基于對(duì)稱(chēng)性的人臉特殊部位特征識(shí)別算法研究

張叢陽(yáng) 楊虹

摘要：本文基于對(duì)稱(chēng)原理提出一種人臉特殊部位特征識(shí)別算法，將鏡面對(duì)稱(chēng)的直線對(duì)稱(chēng)軸擴(kuò)展為曲線對(duì)稱(chēng)軸。并通過(guò)將曲線對(duì)稱(chēng)軸特例為圓對(duì)稱(chēng)軸，對(duì)選取的不同人像進(jìn)行了眼球定位實(shí)驗(yàn)，且對(duì)實(shí)驗(yàn)結(jié)果分析對(duì)比。結(jié)果表明該算法運(yùn)算量小且魯棒性高。

關(guān)鍵詞：對(duì)稱(chēng)性；人臉識(shí)別；圖像處理；人工智能；圖像識(shí)別

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）09-0167-03

Abstract：Based on the principle of mirror symmetry， this paper proposes a new feature recognition algorithm based on symmetry for special parts of the face， which extends the mirror-symmetric linear symmetry axis to the curve symmetry axis. And by taking the special case of the curve symmetry axis as the circular symmetry axis， the eyeball positioning experiments were carried out on the selected different portraits， and the experimental results were analyzed and compared. The results show that the algorithm has small computational complexity and high robustness.

Keywords： Symmetry； Face recognition； Image processing；artificial intelligence；Image Identification

1引言

人臉識(shí)別技術(shù)在身份識(shí)別、自動(dòng)監(jiān)控、人機(jī)交互等領(lǐng)域有很大發(fā)展?jié)摿ΓR(shí)別算法的研究也是工程技術(shù)界的關(guān)注熱點(diǎn)之一。按照算法特點(diǎn)，人臉識(shí)別算法可分為幾何算法、代數(shù)算法、神經(jīng)網(wǎng)絡(luò)算法、變換算法、機(jī)器學(xué)習(xí)算法[1][2][3]等。雖然部分工作也關(guān)注人臉對(duì)稱(chēng)性方面研究，但對(duì)稱(chēng)性并未在人臉識(shí)別中充當(dāng)關(guān)鍵角色。人臉呈現(xiàn)鏡像對(duì)稱(chēng)性，但絕對(duì)意義上的對(duì)稱(chēng)在人臉圖像中并不存在[4]。文獻(xiàn)[5]提出了圖像對(duì)稱(chēng)性連續(xù)度量指標(biāo)，并基于鏡像、平移、旋轉(zhuǎn)等對(duì)稱(chēng)性討論了圖像對(duì)稱(chēng)模式的檢測(cè)方法。這些方法很難在人臉圖像識(shí)別中應(yīng)用——人臉對(duì)稱(chēng)性的標(biāo)識(shí)價(jià)值更多體現(xiàn)在局部對(duì)稱(chēng)程度上，整體的對(duì)稱(chēng)程度并不能提供人臉識(shí)別的關(guān)鍵性信息。

對(duì)稱(chēng)性是物理、數(shù)學(xué)中的基本概念，當(dāng)視覺(jué)模式中出現(xiàn)“對(duì)稱(chēng)性”時(shí)，大腦活動(dòng)中會(huì)出現(xiàn)峰值[7]。本文擴(kuò)展了鏡像對(duì)稱(chēng)概念，將直線對(duì)稱(chēng)軸推廣為曲線對(duì)稱(chēng)軸，并應(yīng)用到人臉特征點(diǎn)的檢測(cè)中；通過(guò)眼球的識(shí)別和定位實(shí)驗(yàn)，討論算法執(zhí)行過(guò)程，為人臉識(shí)別提供更精準(zhǔn)的特征數(shù)據(jù)。

2 算法原理

2.1 對(duì)稱(chēng)區(qū)域

由于皮膚顏色與眼球顏色有較大差異，因此當(dāng)圓對(duì)稱(chēng)曲線未經(jīng)過(guò)眼球時(shí)，由于人臉皮膚的同色性，圓環(huán)內(nèi)外的灰度值差不會(huì)很大；當(dāng)圓環(huán)經(jīng)過(guò)眼球時(shí)，圓環(huán)內(nèi)外的灰度值差則會(huì)出現(xiàn)極大值，根據(jù)該特性，通過(guò)極大值位置分析可精準(zhǔn)的定位圖像中人眼球位置。從圖7中圖像可看出，算法效果總是在眼球位置明顯出現(xiàn)一極大值，其中當(dāng)內(nèi)圓半徑為5像素時(shí)，眼球位置極大值最為明顯。本文算法效率和內(nèi)圓半徑有密切關(guān)系，內(nèi)圓半徑越大計(jì)算效率越快；內(nèi)圓半徑越小，計(jì)算精度越高，但計(jì)算工作量越大。

4.4 結(jié)果分析

5 結(jié)束語(yǔ)

本文利用鏡面對(duì)稱(chēng)原理，將傳統(tǒng)意義上的直線對(duì)稱(chēng)軸推廣為平面上的任意連續(xù)可微曲線對(duì)稱(chēng)軸；通過(guò)構(gòu)造反映圖像特征的參數(shù)化模板（位置參數(shù)和尺度參數(shù)），來(lái)定位人臉特殊部位如眼球的輪廓的位置。構(gòu)造了圓環(huán)模板，當(dāng)圓環(huán)經(jīng)過(guò)與膚色不同但輪廓與圓環(huán)相似的眼球位置時(shí)，圓環(huán)內(nèi)外灰度值差會(huì)出現(xiàn)極大值，這樣便可定位出眼球的位置。考慮到眼球的邊界的模糊性，采用圓環(huán)曲線找到了眼球的輪廓區(qū)域，再取圓環(huán)的圓對(duì)稱(chēng)軸作為眼球的邊界。

此方法與傳統(tǒng)動(dòng)態(tài)模板提取輪廓算法相比，不僅去除了多余噪點(diǎn)，也保證了不丟失數(shù)據(jù)，可以更客觀地標(biāo)識(shí)出眼球的輪廓。

推廣該算法，可通過(guò)構(gòu)造眉毛的參數(shù)化模板、嘴唇的參數(shù)化模板實(shí)現(xiàn)眉毛、嘴唇的特征分析；進(jìn)一步還可將本算法推廣到其他圖像物體的識(shí)別中，如工業(yè)生產(chǎn)流水線上產(chǎn)品件的識(shí)別。該算法運(yùn)算量小、且相對(duì)噪音的魯棒性高，適合基于視頻的實(shí)時(shí)視覺(jué)算法中應(yīng)用。

參考文獻(xiàn)：

[1] 劉施樂(lè).基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)研究[J].電子制作，2018（24）：50-51，96.

[2] 王飛龍.人臉識(shí)別技術(shù)及其安全性綜述[J].信息記錄材料，2018（12）：229-230.

[3] 陳思琪，趙豪越，王靜一，賈婧談.人臉識(shí)別概述[J].電腦迷，2018（12）：226.

[4] H.Zabrodsky，S.Peleg，and D.Avnir.Continuous symmetry for shapes. Intl.Workshop on Visual Form，1994；2：594-613

[5] 張慶磊.圖像的連續(xù)對(duì)稱(chēng)度量[D]，中國(guó)石油大學(xué)（華東），2006.

[6] 嚴(yán)超.人臉特征的定位與提取[J].中國(guó)圖像圖形學(xué)報(bào)，1998.

[7] 丁偉利，李勇，王文鋒，等. 基于圖像的對(duì)稱(chēng)性識(shí)別算法研究[J].電子科技，2014，（10）.

【通聯(lián)編輯：唐一東】