胡在林

摘要：人臉識(shí)別技術(shù)是基于人們的臉部特征特點(diǎn)進(jìn)行圖形身份識(shí)別的識(shí)別技術(shù)，目前人臉識(shí)別技術(shù)在許多行業(yè)均得到廣泛運(yùn)用。該論文首先對(duì)系統(tǒng)用到的相關(guān)的技術(shù)方法進(jìn)行了較為詳細(xì)的分析介紹，然后對(duì)系統(tǒng)的實(shí)施方案和關(guān)鍵技術(shù)進(jìn)行了簡(jiǎn)單的闡述。

關(guān)鍵詞：人臉識(shí)別；特征點(diǎn)；發(fā)型搭配；圖像處理

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）28-0174-02

隨著生活水平的不斷提高，人們對(duì)外在美的追求也不斷提升，一款漂亮的發(fā)型，能瞬間提升氣質(zhì)魅力。但是，每個(gè)人的臉型、發(fā)質(zhì)、喜好都不一樣，不能看見(jiàn)一款漂亮的發(fā)型就盲目去剪，發(fā)型與臉型巧妙搭配，才能為你的形象加分。但現(xiàn)實(shí)情況是，由于顧客不知道自己的臉型到底適合哪種發(fā)型，發(fā)型師對(duì)臉型的分析也不是很精準(zhǔn)，再加上發(fā)型師與顧客對(duì)發(fā)型的描述都很抽象，使得最終設(shè)計(jì)出來(lái)的發(fā)型差強(qiáng)人意。

1、技術(shù)資源

1.1 臉型分類

人的基本臉型：圓形臉、方形臉、長(zhǎng)形臉、長(zhǎng)方形臉、菱形臉、倒三角形臉、三角形臉。

1.2 五官分析

三庭：上庭、中庭、下庭；

五眼：以人的眼睛的長(zhǎng)度作為基本衡量單位，橫向在臉部分為五個(gè)等份；

縱向分類：上庭長(zhǎng)、上庭短；中庭長(zhǎng)、中庭短；下庭長(zhǎng)、下庭短。

2 人臉檢測(cè)技術(shù)分類

2.1基于膚色的檢測(cè)方法

基于人的臉部膚色的檢測(cè)方法是目前最為常用的人臉檢測(cè)的方法，由于人臉的膚色和所處的環(huán)境存在較大的色澤差異，所以通過(guò)人的膚色很容易將人臉和背景進(jìn)行區(qū)分。

2.2基于形狀的檢測(cè)方法

基于人臉形狀的檢測(cè)方法是根據(jù)人臉和五官基本的形狀信息，采用一些形狀模式在數(shù)字圖像中進(jìn)行人臉的匹配，最終完成人臉檢測(cè)。

2.3基于統(tǒng)計(jì)理論的檢測(cè)方法

基于統(tǒng)計(jì)理論的檢測(cè)方法是通過(guò)統(tǒng)計(jì)分析與機(jī)器學(xué)習(xí)找出人臉樣本與非人臉樣本彼此的統(tǒng)計(jì)特征，然后使用各自的特征信息構(gòu)建分類器來(lái)完成人臉的基本檢測(cè)。

3 系統(tǒng)設(shè)計(jì)

3.1設(shè)計(jì)思路

本系統(tǒng)共分四個(gè)研發(fā)階段：

1）可行性評(píng)估：針對(duì)市面上就有的相似系統(tǒng)進(jìn)行技術(shù)分析，比較和歸納，并從中尋找新系統(tǒng)制作時(shí)的立基點(diǎn)。

2）樣本搜集與分析：進(jìn)行發(fā)型搜集、分析與歸納；找出各發(fā)型共通點(diǎn)與差異性。

3）系統(tǒng)制作：根據(jù)需求與規(guī)格，開(kāi)始進(jìn)行系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)。

4）系統(tǒng)測(cè)試：進(jìn)行系統(tǒng)測(cè)試，根據(jù)測(cè)試者之評(píng)論修正或修改系統(tǒng)。

本系統(tǒng)分為6個(gè)功能：

用戶輸入一張頭像圖片（格式為bmp），經(jīng)過(guò)：①圖像預(yù)處理；②人臉定位；③特征點(diǎn)提??；④臉部提??；⑤人臉識(shí)別；⑥臉型判斷；⑦發(fā)型匹配；⑧最終匹配到最適合自己的發(fā)型搭配。

3.2 圖像預(yù)處理

該處理過(guò)程包括有如下5個(gè)基本過(guò)程，概述如下：

1）光線補(bǔ)償

由于得到的圖片經(jīng)常會(huì)出現(xiàn)光線不平衡現(xiàn)象，這將影響下面對(duì)圖片中特征信息的準(zhǔn)確提取，所以第一步必須要先對(duì)圖像進(jìn)行光線補(bǔ)償處理。經(jīng)光線補(bǔ)償后使得圖像的特征信息更加明顯。同時(shí)本系統(tǒng)還用到了YcrCB色彩空間，它是一種用于視頻系統(tǒng)中的色彩空間，在該空間中，Y代表像素的亮度，Cr和Cb代表色度。

2）灰度變化

為了將圖像的信息更加簡(jiǎn)單、具體的表現(xiàn)出來(lái)，我們需要用到圖像的灰度變化處理，將彩色圖像轉(zhuǎn)變成黑白兩色圖像，但這一過(guò)程也會(huì)使部分圖像信息丟失。所以在處理過(guò)程中應(yīng)該圖像的復(fù)雜信息用較為簡(jiǎn)單的方式進(jìn)行表達(dá)處理。

3）高斯平滑處理

在圖像采集過(guò)程中，由于多種不定因素的影響，會(huì)出現(xiàn)許多的噪聲，這回影響了圖像的處理質(zhì)量，導(dǎo)致圖像數(shù)據(jù)的丟失。而平滑處理會(huì)降低圖像的視覺(jué)噪聲，同時(shí)處理掉圖像中的高頻部分，進(jìn)而使得低頻成分凸顯出來(lái)。

4）直方圖均衡

直方圖均衡化是處理后使得輸入圖像在每個(gè)灰度級(jí)上都有相同像素點(diǎn)數(shù)目，中心思想是把原始圖像中存在的比較集中的灰度區(qū)間轉(zhuǎn)變成在全部灰度范圍內(nèi)的均勻分布的灰度直方圖，該直方圖變換式為：

5）對(duì)比度增強(qiáng)

對(duì)比度增強(qiáng)為了將圖像的對(duì)比度拉開(kāi)，對(duì)圖像做進(jìn)一步的圖像處理。

6）二值化

二值化是為了更加快速進(jìn)行分析識(shí)別和理解，減少計(jì)算量，我們將獲取的多層次得灰度圖像處理加工成為二值圖像信息。二值化是通過(guò)控制閾值進(jìn)而改變圖像中的像素顏色，使圖像僅有黑白兩色，我們將此稱為二值圖像。

3.3人臉定位

人臉定位過(guò)程是將人的嘴巴，眼睛，鼻子等基本臉部特征信息做出相應(yīng)的標(biāo)記。因此本系統(tǒng)基于人臉定位技術(shù)，利用眼睛的對(duì)稱性，將圖像中眼睛、嘴巴、鼻子三個(gè)臉部基本特征進(jìn)行定位。然后快速準(zhǔn)確地標(biāo)記定位出鼻子和嘴巴的特征點(diǎn)和相關(guān)信息。

3.4特征點(diǎn)獲取

提取步驟如下：1）提取兩眼中心點(diǎn)之間的距離；2）提取右眼的傾斜角度；3）定位人臉圖像中眼睛和嘴巴的中心點(diǎn)并進(jìn)行標(biāo)記；4）在一個(gè)矩形框內(nèi)標(biāo)注出提取后的所有特征信息。

3.5臉部提取

經(jīng)過(guò)以上特征點(diǎn)定位提取等過(guò)程，可將人臉區(qū)域精確定位，并將人臉存儲(chǔ)于本地，待后面與發(fā)型匹配時(shí)進(jìn)行提取。

3.6人臉識(shí)別

經(jīng)過(guò)前面幾步的處理過(guò)程，根據(jù)人臉各區(qū)域特征點(diǎn)的標(biāo)記，可將人臉劃分為許多區(qū)域，并分析出五官信息，如圖3：

3.7臉型判斷

將人臉?lè)指钍紫葘⒛槻糠殖?3條線26個(gè)點(diǎn)，如圖所示，分別是水平特征線段十條以及垂直特征線段三條；水平特征線又分為眉毛部分的AB，眼睛部分分為水平方向WX、EF、GH，鼻子部分為鼻孔下線之線段IJ，嘴巴部分分為MN、KL、OP，以及額頭線YZ，臉部最寬線也就是顴骨的位置為M 1M 2，垂直特征線則分為兩眼中點(diǎn)垂直方向?yàn)镾T 以及通過(guò)眼睛部分之QR、UV。最后再將這些線段分別摘取出來(lái)，如下圖。

通過(guò)計(jì)算分析各特征線之間的距離及比例關(guān)系，將圖片中人的具體臉型確定出來(lái)，進(jìn)而在圖庫(kù)中選出最適合該臉型的發(fā)型。

3.8發(fā)型搭配

由于已提前設(shè)定好圖片大小，人臉導(dǎo)入后，根據(jù)相關(guān)坐標(biāo)定位可自動(dòng)實(shí)現(xiàn)發(fā)型與臉型的匹配，發(fā)型和人臉圖片還設(shè)有拉伸、縮放、拖動(dòng)、旋轉(zhuǎn)等功能，有助于臉型與發(fā)型的完美匹配和顧客瀏覽的直觀性。

4 結(jié)束語(yǔ)

本系統(tǒng)加入了人臉識(shí)別功能，可以直觀快捷的判別出顧客的臉型，并在沒(méi)有發(fā)型師指導(dǎo)的情況下預(yù)先給出最適合的參考發(fā)型。從而使使用者在使用時(shí)更加快捷化、形象化，可以更準(zhǔn)確的設(shè)計(jì)出適合使用者的發(fā)型外，因?yàn)橄到y(tǒng)的全面web化，而且操作流程簡(jiǎn)單、方便，讓使用者可以節(jié)省翻閱發(fā)型書(shū)籍與色卡的時(shí)間，進(jìn)而有效地縮短了發(fā)型搭配時(shí)間，同時(shí)也提高了設(shè)備利用率。

參考文獻(xiàn)：

[1] 蘇煜，山世光，陳熙霖，等.基于全局和局部特征集成的人臉識(shí)別[J]. 軟件學(xué)報(bào)， 2010， 21（8）：1849-1862.

[2] 嚴(yán)嚴(yán)，章毓晉.基于視頻的人臉識(shí)別研究進(jìn)展[J]. 計(jì)算機(jī)學(xué)報(bào)， 2009， 32（5）：878-886.

[3] Wright J， Yang A Y， Ganesh A， et al. Robust face recognition via sparse representation.[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2009， 31（2）：210-227.

[4] 王守覺(jué)， 曲延鋒， 李衛(wèi)軍，等.基于仿生模式識(shí)別與傳統(tǒng)模式識(shí)別的人臉識(shí)別效果比較研究[J]. 電子學(xué)報(bào)， 2004， 32（7）：1057-1061.