胡頗鳴

摘要 鑒于傳統(tǒng)的Gabor人臉識(shí)別技術(shù)存在一定的缺陷和不足之處，本文在Gabor人臉識(shí)別技術(shù)的基礎(chǔ)上提出了一項(xiàng)具有特征融合特點(diǎn)的新型人臉識(shí)別算法，該項(xiàng)人臉識(shí)別算法能夠有效提高提取人臉特征的效率，效果遠(yuǎn)遠(yuǎn)優(yōu)于Gabor人臉識(shí)別技術(shù)。

【關(guān)鍵詞】特征融合 人臉識(shí)別 算法

人臉識(shí)別技術(shù)是現(xiàn)階段人工智能技術(shù)發(fā)展的主要方向，其價(jià)值不言而喻。由于人臉特征具有一定的特殊性，所以人臉識(shí)別技術(shù)廣泛的應(yīng)用到了各個(gè)領(lǐng)域，發(fā)揮著不可替代的作用。然而，人臉的圖像容易受到客觀因素的干擾，所以人臉識(shí)別技術(shù)時(shí)長(zhǎng)會(huì)出現(xiàn)不穩(wěn)定的情況。所以，如何提高人臉識(shí)別的準(zhǔn)確性，是人臉識(shí)別技術(shù)發(fā)展中的重要挑戰(zhàn)?，F(xiàn)階段，Gabor人臉識(shí)別技術(shù)是各個(gè)領(lǐng)域使用的主要人臉識(shí)別技術(shù)。通過Gabor技術(shù)，傳感器可以采集到人臉各個(gè)角度的信息，同時(shí)，Gabor技術(shù)不容易受到光線和人的面部表情影響，其準(zhǔn)確率較高。盡管如此，Gabor人臉識(shí)別技術(shù)也有自身的不足之處。因此，改進(jìn)Gabor技術(shù)，提高Gabor技術(shù)的識(shí)別準(zhǔn)確性，對(duì)于人工智能的發(fā)展有著重要意義。

1 新的人臉識(shí)別算法流程

首先，對(duì)采集來的人臉圖形進(jìn)行Gabor換算，并將獲得的Gabor特征進(jìn)行下一步的融合處理，在融合的過程中要將多余的信息排除，并對(duì)特征的維數(shù)進(jìn)行下降處理。然后，要使用一種叫做fastPCA的算法對(duì)得到的特征進(jìn)行第二次的維數(shù)下降工作。最后，對(duì)得到的人臉特征進(jìn)行支持向量機(jī)計(jì)算，從而得到識(shí)別的結(jié)果。

2 人臉特征的提取

2.1 Gabor技術(shù)的變換

Gabor技術(shù)的性能較為出色，并在實(shí)踐當(dāng)中取得了出色的效果。在實(shí)際應(yīng)用當(dāng)中，Gabor技術(shù)能夠選擇較為合適的角度對(duì)人臉圖像進(jìn)行采集，同時(shí)不會(huì)受到外界客觀因素的干擾。Gabor技術(shù)的變換是新人臉識(shí)別的算法的第一步，新的Gabor技術(shù)與傳統(tǒng)的Gabor技術(shù)相比，其效果更佳，更容易取得人臉特征。

2.2 特征融合技術(shù)的改進(jìn)

一般來說，通過Gabor技術(shù)得到的人臉特征圖像有四十張。在這四十張圖像當(dāng)中，圖像與圖像之間的相似度較大。而多余的圖像信息會(huì)導(dǎo)致特征維數(shù)過高，不利于進(jìn)行下一步的圖像融合。想要解決這種情況，可以使用二進(jìn)制的編碼融合方式對(duì)圖像進(jìn)行進(jìn)一步的融合，也可以使用最大、最小值的融合方法對(duì)圖像進(jìn)行融合。實(shí)踐證明，圖像采集方向一致，但尺度不同的融合效果要遠(yuǎn)遠(yuǎn)的高于圖像尺度相同，但圖像采集方向不一致的融合效果。因此，為了達(dá)到提高人臉識(shí)別率的目的，對(duì)原有的特征融合技術(shù)進(jìn)行了改良，對(duì)采集到的人臉圖像進(jìn)行方向一致，且尺度不同的融合方式進(jìn)行融合。這種人臉特征融合技術(shù)與常規(guī)的人臉特征融合技術(shù)相比具有明顯的優(yōu)勢(shì)，效果也更加出色和準(zhǔn)確。

另外，人臉的圖像維度比較高，會(huì)導(dǎo)致人臉識(shí)別系統(tǒng)的工作量較大，降低了工作效率。因此，新的人臉識(shí)別算法首先使用了常規(guī)的降維手段對(duì)采集到的圖像進(jìn)行初步降維工作，其次使用了fastPCA技術(shù)對(duì)人臉特征進(jìn)行了深入的降維處理。fastPCA技術(shù)能夠有效的降低人臉圖像的維數(shù)，減少了特征融合環(huán)節(jié)的計(jì)算總量，從而使得整個(gè)人臉識(shí)別系統(tǒng)更加趨向于流暢化，提高了人臉識(shí)別的效率。

3 支持向量機(jī)算法改進(jìn)

支持向量機(jī)算法是根據(jù)統(tǒng)計(jì)學(xué)理論為基礎(chǔ)實(shí)現(xiàn)計(jì)算的，支持向量機(jī)算法中包含了核函數(shù)理論，能夠有效的處理一些非線性問題。支持向量機(jī)算法具有很大的優(yōu)勢(shì)，能夠解決人臉圖像中樣本較少、圖像維度較高的問題，并將圖像進(jìn)行分類劃分。盡管如此，支持向量機(jī)算法也并非完美無瑕，依然存在一定的缺陷和不足。比如說，支持向量機(jī)算法中的核函數(shù)該如何選擇就是一個(gè)比較難的問題，我國(guó)沒有一套完整的理論知識(shí)體系來指導(dǎo)核函數(shù)的選擇，所以在應(yīng)用支持向量機(jī)算法的時(shí)候.一般都是根據(jù)自己的經(jīng)驗(yàn)來選擇核函數(shù)。

改進(jìn)的支持向量機(jī)算法采取的是一種叫做Sigmoid的核函數(shù)，當(dāng)采用Sigmoid核函數(shù)的時(shí)候，支持向量機(jī)能夠自動(dòng)選擇各類節(jié)點(diǎn)。同時(shí)，支持向量機(jī)的基礎(chǔ)原理也會(huì)確保最終得出的結(jié)論不會(huì)過于局限性，進(jìn)而確保最終結(jié)果不會(huì)與之前的結(jié)果出現(xiàn)重復(fù)的情況。由此可見，改進(jìn)的支持向量機(jī)算法具有明顯的優(yōu)勢(shì)，能夠有效彌補(bǔ)原有支持向量機(jī)算法中的不足之處，從而優(yōu)化整個(gè)人臉識(shí)別技術(shù)，提高人臉識(shí)別的準(zhǔn)確性。

4 結(jié)語

綜合來看，本文中提到的人臉識(shí)別新算法具有出色識(shí)別性能，能夠有效減少光線、人臉表情、人臉圖像的采集角度等客觀因素對(duì)人臉識(shí)別結(jié)果的影響，能夠確保人臉識(shí)別系統(tǒng)在各種環(huán)境下正常運(yùn)轉(zhuǎn)，基本符合人臉圖像識(shí)別技術(shù)的各項(xiàng)要求?，F(xiàn)階段，我國(guó)的人臉識(shí)別技術(shù)依然處在一個(gè)發(fā)展的階段，與歐美等發(fā)達(dá)國(guó)家的人臉識(shí)別技術(shù)相比還存在一定的差距。因此，我國(guó)應(yīng)當(dāng)加強(qiáng)對(duì)于人臉識(shí)別技術(shù)的研究，通過多種途徑對(duì)相關(guān)研究進(jìn)行有力的支持。

參考文獻(xiàn)

[1]吳錫生，魏月納.基于特征融合的人臉識(shí)別新算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2017，27 （01）： 65-69.

[2]周昌軍，基于圖像重構(gòu)和特征融合的人臉識(shí)別方法研究[D].大連理工大學(xué)，2008.

[3]葉繼華，萬葉晶，劉長(zhǎng)紅等.基于多子空間直和特征融合的人臉識(shí)別算法[J].數(shù)據(jù)采集與處理，2016，31 （01）：102-107.

[4]付艷紅.基于特征融合的人臉識(shí)別算法研究與實(shí)現(xiàn)[D].天津理工大學(xué)，2 015.