李天向 丁瀟瀟 西安電子科技大學(xué)

引言

隨著人臉識(shí)別技術(shù)的出現(xiàn)以及應(yīng)用，不僅提高了工作效率和質(zhì)量，而且節(jié)約了更多的資源成本，深受很多用戶的信賴。然而在人臉識(shí)別技術(shù)的發(fā)展和應(yīng)用中，還需要攻克特征提取和匹配算法的兩大難題，消除各種影響因素，促使人臉識(shí)別技術(shù)更加高效準(zhǔn)確。

一、人臉識(shí)別的基本內(nèi)容

影響人臉識(shí)別系統(tǒng)的因素分為個(gè)人用戶需求和匹配算法，因此要構(gòu)成一個(gè)比較完整、準(zhǔn)確的人臉識(shí)別系統(tǒng)，就必須高度重視圖像預(yù)處理、人臉檢測(cè)、面部特征提取、分類識(shí)別這四個(gè)環(huán)節(jié)，要將每一個(gè)子系統(tǒng)的價(jià)值與優(yōu)勢(shì)都充分發(fā)揮出來，才能促進(jìn)人臉識(shí)別研究的高速發(fā)展，進(jìn)而為社會(huì)做出更大的貢獻(xiàn)，實(shí)現(xiàn)雙贏的局面。

圖像預(yù)處理是指人臉圖像的采集以及簡(jiǎn)單處理，要確保圖像具有高效率和質(zhì)量的識(shí)別力度。由于每一個(gè)人的臉部特征都有所差異，因此在圖像采集時(shí)就會(huì)受到各種因素的影響，進(jìn)而導(dǎo)致圖像分辨率低下。

人臉檢測(cè)是指判斷圖像中是否存在人臉，并且判斷其所在的位置。人臉檢測(cè)算法還可以進(jìn)一步判斷出人臉在圖像中所占的比例，推測(cè)出人臉五官的具體位置。

面部特征提取屬于人臉識(shí)別過程中的重要環(huán)節(jié)，特征提取的質(zhì)量好壞將直接影響到人臉識(shí)別的質(zhì)量好壞。特征提取的主要目的是為了尋找出人臉圖像上像素點(diǎn)之間的差異，利用像素點(diǎn)之間的差異性來建立特征向量，為以后的識(shí)別奠定基礎(chǔ)。

分類識(shí)別是指在特征提取完之后，通過特征提取到的算法進(jìn)行特征的組合，進(jìn)而尋找合適的分類器進(jìn)行人臉識(shí)別。

二、人臉識(shí)別中的特征提取方法

（一）經(jīng)驗(yàn)規(guī)則方法

經(jīng)驗(yàn)規(guī)則方式是指研究人員在拿到人臉圖像時(shí)，先根據(jù)自身的經(jīng)驗(yàn)進(jìn)行基本信息的提取和理解，進(jìn)而根據(jù)自身的理解程度制定合適的分類規(guī)則。人臉識(shí)別主要是根據(jù)人面部的五官特征，如眼睛、鼻子、耳朵、嘴。每一個(gè)人的五官在面部上的分布規(guī)律都會(huì)有所不同，因此根據(jù)分布規(guī)律即可制定合適的特征標(biāo)準(zhǔn)。例如：每一個(gè)人的正臉圖像，眼睛呈對(duì)稱形分布，眼睛下方、鼻翼兩側(cè)都會(huì)有一定比例的陰影存在，因此就會(huì)產(chǎn)生灰度差異。這時(shí)研究人員可以根據(jù)這些分類規(guī)則，提前制定出一套關(guān)于特征提取方法。

采用這種特征提取的方法，操作比較簡(jiǎn)單快捷，但是對(duì)于研究人員的自身經(jīng)驗(yàn)與圖像預(yù)處理能力有一定的要求，因此就會(huì)受到很多因素的限制。這種特征提取方法只能當(dāng)做人臉識(shí)別中的初步特征提取，如要獲得更加精準(zhǔn)的特征，還需要進(jìn)行不斷的深入研究。

（二）色彩特征提取方法

人臉圖像上的色彩分為三種主要基色分別為灰、黑、白，因此在特征提取時(shí)，也可以根據(jù)圖像中的色彩分布來提取人臉特征。這種特征提取方法需要對(duì)人臉圖像上的色彩信息有一個(gè)全面的了解，進(jìn)而通過整理、歸納，建立基本模型，通過色彩比例與模型進(jìn)行對(duì)比，進(jìn)而提取特征。例如在人臉圖像中，眼睛下方、鼻翼兩側(cè)顏色為灰，眼睛會(huì)有一定的黑白比例，膚色也有所不同。

（三）幾何形狀方法

幾何形狀方法主要是借助模型的構(gòu)建，將人臉圖像中所包含的幾何形狀與模型進(jìn)行對(duì)比分析，進(jìn)而進(jìn)行特征的整理歸納，進(jìn)而找到相似目標(biāo)。幾何形狀方法充分利用了圖像色彩特征信息的波峰波谷、邊緣特征和灰度分布，只要找出這些信息的相關(guān)聯(lián)系，就可以構(gòu)建合理的模型圖。這種方法能夠快速檢測(cè)出人臉圖像中色彩信息和全局邊緣特征，在目標(biāo)尋找中更加精確化。

（四）統(tǒng)計(jì)方法

統(tǒng)計(jì)方法的本質(zhì)就是利用模式識(shí)別的思想，將人臉圖像當(dāng)中所包含的所有信息，都當(dāng)做有效信息，通過相應(yīng)的整理與歸納，將這些信息劃分為特征信息與非特征信息，進(jìn)而提取有效信息。常見的算法有結(jié)合PCA的特征提取、結(jié)合人工神經(jīng)網(wǎng)絡(luò)的特征提取、結(jié)合支持向量機(jī)的特征提取等。

三、尺度不變特征變換算法的特征提取

尺度不變特征變換算法也分為四個(gè)環(huán)節(jié)，分別為構(gòu)建尺度空間、檢測(cè)搜索極值點(diǎn)、尋找最佳極值點(diǎn)、生成特征向量。

在應(yīng)用尺度不變特征變換算法的特征提取時(shí)，需要對(duì)人臉圖像的尺度空間相關(guān)內(nèi)容有一個(gè)全面的了解，接下來根據(jù)尺度空間來尋找出關(guān)鍵點(diǎn)。在極值點(diǎn)的尋找過程中，需要根據(jù)尺度空間圖像的坐標(biāo)（f（x,y））與高斯參數(shù)（z）來建立以下搜索公式：

在上述公式中，字母a代表圖像中相鄰兩個(gè)尺度之間的比例關(guān)系，是常數(shù)值。

在關(guān)鍵點(diǎn)找到之后，接下來就需要確定關(guān)鍵點(diǎn)所發(fā)展的方向。確定方向時(shí)需要通過像素點(diǎn)的構(gòu)建，然后根據(jù)特征向量，這樣才能在尺度不變特征變化的算法下提取特征。根據(jù)關(guān)鍵點(diǎn)以及發(fā)展方向，用字母a來表示相鄰兩個(gè)空間尺度之間的比例關(guān)系，然后用關(guān)鍵點(diǎn)作為圓心，用1.5a和3倍的1.5a作為半徑，進(jìn)行圓的勾勒，其計(jì)算公式就如下所示：

在發(fā)展方向確定之后，然后采用統(tǒng)計(jì)方法，進(jìn)行關(guān)鍵點(diǎn)的提取，并且進(jìn)行規(guī)律統(tǒng)計(jì)。其分布示意圖如下：

最后一步就是特征的生成。先要將坐標(biāo)軸按照特征點(diǎn)的分布方向進(jìn)行依次旋轉(zhuǎn)，每一個(gè)方塊內(nèi)的箭頭朝向，就是該區(qū)域的梯度方向，當(dāng)特征點(diǎn)接近梯度向量時(shí)，表面關(guān)鍵點(diǎn)的信息就越多，特征提取的精準(zhǔn)度就越高。

四、SURF算法的特征提取

SURF與尺度不變特征變換的提取流程有著很大的差異，然而這種算法的提取速度非常快。SURF算法選用了海塞矩陣行列式特征值的近似值來生成尺度空間，其公式如下：

將計(jì)算得到的特征值，根據(jù)特征值的正負(fù)判斷，進(jìn)而整合劃分為關(guān)鍵點(diǎn)，根據(jù)關(guān)鍵點(diǎn)來進(jìn)行像素點(diǎn)的對(duì)比。

接下來就需要進(jìn)行特征點(diǎn)的候選，特征點(diǎn)的候選也就是上述算法當(dāng)中的極值點(diǎn)確定，將同一尺度空間內(nèi)的像素點(diǎn)值進(jìn)行對(duì)比分析，進(jìn)而篩選出最大值與最小值中的關(guān)鍵點(diǎn)，進(jìn)而作為候選特征點(diǎn)。

最后一個(gè)環(huán)節(jié)就是特征點(diǎn)的發(fā)展方向計(jì)算，需要根據(jù)關(guān)鍵點(diǎn)所在圓形區(qū)域的haar小波進(jìn)行特征分析，然后采用加權(quán)法計(jì)算出綜合，再將haar小波的長(zhǎng)度拉伸為4s，在每一個(gè)圓弧區(qū)域內(nèi)分別計(jì)算出各自相對(duì)應(yīng)的方向。然后再將提取的扇形按照一定區(qū)間進(jìn)行旋轉(zhuǎn)，選出該區(qū)域內(nèi)所有方向一致的關(guān)鍵點(diǎn)所指方向。其過程如下圖所示：

五、結(jié)語

綜上所述，人臉識(shí)別技術(shù)涉及到了很多學(xué)科領(lǐng)域，更是計(jì)算機(jī)領(lǐng)域最為熱門的研究技術(shù)之一。人臉識(shí)別技術(shù)相比于傳統(tǒng)的生物特征識(shí)別技術(shù)，不僅具有著識(shí)別精準(zhǔn)、速度迅速、操作簡(jiǎn)單快捷的優(yōu)點(diǎn)，而且耗費(fèi)的成本費(fèi)用較少，深受很多用戶的青睞。因此在今后的發(fā)展中，就可以大力推廣和應(yīng)用人臉識(shí)別技術(shù)，進(jìn)而提高精準(zhǔn)度。