基于Matlab 的人臉識別系統(tǒng)設計

邵 燚，侯益明，李和雨

（1.山西農業(yè)大學信息科學與工程學院，山西 太谷 030801；2.南昌工程學院水利與生態(tài)工程學院，江西 南昌 330099）

0 引言

隨著科學技術的井噴式發(fā)展,人們對于信息安全的要求越來越高。 人臉識別作為當今時代的熱點話題,雖然在身份驗證、安全監(jiān)測以及移動支付等領域已經(jīng)有了一定的發(fā)展,但是通過人臉圖像來進行快速、穩(wěn)定、準確的識別仍然面臨著巨大的挑戰(zhàn)。

Matlab 是以矩陣為基本的數(shù)據(jù)單位,具有語言簡潔、語法不受嚴格的限制、用法簡單、自由度高、程序結構性強的優(yōu)勢,它的功能很強大,可以使用其窗口環(huán)境實現(xiàn)數(shù)值分析和計算、圖像分析和處理、矩陣的計算等功能［1］。 生物識別技術可以對個人身份進行鑒別,主要是對人體的指紋、掌紋、虹膜等生理特征進行信息提取,然后再使用計算機技術、光學、生物信息學原理等領域的相關技術進行個人身份的鑒別。 由于每個人的生理特征是獨有的,所以很難對其進行模仿或者偽造,因此具有高度的安全性,對信息安全的保護具有極大的作用。 其中虹膜識別和人臉識別等都屬于生物識別技術的研究方向,和虹膜識別有所區(qū)別的是,人臉識別容易受遮擋物、光照、表情、時間以及姿態(tài)變化等的影響,從而人臉識別比虹膜識別要復雜得多［2］。

1 人臉識別系統(tǒng)概述

人臉識別系統(tǒng)由人臉圖像預處理、人臉檢測、特征提取以及分類識別4 個部分構成,具體流程如圖1 所示。 通過掃描輸入的靜態(tài)圖像或者動態(tài)的視頻中的人臉,從而確定所采集人像的身份信息,具有廣闊的應用前景。

圖1 人臉識別系統(tǒng)

1.1 人臉圖像預處理

在對目標圖像集進行人臉檢測之前,需要對其進行預處理操作,提取目標人臉的主要特征。 針對預處理部分,可以采用圖像去噪、直方圖均衡化等一系列措施［3］,使系統(tǒng)可以快速反應識別人臉,提高系統(tǒng)檢測的精確性。

1.2 人臉檢測

人臉檢測的目的是為了確定靜態(tài)圖像或者動態(tài)視頻中人臉的數(shù)量、大小和位置。 根據(jù)提取檢測特征方式的不同主要分為3 類:基于統(tǒng)計學習的人臉檢測方法、基于知識的人臉檢測方法和基于模版匹配的人臉檢測方法［4］。

1.3 特征提取

特征提取是人臉識別的關鍵環(huán)節(jié),特征提取既可以從圖像中提取出最有利于進行人臉識別的特征信息,還可以極大程度上降低圖像樣本的維數(shù),從而達到簡化問題的作用。 故有效的特征提取對于問題的解決具有至關重要的作用。 例如:采用PCA 人臉識別算法,主要利用K-L 變換來提取特征,進而完成數(shù)據(jù)的映射與壓縮［5］。

1.4 分類識別

在分類識別部分中,分類器的設計起到了極為重要的作用。 本實驗先預先訓練樣本集,對其特征數(shù)據(jù)進行提取,并映射到特征向量子空間中去。 在識別階段,將采集到的靜態(tài)圖像或動態(tài)視頻中的人臉特征數(shù)據(jù)與數(shù)據(jù)庫中的向量空間進行數(shù)據(jù)匹配,進而得出分類結果。 訓練過程和識別過程的關系如圖2 所示［6］。

圖2 訓練和識別的關系

2 人臉識別系統(tǒng)的設計

本人臉識別系統(tǒng)按照人臉圖像預處理、人臉檢測、特征提取以及分類識別的過程進行人臉識別。 視頻流中的人臉識別,首先,需要對視頻幀進行圖片預處理,然后檢測出視頻幀中人臉的具體位置。 為了避免由于人臉傾斜或者頭部轉動使得面部信息缺失而導致的人臉識別的失敗。 在對每個視頻幀進行人臉檢測時,通過大量密集型的計算來確定待測目標的位置。 其次,進行人臉特征的提取操作,提取一個該目標對象獨有的特征,即具有唯一性,并且該特征不會隨著目標對象的移動而發(fā)生改變。 本系統(tǒng)選取目標對象的膚色作為跟蹤的主要特征,因目標對象的膚色與背景顏色能夠形成較為鮮明的對比,在檢測人臉時并不會隨著臉部的移動或者仰俯、旋轉而改變。 接著,對視頻中的人臉進行追蹤,從被檢測的人臉區(qū)域中提取顏色通道像素。人臉部區(qū)域提供了精確的膚色度量,并不包含任何背景像素,因此可以進行準確的追蹤檢測。 最后,將識別過程中提取到的特征信息與數(shù)據(jù)庫中映射出的特征子空間進行對比,判斷目標對象的身份。

人臉識別常用的數(shù)據(jù)庫是ORL 人臉庫［7］,是由劍橋大學實驗室創(chuàng)建,包含40 人共400 幅面部圖像,其中部分志愿者的圖像包含了姿態(tài)、表情和面部飾物的變化。

本系統(tǒng)按照圖2 所示的流程對采集到的視頻進行訓練和識別處理,采集一定量的圖片作為本系統(tǒng)的訓練集,構建人臉識別模型。 針對作為訓練集的圖片,首先應對其膚色特征進行提取,然后建立特征向量空間,構成自定義數(shù)據(jù)庫。 采集一段視頻作為本系統(tǒng)的測試集,對本視頻中的人臉進行膚色特征提取,將所提取的特征數(shù)據(jù)與自定義數(shù)據(jù)庫里的特征向量空間進行匹配,最終輸出人臉識別的結果。

3 實驗結果分析

本系統(tǒng)可以實現(xiàn)自動追蹤人臉目標,檢測窗口可以根據(jù)待檢測視頻中人物臉部尺寸的大小進行自適應的調整。 在人臉追蹤的過程中,若待檢測目標人臉存在部分遮擋,系統(tǒng)依舊可以繼續(xù)追蹤；當遮擋物拿開時,系統(tǒng)可快速反應對人臉進行全面追蹤。 使用局部檢測的方法,使得算法簡單、計算量小,具有較好的實時性和魯棒性。 本系統(tǒng)針對采集到的一段10 s 的視頻進行人臉識別,目標對象的膚色與背景顏色形成較為鮮明的對比,所以在以膚色為主要特征提取的系統(tǒng)中可以準確、快速地識別出人臉,并用標識框將人臉框出。 此標識框還可以對人臉進行實時追蹤,通過與自定義數(shù)據(jù)庫進行特征匹配,鑒定出此人的身份信息。截取視頻中的一幀作為本實驗的檢測結果,可以看到標識框準確地框出了幀圖像中的人臉部分,并在標識框的左上角顯示目標對象的身份信息。

4 結語

本系統(tǒng)以目標對象的膚色為追蹤的主要特征,對目標人臉進行實時的追蹤與識別,在人臉部分遮擋的情況下,仍然具有良好的實時性與精確性。 本人臉識別系統(tǒng)能夠根據(jù)人臉特征準確識別出人臉,促進很多領域的智能化發(fā)展,對生物識別技術的發(fā)展有一定的推動作用。