(華東交通大學(xué) 電氣與自動化工程學(xué)院,江西 南昌 330013)

目前，人臉識別已經(jīng)成為機(jī)器視覺、模式識別和人工智能領(lǐng)域的熱門話題，具有廣泛的應(yīng)用領(lǐng)域，但它也是一項(xiàng)具有挑戰(zhàn)性的任務(wù)[1]，因?yàn)椴煌说奈骞俨町惥薮?，并且有著豐富的表情。一般來說，人臉識別系統(tǒng)具有兩個(gè)關(guān)鍵部分[2]：人臉面部特征提取和識別匹配。

面部特征提取是人臉識別任務(wù)的關(guān)鍵問題。為了表征人臉信息，提取的特征是否合適對后一步分類性能產(chǎn)生重要影響。文獻(xiàn)[3]提出對人臉圖像進(jìn)行多方向多尺度DCP(Dual-Cross Patterns)特征提取，利用高斯算子的一階導(dǎo)數(shù)來減少光照差異的影響，然后在全局和分區(qū)級別計(jì)算DCP特征，再對高維DCP特征降維，實(shí)驗(yàn)結(jié)果表明該方法能達(dá)到較高識別率，但是使用該方法提取得到的人臉特征維數(shù)過高，計(jì)算量較大，復(fù)雜度較高，導(dǎo)致識別速度較久。文獻(xiàn)[4]提出對人臉圖像使用Gabor相位圖的直方圖來進(jìn)行特征提取，與其他特征提取技術(shù)相比，使用Gabor算子可以更快地完成特征檢測，然而，單一特征對人臉圖像的表述有限，不能完整地表達(dá)人臉圖像的信息。文獻(xiàn)[5]提出了一種將人臉圖像的局部二值模式(Local Binary Pattern，LBP)紋理特征和方向梯度直方圖(Histogram of Oriented Gradient,HOG)特征相融合的特征表達(dá)方法，實(shí)驗(yàn)結(jié)果表明，相較于使用單一特征，融合特征能更完整地表達(dá)人臉信息，達(dá)到更好的效果。

在分類識別算法方面，目前廣泛研究的有支持向量機(jī)(Support Vector Machine，SVM)[6]、決策樹、K最近鄰(K-Nearest Neighbor，KNN)[7]等。文獻(xiàn)[8]采用了一種基于TBE-CNN(Trunk-Branch Ensemble Convolutional Neural Networks)模型用于人臉識別方法，該方法從整體臉部圖像和圍繞臉部分區(qū)圖像中提取信息，通過在干線和分支網(wǎng)絡(luò)之間共享低層和中層卷積層來高效地提取人臉信息特征，最后實(shí)驗(yàn)驗(yàn)證了所提出方法的有效性。然而，直接以像素級的人臉圖像作為輸入，CNN模型會因?yàn)楣庹?、傾斜、背景變化學(xué)習(xí)到不良的特征，最終影響識別的結(jié)果。Hinton[9]提出深信念網(wǎng)絡(luò)(Deep Belief Nets，DBN)模型，DBN是一種模擬哺乳動物大腦皮層的感知過程，通過逐層訓(xùn)練，將感知的高維度低層次的信息分類識別的深度學(xué)習(xí)算法。DBN作為一種深度學(xué)習(xí)算法，適合人臉的識別。

為了獲得更高的人臉識別準(zhǔn)確率，針對以上人臉識別算法的問題，筆者提出了多紋理特征融合，主成分分析法(Principal Component Analysis，PCA)[10]將特征數(shù)據(jù)進(jìn)行降維處理，結(jié)合DBN強(qiáng)大的函數(shù)表達(dá)能力對人臉數(shù)據(jù)進(jìn)行訓(xùn)練并識別。通過對DBN深度模型的參數(shù)的動態(tài)搜索確定最佳值后，提出了基于DBN模型的人臉識別算法。經(jīng)測試，該算法比傳統(tǒng)的SVM、KNN和DBN更加準(zhǔn)確。

1 深度信念網(wǎng)絡(luò)模型(DBN)

DBN是一個(gè)典型的多層次深度學(xué)習(xí)結(jié)構(gòu)，是由多層限制玻爾茲曼機(jī)(RBM)疊加組成的概率生成神經(jīng)網(wǎng)絡(luò)。典型的DBN結(jié)構(gòu)如圖1所示。

1.1 受限玻爾茲曼機(jī)(RBM)

RBM是一種典型的神經(jīng)網(wǎng)絡(luò)，由2層神經(jīng)元組成，分別稱為可見層和隱藏層，可見層與隱藏層的神經(jīng)元之間為雙向連接，同一層RBM的單元不相互連接。本質(zhì)上，RBM是一個(gè)二部圖，它的隱藏層能夠獲得可見層神經(jīng)元的輸入數(shù)據(jù)的高階相關(guān)性。RBM的可見層用v表示，用于接收輸入信號，隱藏層由h表示，可視為是輸入信號的特征提取器。RBM模型如圖2所示。

圖1 DBN深度信念模型

圖2 受限玻爾茲曼機(jī)(RBM)

1.2 DBN訓(xùn)練方法

DBN的關(guān)鍵特征是它的相鄰層可以分成幾個(gè)獨(dú)立的RBM。DBN的原理是采用最底層DBN的輸出作為下一層的輸入，然后將下一層的輸出作為更高層的輸入。在實(shí)踐中，DBN的訓(xùn)練過程包括兩個(gè)步驟：預(yù)訓(xùn)練和微調(diào)。

(1) DBN預(yù)訓(xùn)練。

預(yù)訓(xùn)練本質(zhì)上是一種自下而上的無監(jiān)督學(xué)習(xí)過程。由于RBM無法完美模擬原始數(shù)據(jù)的特征，因此需要更高層次的網(wǎng)絡(luò)來模擬特征，無監(jiān)督訓(xùn)練的貪婪學(xué)習(xí)方法是有效的。這種方法也被稱為對比散度法(Contrastive Divergence，CD)。該CD學(xué)習(xí)方法有效地提高了基于混合模型的似然概率的訓(xùn)練數(shù)據(jù)下界。作為能量模型，RBM通過使用以下能量函數(shù)來表征可見和隱藏層之間的關(guān)系。

RBM的能量函數(shù)為

(1)

θ={w,b,c}

式中，wij為可見層神經(jīng)元vi和隱藏層神經(jīng)元hj之間的關(guān)聯(lián)強(qiáng)度；偏置系數(shù)bi和cj分別為可見層神經(jīng)元vi和隱藏層神經(jīng)元hj自身的權(quán)重。

該模型可見層和隱藏層的聯(lián)合概率分布為

(2)

vi和hj只能是“0”或“1”的二值函數(shù)，“1”表示該神經(jīng)元被激活，“0”為沒有激活。在一個(gè)RBM中，隱藏層神經(jīng)元被可見層激活的概率為

(3)

由于可見層和隱藏層是雙向連接的，可見層神經(jīng)元被隱藏層激活的概率為

(4)

為了在一階方法中優(yōu)化v的對數(shù)似然性，需要logP(v)關(guān)于θ的梯度為

(5)

(6)

(7)

根據(jù)以上3個(gè)梯度公式，經(jīng)過若干次對比散度迭代訓(xùn)練，就可以求出網(wǎng)絡(luò)參數(shù)。

(2) DBN微調(diào)。

預(yù)訓(xùn)練之后，RBM模型的每一層都已初始化。所有的RBM模型按照訓(xùn)練順序粘接在一起形成一個(gè)DBN。調(diào)整訓(xùn)練過程基于輸入數(shù)據(jù)和重構(gòu)數(shù)據(jù)之間的損失函數(shù)。采用反向傳播算法重新調(diào)整網(wǎng)絡(luò)參數(shù)，最終得到全局最優(yōu)網(wǎng)絡(luò)。輸入數(shù)據(jù)與重構(gòu)數(shù)據(jù)之間的使用損失函數(shù)為

(8)

式中，x為輸入數(shù)據(jù)，x′為重建數(shù)據(jù)；‖·‖2表示重建誤差的L2范數(shù)形式。

DBN模型的預(yù)訓(xùn)練過程的本質(zhì)就是求取每一層RBM的參數(shù)，將與訓(xùn)練獲取到的參數(shù)作為BP網(wǎng)絡(luò)的初始化參數(shù)，利用BP網(wǎng)絡(luò)對預(yù)訓(xùn)練參數(shù)進(jìn)行整體微調(diào)，從而克服訓(xùn)練時(shí)間過長以及陷入局部最優(yōu)解的缺點(diǎn)。

2 多特征提取融合

本文提出了一種基于全局人臉圖像HOG特征和分區(qū)人臉圖像TPLBP特征融合的人臉識別新框架，它結(jié)合了HOG特征和TPLBP特征的優(yōu)點(diǎn)，優(yōu)勢互補(bǔ)，統(tǒng)一融合特征可以濾除噪音，更好地表達(dá)人臉紋理信息。

2.1 TPLBP特征

LBP特征是描述圖像的紋理信息最好的特征之一，具有旋轉(zhuǎn)不變性和對單調(diào)灰度變化的不變性，區(qū)分性高，且其分類能力強(qiáng)、計(jì)算效率高，使其適用于要求苛刻圖像分析人物，已經(jīng)被Ahonen[11]等人應(yīng)用于人臉識別并取得了很好的效果。為了使LBP算子能夠適應(yīng)不同尺度的紋理特征，Wolf[12]等人提出了一種改進(jìn)的LBP算子——Three-Patch LBP Codes(TPLBP)，TPLBP將3×3鄰域拓展到了任意鄰域，不再是中心像素灰度值與其方形鄰域像素之間灰度值比較，而是通過比較3個(gè)鄰域局部塊像素的灰度值來產(chǎn)生代碼，分配給每個(gè)像素單個(gè)的比特值。其中，中心塊、鄰域局部塊的維度以及中心塊和周圍局部塊之間的距離都是任意的。

用α和w分別表示中心塊和局部塊的維度，S個(gè)局部塊均勻分布在以中心塊為原心、半徑為r的環(huán)中，沿著該環(huán)取一對局部塊，并將它們的灰度值與中心塊的灰度值進(jìn)行比較。根據(jù)兩個(gè)局部中的灰度值哪一個(gè)更加類似于中央塊的像素值來設(shè)置單個(gè)比特的值。通過對每個(gè)像素應(yīng)用式(9)來生成TPLBP:

(9)

式中，Ci和C(i+α)mods分別為沿著環(huán)的兩個(gè)局部塊；Cp為中心塊。 函數(shù)d是兩個(gè)塊之間的任意距離函數(shù)，τ是略大于零的閾值。具體的TPLBP算子運(yùn)算過程如圖3所示，計(jì)算式中，α=2，S=8,w=3。

可見，TPLBP特征算子作為紋理描述算子，不僅保留了LBP算子旋轉(zhuǎn)不變性和灰度不變性的優(yōu)點(diǎn)，相比LBP其維數(shù)大大降低，具有更高的計(jì)算效率。由于TPLBP是以中心對稱方式進(jìn)行特征提取的，所以TPLBP比LBP具有更強(qiáng)的抗噪能力。

為了更好地描述圖像局部的紋理差異，在保留全局紋理特性的基礎(chǔ)上能增加微觀紋理信息，將整幅圖像劃分成若干成若干子塊圖像，分別提取各個(gè)子塊內(nèi)的TPLBP特征直方圖，然后按照先行后列的順序組合成整幅圖像的TPLBP直方圖。圖4為分區(qū)TPLBP 直方圖的構(gòu)建過程圖。

2.2 HOG特征

HOG作為SIFT特征的關(guān)鍵點(diǎn)描述，在對象檢測和模式匹配方面取得了巨大的成功。HOG提取的紋理特征不僅可以詳盡地表述圖像內(nèi)容，還能弱化光線干擾，同時(shí)，可以忽略細(xì)微的面部表情動作而不影響檢測效果。

圖4 分區(qū)TPLBP直方圖的構(gòu)建過程

HOG特征提取過程如圖5所示，具體步驟如下[13]。

圖5 HOG 特征提取過程

① 對采集到的圖像先做Gamma標(biāo)準(zhǔn)化處理，消除光照變化的影響。

② 將處理后的圖像分割為若干個(gè)小塊(block),每塊由4個(gè)細(xì)胞單元(cell)組成。計(jì)算圖像中像素點(diǎn)(x,y)處的水平方向梯度和垂直方向梯度為

Gx(x,y)=H(x+1,y)-H(x-1,y)

(10)

Gy(x,y)=H(x,y+1)-H(x,y-1)

(11)

像素點(diǎn)(x,y)處的梯度幅值和梯度方向分別為

(12)

(13)

③ 每個(gè)細(xì)胞單元對梯度直方圖進(jìn)行規(guī)定權(quán)重的投影，統(tǒng)計(jì)每個(gè)細(xì)胞單元的梯度直方圖，進(jìn)而得到每個(gè)小塊的直方圖。

④ 對每個(gè)細(xì)胞單元進(jìn)行對比度歸一化。

⑤ 將所有歸一化后的特征向量串行級聯(lián)，以構(gòu)成整張圖像的HOG特征。

圖6為部分人臉圖像提取出來的HOG特征。

圖6 HOG 特征提取過程

2.3 特征融合

為了得到人臉圖像更加完整、有效的描述，將得到的TPLBP特征和HOG特征級聯(lián)融合，特征融合過程如圖7所示。

圖7 多特征融合的流程

3 TPLBP/HOG融合特征和DBN結(jié)合的人臉識別算法

本文提出了一種TPLBP/HOG融合特征和深度信念網(wǎng)絡(luò)(DBN)相結(jié)合的人臉識別的方法，算法流程圖如圖8所示。

該算法具體步驟如下：

① 對訓(xùn)練樣本和測試樣本的人臉圖像灰度化，然后進(jìn)行限制對比度自適應(yīng)直方圖均衡(Contrast Limited Adaptive Histogram Equalization，CLAHE)[14]預(yù)處理。

② 利用第1節(jié)中的特征提取融合方法分別提取TPLBP紋理特征和HOG特征，每張人臉提取出來的HOG特征轉(zhuǎn)至為一維數(shù)據(jù)，而每張人臉的TPLBP紋理特征提取出來后轉(zhuǎn)至為行向量的數(shù)據(jù)矩陣，將這些特征數(shù)據(jù)合并起來并作為一行向量d=(x1,x2，…xn)，將TPLBP紋理特征與HOG特征進(jìn)行串聯(lián)融合就會形成訓(xùn)練數(shù)據(jù)。為了加快訓(xùn)練速度，利用PCA法對訓(xùn)練的特征數(shù)據(jù)矩陣進(jìn)行降維處理，經(jīng)過PCA降維后的訓(xùn)練特征訓(xùn)練數(shù)據(jù)記為train_x；同理，對于測試數(shù)據(jù)也利用相同的方法進(jìn)行數(shù)據(jù)提取與降維，記為test_x。

③ 利用步驟②中獲取到的train_x作為訓(xùn)練數(shù)據(jù)輸入到DBN中進(jìn)行訓(xùn)練。

④ 對第一層RBM模型利用對比散度算法進(jìn)行訓(xùn)練，從而獲取到最優(yōu)參數(shù)。

⑤ 在多層RBM網(wǎng)絡(luò)中，采用前一層RBM網(wǎng)絡(luò)隱藏層的輸出作為后一層RBM網(wǎng)絡(luò)的可見層的輸入，通過對比散度算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，以獲得最低能量函數(shù)以及RBM的最優(yōu)參數(shù)。

⑥ 重復(fù)步驟④與步驟⑤，依次迭代循環(huán)訓(xùn)練各個(gè)RBM層，直至訓(xùn)練完所有RBM網(wǎng)絡(luò)；

⑦ 訓(xùn)練完所有RBM網(wǎng)絡(luò)得到各個(gè)RBM層最優(yōu)參數(shù)后，最終利用RBM的參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，不斷修正調(diào)整RBM參數(shù)直至得到最優(yōu)DBN模型。

4 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文算法的有效性，選用ORL人臉數(shù)據(jù)庫進(jìn)行識別實(shí)驗(yàn)，為進(jìn)一步驗(yàn)證本文算法的性能，在Yale和Yale-B人臉庫上進(jìn)行性能測試。

ORL人臉數(shù)據(jù)庫共有40個(gè)人，每個(gè)人有10張圖像數(shù)據(jù)，選取每個(gè)人的7張圖片作為訓(xùn)練數(shù)據(jù)，其他3張作為測試數(shù)據(jù)，則訓(xùn)練樣本總共有280張圖像，測試總共有120張圖片。AR人臉數(shù)據(jù)庫中包含了120個(gè)人的4000張彩色圖片，選取每個(gè)人的7張圖片作為訓(xùn)練數(shù)據(jù)，3張作為測試數(shù)據(jù)。Yale-B人臉數(shù)據(jù)庫包含38個(gè)人，每個(gè)人有64幅不同光照的圖像。從每人的圖像中選出正面標(biāo)記的10張圖像，7張作為訓(xùn)練數(shù)據(jù)，其他3張作為測試數(shù)據(jù)。

4.1 DBN參數(shù)設(shè)置

以O(shè)RL人臉數(shù)據(jù)庫為基礎(chǔ)對人臉識別系統(tǒng)中的重要參數(shù)進(jìn)行了實(shí)驗(yàn)，以確定每個(gè)參數(shù)的最優(yōu)取值[15]。

所設(shè)置的DBN網(wǎng)絡(luò)深度為3層，其中包含2層RBM神經(jīng)網(wǎng)絡(luò)和1層BP神經(jīng)網(wǎng)絡(luò)。設(shè)置每層RBM的學(xué)習(xí)率為0.8，迭代次數(shù)為30；選擇Sigmoid函數(shù)作為BP網(wǎng)絡(luò)的傳遞函數(shù)，NN的迭代次數(shù)為100。根據(jù)經(jīng)驗(yàn)數(shù)值，設(shè)置RBM神經(jīng)網(wǎng)絡(luò)的MiNi_Batchs為100,NN網(wǎng)絡(luò)的MiNi_Batchs為20，使得整個(gè)網(wǎng)絡(luò)的學(xué)習(xí)速率更加快速一些。

通過不斷調(diào)整RBM隱藏層神經(jīng)元的個(gè)數(shù)來尋找網(wǎng)絡(luò)最優(yōu)參數(shù)，經(jīng)過多次實(shí)驗(yàn)，本文選取lambda為0.025；隱藏層神經(jīng)元個(gè)數(shù)為120；迭代次數(shù)為100。

4.2 與其他方法對比

4.2.1 基于DBN模型不同特征提取方法識別率對比

為了驗(yàn)證本文中TPLBP/HOG融合特征對于人臉信息表征的有效性，在人臉圖像中分別提取LBP、TPLBP、HOG、TPLBP/HOG 融合特征，然后再根據(jù)提取得到的不同特征使用DBN深度模型在3種人臉數(shù)據(jù)庫上進(jìn)行人臉識別實(shí)驗(yàn)。不同特征的識別準(zhǔn)確率對比如表1所示。

表1 基于DBN模型的不同特征識別準(zhǔn)確率對比

由表1可知，基于TPLBP/HOG融合特征的人臉識別率高于單一特征表達(dá)方法的識別率，反映了基于全局人臉圖像HOG特征和分區(qū)人臉圖像TPLBP特征具有很好的互補(bǔ)作用，本文提出的TPLBP/HOG融合特征能更全面地表達(dá)人臉圖像信息。

4.2.2 基于TPLBP/HOG融合特征不同分類算法識別率對比

為了驗(yàn)證DBN模型對于人臉識別的有效性，將DBN與經(jīng)典模式算法SVM和KNN算法進(jìn)行對比。在人臉圖像中提取TPLBP/HOG融合特征，之后采取不同的分類算法都以TPLBP/HOG融合特征作為輸入，分別在3種人臉數(shù)據(jù)庫上進(jìn)行驗(yàn)證。對比試驗(yàn)結(jié)果如表2所示。

表2 基于TPLBP/HOG融合特征不同分類算法識別準(zhǔn)確率對比

由表2可知，都以TPLBP/HOG融合特征輸入SVM、KNN和DBN分類算法時(shí)，DBN模型對于人臉識別在不同的人臉數(shù)據(jù)庫中識別準(zhǔn)確率均高于傳統(tǒng)的學(xué)習(xí)算法SVM和KNN。DBN模型將無監(jiān)督的訓(xùn)練學(xué)習(xí)和有監(jiān)督的微調(diào)結(jié)合，能夠自主從高維度低層次的圖像特征中學(xué)習(xí)到高層次的特征信息，在人臉識別中取得了良好的效果。

4.2.3 不同實(shí)驗(yàn)方法識別率對比

為了驗(yàn)證TPLBP/HOG融合特征和DBN結(jié)合的人臉識別算法相較于傳統(tǒng)的監(jiān)督分類算法SVM、KNN以及傳統(tǒng)DBN深度學(xué)習(xí)算法在人臉識別準(zhǔn)確率上的優(yōu)越性，特地利用3種人臉數(shù)據(jù)庫形成相同的訓(xùn)練和測試數(shù)據(jù)對這3種算法進(jìn)行了測試驗(yàn)證，測試結(jié)果如表3所示。

表3 不同實(shí)驗(yàn)方法測試對比結(jié)果

由表3可知，本文提出的基于TPLBP/HOG融合特征和DBN深度模型相結(jié)合的人臉識別算法在3種不同的人臉數(shù)據(jù)庫實(shí)驗(yàn)中，識別準(zhǔn)確率是最高的。尤其在ORL人臉數(shù)據(jù)庫中，識別效果最好，達(dá)到了98.33%，比傳統(tǒng)的基于LBP的SVM和KNN方法分別提高了13.03%和5.13%，比傳統(tǒng)DBN深度學(xué)習(xí)方法也提高了3.51%。這說明，DBN模型在對人臉特征信息學(xué)習(xí)和分類方面更好。

5 結(jié)束語

本文采用TPLBP/HOG融合特征和DBN深度模型相結(jié)合的人臉識別方法。提取全局人臉圖像HOG特征和分區(qū)人臉圖像TPLBP特征并融合，融合后的特征同時(shí)包含人臉圖像的紋理和結(jié)構(gòu)特征，能更豐富地表達(dá)人臉的信息。DBN作為深度學(xué)習(xí)算法之一，能自主將感知的人臉圖像信息的低層次信息轉(zhuǎn)變?yōu)楦邔哟涡畔?，進(jìn)一步提高了識別的準(zhǔn)確率。將本文方法在ORL、AR、Yale-B人臉數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)測試，識別率分別達(dá)到98.33%、97.39%和96.72%，體現(xiàn)了基于TPLBP/HOG融合特征和DBN深度模型方法在提取人臉特征、人臉識別上有很好的效果，魯棒性強(qiáng)。在今后的研究中，視頻數(shù)據(jù)處理將成為研究工作的重點(diǎn)，未來的目標(biāo)是從實(shí)時(shí)視頻中實(shí)現(xiàn)人臉識別。