基于圖像的人臉識別技術(shù)在高校課堂考勤系統(tǒng)中的研究與應(yīng)用

王少豪

摘要：從日常手機(jī)的人臉解鎖，到行人馬路違章的人臉動態(tài)捕捉；從火車站“刷臉”安檢，到支付寶“掃臉”購買商品，人臉識別技術(shù)作為一種基于臉部特征進(jìn)行身份認(rèn)證的生物計算機(jī)技術(shù)，正越來越成為人們工作學(xué)習(xí)生活中不可或缺的重要組成部分。該文通過基于圖像的人臉識別技術(shù)，從高校課堂出發(fā)，結(jié)合企業(yè)考勤系統(tǒng)，提出人臉識別考勤系統(tǒng)的概念，進(jìn)行識別算法研究，減輕教師工作量并且節(jié)省課堂點(diǎn)名時間，提高了課堂效率，為智能化課堂更進(jìn)一步。

關(guān)鍵詞：人臉識別；特征關(guān)鍵點(diǎn)；幾何校正；變形模板

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2017）33-0209-02

大學(xué)課堂出勤率低一直是各大高校面臨的問題。相比各行各業(yè)陸續(xù)出現(xiàn)的各類考勤系統(tǒng)，高校課堂目前比較多的仍然是傳統(tǒng)的點(diǎn)名方式，而近年來，也曾有一些新興方式在某些高校出現(xiàn)：如手機(jī)App簽到、指紋識別以及校園一卡通刷卡等。雖然這些新的方式較傳統(tǒng)點(diǎn)名來說，是一種進(jìn)步且日趨成熟，但是仍然有不少人為漏洞。比如手機(jī)或者校園卡有遺失與忘帶的情況，學(xué)生也可以攜帶同學(xué)的手機(jī)與校園卡幫忙考勤；另外有少部分人群指紋較淺極難識別，甚至還有指紋膜作假的情況出現(xiàn)。針對這些現(xiàn)象，首先通過人臉特征關(guān)鍵點(diǎn)建立人臉數(shù)據(jù)庫并生成面紋編碼，再利用攝像工具獲取當(dāng)前人員的面部圖像，并自動檢測活體并定位關(guān)鍵點(diǎn)，接著進(jìn)行幾何校正與圖像預(yù)處理，通過多種算法排除掉光線、背景、色調(diào)、表情、眼鏡及神態(tài)等的干擾，最后再進(jìn)行特征提取以及數(shù)據(jù)庫人臉圖像比對，最終精確辨認(rèn)出個體的人臉識別考勤系統(tǒng)更加能夠適應(yīng)高校課堂，易于被大眾接受，且快速響應(yīng)提高了時間效率。具體流程如圖1

人臉數(shù)據(jù)庫是人臉識別技術(shù)的基礎(chǔ)，也是提供識別算法的重要依據(jù)。人臉數(shù)據(jù)庫的采集越豐富、角度越具體算法響應(yīng)越迅速?？紤]教室環(huán)境并不復(fù)雜，主要涉及人物臉部姿態(tài)神情多樣，臉部飾品以及光照亮度變化等多種因素存在，因此需要個體做好多個人臉數(shù)據(jù)子庫。如人臉角度子庫需做到平視、仰視、俯視、左側(cè)、右側(cè)5類姿態(tài)；神態(tài)表情子庫的建立，需要提取正常、微笑、張嘴、閉眼這4種神情；臉部飾品子庫主要考慮為較大遮擋物眼鏡是否佩戴的情況；光照亮度子庫為自然光、白天日光燈、夜晚日光燈三種情況。通過這些人臉子庫的建立，選取眼球中心、眼角點(diǎn)、眉角點(diǎn)、鼻孔中點(diǎn)、嘴角點(diǎn)分布位置提取出個體人臉特征關(guān)鍵點(diǎn)，并生成面紋編碼存入數(shù)據(jù)庫，以便進(jìn)一步進(jìn)行算法設(shè)置。

在活體檢測方面，近年來，越來越多的活體檢測算法出現(xiàn)，通過指定如搖頭、點(diǎn)頭、眨眼、張嘴等隨機(jī)動作來判斷用戶個體是否正常在諸如證券、銀行軟件中出現(xiàn)較多。鑒于這樣一類活體檢測手段較為繁瑣且花費(fèi)時間較長，在課堂考勤系統(tǒng)中并不適用，因此考慮使用近紅外人臉活體檢測算法，真實(shí)活體并不需要作出指定的一些表情動作即可檢測成功。依據(jù)光流法，真實(shí)活體與平面視頻照片的圖像像素位置運(yùn)動完全不同，由于真實(shí)活體像素點(diǎn)強(qiáng)度有不同的變化性與相關(guān)性，同時，活體細(xì)微的運(yùn)動都能帶來敏感的像素點(diǎn)光流動，因此可以得到各個不規(guī)則的像素點(diǎn)向量運(yùn)動信息。而照片或者視頻則皆為有序的像素點(diǎn)向量信息，因此可以輕松區(qū)分出真實(shí)活體與視頻照片。

當(dāng)攝像頭采集到了活體照片之后，由于拍攝到的照片角度以及距離遠(yuǎn)近大小總有差別，因此需要對人臉照片進(jìn)行一次幾何校正。而校正的前提就是先尋找到諸如眼角、嘴角、鼻子、下巴等形狀、結(jié)合、大小具有獨(dú)特差異信息的人臉的關(guān)鍵特征點(diǎn)，利用這些不變的獨(dú)有的特征相應(yīng)的距離、角度等信息來對人臉圖像進(jìn)行歸一調(diào)整整理。在幾何特征的基礎(chǔ)上，通過基于變量人臉模板的檢測算法，設(shè)計一個改進(jìn)型參數(shù)可調(diào)的變形模板。利用可調(diào)模板模型，進(jìn)行幾何校正，得到人臉的基本校準(zhǔn)圖像，這其中的可變模型參數(shù)就是相應(yīng)的幾何特征，這些關(guān)鍵特征參數(shù)的確定，為下一步的提取做好準(zhǔn)備。

此外還需要進(jìn)行一次光學(xué)校正，排除掉一些影響圖像質(zhì)量的因素如圖像對比度、清晰度、光照等問題，保證照片不失真，這也是在特征關(guān)鍵點(diǎn)提取之前的一個重要環(huán)節(jié)。在預(yù)處理階段，我們可以通過降噪、對比度、灰度、圖像銳化、平滑度、全局與局部處理等調(diào)整手段，為后續(xù)處理提供一個更加容易進(jìn)行檢測的清晰圖像。對比度是圖像質(zhì)量的一個重要參數(shù)，在局部對比度增強(qiáng)方面，設(shè)計一種改進(jìn)型自適應(yīng)局部對比度增強(qiáng)算法（ALCE），將圖像分成三個部分即暗部、中間以及亮部區(qū)域，通過線性變換函數(shù)y=ax+b，設(shè)置在亮部區(qū)域時a<1，暗部區(qū)域a>1，將亮部增量減弱，暗部增量加強(qiáng)，最后得到增強(qiáng)的圖像效果。整個調(diào)整過程基于圖像自身，不需要指定任何參數(shù)。而作為計算機(jī)識別圖像的另一個基礎(chǔ)參數(shù)灰度，也需要設(shè)計一個灰度增強(qiáng)調(diào)整函數(shù)G=f（x，y），其中，x，y作為圖像的二維坐標(biāo)。將全局性地針對每個像素點(diǎn)的灰度值進(jìn)行增強(qiáng)。改變原本的灰度范圍，使其視覺圖像得到更好的改變。

作為人臉識別的核心內(nèi)容特征提取比對識別，是在利用計算機(jī)技術(shù)定位生物關(guān)鍵點(diǎn)位置，并經(jīng)過幾何與光學(xué)校正后再提取出能進(jìn)行比對的特征關(guān)鍵點(diǎn)與人臉數(shù)據(jù)庫面紋編碼比對，最后進(jìn)行辨識個體身份的自動處理技術(shù)。能否有效的提取出個體的生物關(guān)鍵點(diǎn)特征一直是人工智能與識別領(lǐng)域的關(guān)鍵任務(wù)之一。目前國內(nèi)外主流提取方法主要是灰度提取、幾何形狀、先驗(yàn)規(guī)則、統(tǒng)計模型等方法。由于日常生活中具有良好直觀性的幾何圖形能夠快速被接受與理解，所以經(jīng)常被應(yīng)用到識別領(lǐng)域之中。我們通過基于幾何形狀的改進(jìn)型變形模板優(yōu)化匹配到最佳的位置區(qū)域，再利用基于點(diǎn)分布模型算法，將關(guān)鍵點(diǎn)幾何區(qū)域位置中的局部紋理匹配到各個特征點(diǎn)的最佳位置，經(jīng)過對齊變換等約束校準(zhǔn)之后與人臉數(shù)據(jù)庫的面紋編碼進(jìn)行局部紋理的匹配。整個過程循環(huán)往復(fù)，直至最終匹配到正確的關(guān)鍵點(diǎn)模型。在整個過程中，采用幾何形狀與局部紋理想融合的算法設(shè)計，互相約束互相協(xié)調(diào)。在全局紋理特性中框選出個體關(guān)鍵點(diǎn)的信息，準(zhǔn)確快速地從形狀模板中獲取到相應(yīng)的特征點(diǎn)，并堆疊行進(jìn)尋求出提取算法的最優(yōu)解，最終用于人臉數(shù)據(jù)庫匹配。設(shè)定人臉庫存有某人臉圖像P1（x，y），需識別圖像為P2（x，y），（x，y為圖像的二維坐標(biāo)），以灰度關(guān)鍵點(diǎn)參數(shù)舉例相關(guān)映射關(guān)系，其匹配數(shù)學(xué)函數(shù)為：P2（x，y）=G（P1（S（x，y）））。其中，G為灰度函數(shù)，S為位置變換函數(shù)。圖像匹配是綜合運(yùn)用多種圖像關(guān)鍵信息以及二維特征結(jié)構(gòu)，將其在相關(guān)映射中一一對應(yīng)區(qū)分，最終得出結(jié)果。

本文系統(tǒng)地闡述了課堂高校課堂中人臉識別考勤系統(tǒng)的基本流程。更快速準(zhǔn)確的全局與局部關(guān)鍵點(diǎn)的提取、匹配算法是今后需要進(jìn)一步研究的方向。隨著計算機(jī)技術(shù)、生物識別、人工智能等多種技術(shù)的飛速發(fā)展，人臉識別正被廣泛應(yīng)用于信息安全、公共安全以及證券金融等多個領(lǐng)域。研究如何更快速地準(zhǔn)確識別個體，尋找最優(yōu)化的識別算法，提高匹配精度、防范識別破解、映射更多相關(guān)領(lǐng)域是今后需要更深層次研究的課題。

參考文獻(xiàn)：

[1] Olivier Iii C F， Fouillade J S， Feniello A， Et Al. Computer Vision System And Method Using A Depth Sensor： ， US9001190[P]. 2015.

[2] 潘芬蘭.基于人臉識別技術(shù)的職能考勤系統(tǒng)研究[D].浙江大學(xué)，2014.

[3] Unar J A， Seng W C， Abbasi A. A review of biometric technology along with trends and prospects[J]. Pattern Recognition， 2014， 47（8）：2673-2688.

[4] 楊高波，李實(shí)英.計算機(jī)視覺特征提取與圖像處理[M].北京：電子工業(yè)出版社，2014.

[5] Gao Y， Yang Y， You M. A New Filled Function Method For Global Optimization[J].Applied Mathematics & Computation， 2015， 268：685-695.