單對象人臉識別特點及技術(shù)研究

1 引 言

隨著計算機(jī)網(wǎng)絡(luò)和通信技術(shù)的發(fā)展，信息安全、知識產(chǎn)權(quán)保護(hù)和身份認(rèn)證等問題成了一個重要而緊迫的研究課題。身份認(rèn)證是保證系統(tǒng)安全的必要前提，在多種不同的安全領(lǐng)域都需要準(zhǔn)確的身份認(rèn)證。傳統(tǒng)的身份證、智能卡、密碼等身份認(rèn)證方法存在攜帶不便、容易遺失、不可讀或密碼易被破解等諸多問題。基于人臉識別技術(shù)的身份認(rèn)證方法與傳統(tǒng)的方法相比，具有更好的安全性、可靠性和有效性，因此正越來越受到人們的重視，并逐漸進(jìn)入社會生活的各個領(lǐng)域。

人臉識別技術(shù)具有廣泛的應(yīng)用前景，可以應(yīng)用到多種不同的安全領(lǐng)域，因其識別特征的獨特性、惟一性和相對穩(wěn)定性，逐漸成為一非常熱門的研究課題。許多典型的人臉識別算法和應(yīng)用系統(tǒng)都是針對標(biāo)準(zhǔn)或特定的人臉數(shù)據(jù)庫，利用庫內(nèi)人臉進(jìn)行訓(xùn)練，并在相同的庫中實現(xiàn)人臉識別。但在軟件保護(hù)、計算機(jī)安全等特殊應(yīng)用中，身份認(rèn)證僅針對單個對象進(jìn)行人臉識別，現(xiàn)有的人臉識別方法并不能勝任這樣的識別任務(wù)。為此，本文針對單對象人臉識別的特點，討論了單對象人臉檢測和識別的關(guān)鍵技術(shù)，在此基礎(chǔ)上提出了一種單對象人臉識別算法，實驗結(jié)果證明了該方法的有效性。

2 單對象人臉識別的特點

與典型的人臉識別相比，單對象人臉識別有以下4個方面的特點：

應(yīng)用領(lǐng)域 人臉識別的應(yīng)用領(lǐng)域很廣，如刑偵破案、證件核對、保安監(jiān)控等，而單對象人臉識別主要應(yīng)用在軟件保護(hù)、計算機(jī)安全鎖、特定對象追蹤等領(lǐng)域。

識別系統(tǒng)的目標(biāo) 單對象人臉識別的最終目標(biāo)是系統(tǒng)必須具有高度的安全性和可靠性，即識別錯誤率趨于0。雖然降低識別錯誤率的同時識別率也會降低，但可以通過提示用戶調(diào)整姿態(tài)(如注視攝像頭等)加以改善。

膚色模型 由于單對象人臉識別僅針對特定的對象，所以人臉檢測的膚色模型可采用自適應(yīng)的方法調(diào)整膚色范圍。

分類方法 單對象人臉識別不存在人臉數(shù)據(jù)庫，常用的最小距離分類法不能夠正確識別特定的對象，只能用閾值作為判據(jù)。因此，閾值的選取十分重要，閾值過大則容易出現(xiàn)錯判，存在安全隱患；而閾值過小又會影響識別效率。

3 人臉的檢測和歸一化

人臉檢測是人臉識別的前提。對于給定的圖像，人臉檢測的目的在于判斷圖像中是否存在人臉，如果存在，則返回其位置和空間分布。利用人臉膚色和面部特征，將人臉檢測分為兩個階段：外臉檢測和內(nèi)臉定位。外臉檢測主要利用人臉膚色進(jìn)行初步的臉區(qū)檢測，分割出膚色區(qū)域；內(nèi)臉檢測是在外臉區(qū)域中利用面部幾何特征進(jìn)行驗證和定位。

3.1 外臉檢測

外臉檢測的任務(wù)是將待檢圖像中可能的人臉區(qū)域找出來并加以標(biāo)記，其步驟如下：

(1)根據(jù)人類膚色在色彩空間中存在區(qū)域性的特點，將可能為人臉的像素檢測出來。為更好地利用膚色特征，同時選用HSI和YcbCr兩種色彩空間對圖像進(jìn)行二值化處理，膚色范圍限定在H∈[0，46]，S∈[0.10，0.72]，Cb∈[98，130]，Cr∈[128，170]內(nèi)。將滿足條件的像素標(biāo)記為膚色像素，其余的均為非膚色像素。

(2)去噪處理。在以每一個膚色點為中心的5×5鄰域內(nèi)統(tǒng)計膚色像素的個數(shù)，超過半數(shù)時中心點保留為膚色，否則認(rèn)為是非膚色。

(3)將二值圖像中的膚色塊作區(qū)域歸并，并對目標(biāo)區(qū)域進(jìn)行比例、結(jié)構(gòu)分析，過濾掉不可能的人臉區(qū)域。目標(biāo)區(qū)域的高度／寬度比例限定在0.8～2.0。

3.2 內(nèi)臉檢測和定位

將包含眼、眉、鼻和嘴的區(qū)域稱為內(nèi)臉區(qū)域。內(nèi)臉區(qū)域能夠很好地表達(dá)人臉特征，且不易受背景、頭發(fā)等因素的干擾，因此內(nèi)臉區(qū)域的檢測和定位對后續(xù)的特征提取和識別至關(guān)重要。

在外臉區(qū)域的上半部，對二值圖像進(jìn)行水平方向和垂直方向的投影，確定兩個包含黑點的矩形區(qū)域作為雙眼的大致區(qū)域。在確定的兩個區(qū)域中，對黑點進(jìn)行區(qū)域膨脹，可以得到眼睛的基本輪廓和左石眼角，黑點坐標(biāo)的平均值作為瞳孔的位置。

設(shè)左右瞳孔的坐標(biāo)分別為(Lx，Ly)和(Rx，Ry)，兩個瞳孔之間的距離為d，根據(jù)人臉的幾何特征，我們將內(nèi)臉區(qū)域定義為：寬度=-d×1.6，高度=-d×1.8，左上角坐標(biāo)為(Lx-d×0.3，(Ly+Ry)／2-(-d)× 0.3)。實驗表明，該區(qū)域能夠很好地表達(dá)人臉特征。

3.3 內(nèi)臉區(qū)域的歸一化

由于各待測圖像中的人臉大小具有很大的隨機(jī)性，因此，有必要對內(nèi)臉區(qū)域進(jìn)行歸一化操作。人臉歸一化是指對內(nèi)臉區(qū)域的圖像進(jìn)行縮放變換，得到統(tǒng)一大小的標(biāo)準(zhǔn)圖像，實驗中，我們規(guī)定標(biāo)準(zhǔn)圖像的大小為128×128。歸一化處理，保證了人臉大小的一致性，體現(xiàn)了人臉在圖像平面內(nèi)的尺寸不變性。

圖1是一個人臉檢測和歸一化的例子，其中的原始圖像來自實驗室現(xiàn)場拍攝。

4 人臉特征提取及DWT-DCT平均臉

對歸一化的人臉圖像，采用小波變換與DCT相結(jié)合的方法提取人臉特征。首先對人臉圖像進(jìn)行3層小波分解，取低頻子圖像LL3作為人臉特征提取的對象，從而獲得每幅訓(xùn)練樣本或測試樣本的低頻子圖像；然后對低頻子圖像進(jìn)行離散余弦變換(DCT)，DCT系數(shù)個數(shù)與子圖像的大小相等(即256)，由于圖像DCT變換，能量集中在低頻部分，因此只取其中的136個低頻系數(shù)作為特征向量。

為了使測試樣本與訓(xùn)練樣本具有可比性，提取全部訓(xùn)練樣本的特征向量，計算所有訓(xùn)練樣本的平均特征，構(gòu)成DWT-DCT平均臉，即：

其中N為訓(xùn)練樣本數(shù)，xk,i表示第i個樣本的第k個特征向量，mk為平均臉的第k個特征向量，k=1，2，…，136。

5 人臉的識別

完成訓(xùn)練過程并獲得待測樣本的特征后，即可進(jìn)行人臉識別，本文采用歐氏距離進(jìn)行分類。

5.1 計算樣本與平均臉的歐氏距離

用m和x表示平均臉和樣本的特征向量，則樣本與平均臉的歐氏距離為：

其中mk表示平均臉的第k個特征向量，xk表示待測樣本的第k個特征向量。身份認(rèn)證時，計算待測樣本與平均臉的歐氏距離，并與特定對象的自適應(yīng)閾值進(jìn)行比較，將小于閾值的樣本判為該對象的人臉，即認(rèn)證通過。

5.2 自適應(yīng)閾值的選取

與典型的人臉識別方法不同，單對象人臉認(rèn)識沒有人臉數(shù)據(jù)庫，不能用距離最小作為判據(jù)，只能用閾值作為判別依據(jù)。閾值的選取應(yīng)兼顧識別率和識別的準(zhǔn)確性，實驗中我們?nèi)∮?xùn)練樣本與平均臉的歐氏距離平均值作為分類閾值，即:

其中，N為訓(xùn)練樣本數(shù)，此值不宜太小；di為第i個樣本與平均臉之間的歐氏距離。

6 實驗結(jié)果及分析

本文選用西安交通大學(xué)人工智能與機(jī)器人研究所東方人臉庫(AI&R)的視點子庫進(jìn)行實驗，該數(shù)據(jù)庫包括每位被拍攝人在19個不同視點角度下(10°為一個單位)拍攝的中性表情圖像。實驗包括類內(nèi)測試和類間測試。類內(nèi)測試用于考查單對象人臉識別的識別率，而類間測試則用于考查誤識率。隨機(jī)選取5個人，每人用7幅圖像(-30°～+30°)作為訓(xùn)練樣本，分別計算平均臉和自適應(yīng)閾值、類內(nèi)識別率和類內(nèi)距離，另外再選取50個人，每人一幅正面圖像作為類間測試樣本，分別對5個對象進(jìn)行類間測試，實驗結(jié)果如表1所示。從實驗數(shù)據(jù)可以得出如下結(jié)果：

(1)類內(nèi)識別率不高，原因是自適應(yīng)閾值為訓(xùn)練樣本與平均臉的歐氏距離平均值，訓(xùn)練樣本中的部分圖像不能被識別。在實驗室中，我們通過提示被試注視攝像頭、適當(dāng)調(diào)整姿態(tài)等措施提高圖像的拍攝質(zhì)量，使識別率得到了顯著的改善。

(2)在50人的類間測試中，最小距離均大于閾值，即錯誤識別率為0。實驗室的現(xiàn)場測試中也得到了相同的結(jié)果。

(3)文中提出的單對象人臉識別方法能夠成功地識別特定對象，并能準(zhǔn)確地排除其他對象，可用于軟件保護(hù)、計算機(jī)安全等系統(tǒng)的身份驗證。

7 結(jié) 語

本文提出的單對象人臉識別方法，針對單對象人臉識別的特點，綜合考慮了識別率和認(rèn)證的準(zhǔn)確性，運用平均臉方法有效地縮小類內(nèi)距離，同時擴(kuò)大類間距離，取訓(xùn)練樣本與平均臉的歐氏距離平均值作為分類閾值。實驗結(jié)果表明，該方法具有識別有效性和認(rèn)證可靠性，在單對象人臉識別的實際應(yīng)用中是一種可行的方法。