(yōu)勢也越來越明顯，因而更好實現(xiàn)人臉識別算法也就具有十分重要的作用及意義。在人臉識別算法實現(xiàn)方面，圖像處理屬于十分重要的一種技術手段，對于人臉識別的實現(xiàn)具有一定決定作用，需要相關人員在結合圖像處理技術應用的基礎上實行人臉識別系統(tǒng)設計及實現(xiàn)，以更好發(fā)揮其作用。

參考文獻：

[1] 郭樂，楊立波，郭歡，等.圖像處理技術在人臉識別中的應用[J].科技創(chuàng)新導報，2015，12（1）：22+24.

[2] 韓增錕.人臉識別中面部圖像處理算法研究[J].計算機與數(shù)字工程，2012，40（4）：87-89.

[3] 吳玲.人臉識別中的圖像處理技術[J].科技信息，2010（4）：246.

[通聯(lián)編輯：光文玲]