方雨馨

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

關(guān)鍵詞：人臉識(shí)別算法；圖像處理；系統(tǒng)設(shè)計(jì)；實(shí)現(xiàn)

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）27-0176-02

人臉識(shí)別算法在現(xiàn)代信息認(rèn)證方面屬于一種現(xiàn)代化技術(shù)手段，并且其應(yīng)用范圍也越來越廣泛，在實(shí)際實(shí)際應(yīng)用過程中表現(xiàn)出的優(yōu)勢(shì)也越來越明顯，因而更好實(shí)現(xiàn)人臉識(shí)別算法具有重要作用及意義。為能夠使人臉識(shí)別算法對(duì)實(shí)現(xiàn)，需要以圖像處理為基礎(chǔ)實(shí)行系統(tǒng)設(shè)計(jì)，以便使人臉識(shí)別系統(tǒng)功能得以更好實(shí)現(xiàn)，促使人臉識(shí)別算法得以更好應(yīng)用及發(fā)展，為人們生活及工作更好服務(wù)。

1 人臉識(shí)別技術(shù)及有關(guān)算法

對(duì)于人臉識(shí)別而言，其具體功能主要包括兩種類型，分別為人臉檢測(cè)與人臉識(shí)別。其中，人臉檢測(cè)所指的就是對(duì)靜態(tài)圖像或者視頻幀進(jìn)行檢查，以判斷其中是否有人臉存在，若確定包含人臉則對(duì)人臉位置及大小進(jìn)行計(jì)算；人臉識(shí)別所指的就是識(shí)別或者判斷檢測(cè)出的有關(guān)對(duì)象。就目前實(shí)際情況而言，這兩個(gè)部分技術(shù)算法均表現(xiàn)出自身優(yōu)點(diǎn)與缺點(diǎn)，大體上包括以下幾個(gè)方面內(nèi)容。首先，在人臉檢測(cè)方面，其主要就是以Adaboost算法、支持向量機(jī)算法及神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)的相關(guān)檢測(cè)算法；其次，在人臉特征判斷及提取方面，其所運(yùn)用的主要就是以人臉集合特征為基礎(chǔ)的相關(guān)特征提取方法，還包括以主成分特征為基礎(chǔ)的相關(guān)特征提取方法，同時(shí)包括2D及3D形變模型方法等有關(guān)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(shí)際情況而言，對(duì)于人臉識(shí)別的研究雖然不斷深入，然而在人臉識(shí)別算法實(shí)際應(yīng)用中由于實(shí)際環(huán)境影響，仍不具備能夠廣泛利用的相關(guān)人臉識(shí)別算法[1]。

2 常見圖像處理技術(shù)

在當(dāng)前圖像處理法法方面，應(yīng)用比較廣泛的方法主要包括光線補(bǔ)償、高斯平滑以及相似度計(jì)算與邊緣檢測(cè)方法等內(nèi)容，通過對(duì)這些圖像處理算法進(jìn)行利用，可使人臉識(shí)別得以實(shí)現(xiàn)。其中，關(guān)于光線補(bǔ)償，對(duì)于不同光線而言，對(duì)于攝像頭所采集頭像會(huì)產(chǎn)生一定影響，在實(shí)踐應(yīng)用過程中，只需要適當(dāng)調(diào)整亮度，也就能夠?qū)D像實(shí)現(xiàn)光線補(bǔ)償。關(guān)于高斯平滑，對(duì)圖像保存過程中，由于對(duì)圖像全部?jī)?nèi)容無法進(jìn)行完整保存，在存儲(chǔ)時(shí)會(huì)導(dǎo)致相關(guān)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(chǔ)上使圖像完整性能夠得到較好保障。關(guān)于相似度計(jì)算，圖像相似度主要就是評(píng)估兩幅圖像，觀察兩者之間是否由相似之處存在。比如，對(duì)于A與B兩幅圖像，分別對(duì)兩幅圖像直方圖進(jìn)行計(jì)算，而后對(duì)兩個(gè)直方圖歸一化相關(guān)系數(shù)實(shí)行計(jì)算等相關(guān)內(nèi)容。依據(jù)數(shù)學(xué)中向量計(jì)算之間差異，對(duì)圖像相似程度進(jìn)行估計(jì)，即圖像均衡直方圖，其能夠較好歸一化。對(duì)于兩幅不同分辨率圖像，可通過直接計(jì)算直方圖對(duì)相似度進(jìn)行計(jì)算，其計(jì)算量相對(duì)而言比較小。關(guān)于二值化，對(duì)于圖像二值化所指即對(duì)于像素點(diǎn)灰度值，依據(jù)閾值將其設(shè)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(guān)于邊緣檢測(cè)，邊緣檢測(cè)的主要目的就是對(duì)數(shù)字圖像中具有較明顯亮度變化點(diǎn)，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(shí)別算法中圖像處理的應(yīng)用

依據(jù)人體器官構(gòu)造出生物面部特點(diǎn)，依據(jù)面部特點(diǎn)中的灰度分布峰谷以及頻率特點(diǎn)，對(duì)面部特點(diǎn)中最明顯特點(diǎn)進(jìn)行計(jì)算，如眼睛、鼻子及嘴巴等，利用這些較明顯面部特點(diǎn)，也就能夠確定人臉的大致位置。在此基礎(chǔ)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(chǔ)上對(duì)處理后圖片實(shí)行人臉定位，首先需要標(biāo)記出較明顯面部特點(diǎn)，如眼睛、鼻子及嘴巴，從而與其他圖片之間進(jìn)行較好對(duì)比，之后需要由圖片中對(duì)不同特征值進(jìn)行提取，與后臺(tái)數(shù)據(jù)庫(kù)中相關(guān)數(shù)據(jù)實(shí)行比較，從而可得到相關(guān)識(shí)別結(jié)果。

第一，在光線補(bǔ)償方面。對(duì)于圖像中所有像素，依據(jù)其亮度由高到底實(shí)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(dá)到255，其實(shí)質(zhì)就是對(duì)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(duì)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?cái)嗉盎叶热》吹认嚓P(guān)操作，使圖像轉(zhuǎn)變成為灰色。第三，在高斯平滑方面。對(duì)于不規(guī)則隨機(jī)噪聲而言，其對(duì)于圖像質(zhì)量會(huì)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(jì)算方面。對(duì)于相似度計(jì)算，為屬于一種維度剝削，對(duì)集合之間相似程度進(jìn)行計(jì)算，簡(jiǎn)而言之就是對(duì)圖像進(jìn)行切割分區(qū)，而后通過圖像直方圖對(duì)圖片曝光程度進(jìn)行表示，對(duì)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(duì)于所采集到的相關(guān)圖像，首先需實(shí)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(diǎn)灰度設(shè)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(shí)別系統(tǒng)整體設(shè)計(jì)及實(shí)現(xiàn)

4.1 人臉識(shí)別系統(tǒng)整體設(shè)計(jì)

對(duì)于人臉識(shí)別系統(tǒng)，依據(jù)功能差異可將分為幾個(gè)不同模塊，分別為面部圖像獲取模塊、面部檢測(cè)提取模塊、噪聲處理模塊以及算法實(shí)現(xiàn)模塊與面部數(shù)據(jù)庫(kù)模塊，還包括面部圖像對(duì)比識(shí)別模塊以及個(gè)人信息輸出模塊，其具體結(jié)構(gòu)如下圖所示。

由上圖中具體結(jié)構(gòu)可知在系統(tǒng)實(shí)際運(yùn)行過程中，首先需要獲取相關(guān)圖像，在此基礎(chǔ)上利用圖像預(yù)處理算法對(duì)圖像事項(xiàng)光照補(bǔ)償及椒鹽濾液等相關(guān)處理，而后通過面部識(shí)別算法對(duì)圖像關(guān)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(duì)比數(shù)據(jù)中所存儲(chǔ)的相關(guān)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(xiàng)對(duì)比，一直到完成匹配，最終在人機(jī)界面可顯示成功識(shí)別之后的相關(guān)個(gè)人信息，使人臉識(shí)別得以完成。

4.2 人臉識(shí)別系統(tǒng)實(shí)現(xiàn)

對(duì)于人臉識(shí)別系統(tǒng)實(shí)現(xiàn)而言，其主要包括以下幾個(gè)方面內(nèi)容，即系統(tǒng)啟動(dòng)、系統(tǒng)運(yùn)行以及實(shí)現(xiàn)系統(tǒng)操作，還有實(shí)現(xiàn)特征提取算法與識(shí)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(shí)際運(yùn)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(yù)處理算法對(duì)圖像實(shí)行光照補(bǔ)償，并且實(shí)行椒鹽濾波等相關(guān)處理，而后對(duì)于圖像有效區(qū)域，利用面部識(shí)別算法，實(shí)行面部提取及面部特征提取，在此基礎(chǔ)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(duì)比算法，將所獲取面部特征值與數(shù)據(jù)庫(kù)中所存儲(chǔ)數(shù)值實(shí)行對(duì)比識(shí)別，最終得到相匹配圖像，使人臉識(shí)別算法真正實(shí)現(xiàn)[2-3]。

5 結(jié)束語

人臉識(shí)別算法屬于當(dāng)前十分重要的一種信息識(shí)別方式，在社會(huì)上很多領(lǐng)域及專業(yè)內(nèi)均有著十分廣泛的應(yīng)用，并且所發(fā)揮的作用及優(yōu)勢(shì)也越來越明顯，因而更好實(shí)現(xiàn)人臉識(shí)別算法也就具有十分重要的作用及意義。在人臉識(shí)別算法實(shí)現(xiàn)方面，圖像處理屬于十分重要的一種技術(shù)手段，對(duì)于人臉識(shí)別的實(shí)現(xiàn)具有一定決定作用，需要相關(guān)人員在結(jié)合圖像處理技術(shù)應(yīng)用的基礎(chǔ)上實(shí)行人臉識(shí)別系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)，以更好發(fā)揮其作用。

參考文獻(xiàn)：

[1] 郭樂，楊立波，郭歡，等.圖像處理技術(shù)在人臉識(shí)別中的應(yīng)用[J].科技創(chuàng)新導(dǎo)報(bào)，2015，12（1）：22+24.

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

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

[通聯(lián)編輯：光文玲]